公开(公告)号：CN116774573A

公开(公告)日：2023-09-19

申请号：CN202310861002.9

申请日：2023-07-13

Applicant: 厦门大学

Inventor： 曾念寅 ,  胡立伟 ,  蓝承波 ,  李寒 ,  吴佩树

IPC: G05B11/42

Abstract: 本发明公开了一种无人系统姿态控制PID参数整定动态多目标优化方法，包括：S1，构建优化空间；S2，构建优化目标函数模型；S3，采用基于核均值匹配的动态多目标优化算法进行优化求解，得到不同时刻对应的PID控制参数；S4，根据得到的PID控制参数构建解空间，获得最终优化结果。本发明根据动力学模型分析和动态传递函数，通过矩阵描述的方法对无人系统刚体姿态进行描述，建立控制模型；利用基于核均值匹配的新型动态多目标优化算法进行求解，在不同时刻对PID参数进行动态优化，使得无人系统在动态姿态控制中满足最大超调量小、稳定时间短或绝对控制误差值小的要求。

公开(公告)号：CN116245802A

公开(公告)日：2023-06-09

申请号：CN202211594272.X

申请日：2022-12-13

Applicant: 厦门大学

Inventor： 曾念寅 ,  李新宇 ,  吴佩树 ,  胡立伟 ,  刘浩楠 ,  李寒

IPC: G06T7/00 ,  G06T7/62 ,  G06V10/80 ,  G06V10/82 ,  G06N3/08 ,  G06N3/0464

Abstract: 本发明方法为一种基于卷积神经网络的电子元器件缺陷识别方法及系统，包括：采集包括缺陷的多个电子元器件的多模态融合图像，作为原始图像集；确定原始图像集中各电子元器件的缺陷类型和缺陷位置并进行标注，将已标注的数据划分为训练集和测试集；使用所述训练集对三模态融合卷积神经网络模型进行训练，并使用所述测试集对训练完的模型进行测试，当指标满足预设要求时，得到训练好的模型；将待识别电子元器件的多模态融合图像输入训练好的三模态融合卷积神经网络模型，获得待识别电子元器件的缺陷类型及缺陷位置。本发明能够识别出电子元器件可能出现的多种内部和表面缺陷。

公开(公告)号：CN116228637A

公开(公告)日：2023-06-06

申请号：CN202211594083.2

申请日：2022-12-13

Applicant: 厦门大学

Inventor： 曾念寅 ,  张雨晴 ,  吴佩树 ,  李寒 ,  胡立伟 ,  刘浩楠

IPC: G06T7/00 ,  G06T7/13 ,  G06T7/12 ,  G06T7/90 ,  G06V10/774 ,  G06V10/764 ,  G06V10/74

Abstract: 本发明方法一种基于多任务多尺寸网络的电子元器件缺陷识别方法及装置，包括：采集包括缺陷的多个电子元器件的高清晰度工业级图像，作为缺陷图像数据集；确定缺陷图像数据集中各电子元器件的缺陷位置和缺陷类型并进行标注，将已标注的图像集划分为训练集和测试集；使用训练集对多任务多尺寸网络模型进行训练，获得损失最小的多任务多尺寸网络模型；使用测试集对损失最小的多任务多尺寸网络模型进行测试，获得Dice系数和准确率Accuracy最大的最优的多任务多尺寸网络模型；将待识别电子元器件的图像输入最优的多任务多尺寸网络模型，获得待识别电子元器件的缺陷位置及缺陷类型。本发明能够识别出电子元器件的缺陷位置及缺陷类型，提高识别的效率和精度。