-
公开(公告)号：CN113120106B
公开(公告)日：2022-02-22
申请号：CN202110534277.2
申请日：2021-05-17
Applicant: 哈尔滨工业大学
IPC: B62D57/02
Abstract: 一种燃爆驱动刚柔耦合仿青蛙机器人，属于软体跳跃机器人领域。解决了现有软体弹跳机器人跳跃姿态、落地方向不可控，落地不平稳的问题。本发明运用了氢气和氧气的燃爆放能原理、软体燃爆腔和刚体活塞式约束结合的方式实现能量的释放，能够将化学能在短时间内转换为机械能，可实现机器人较大的瞬时加速度，同时通过刚性活塞式约束，实现对软体燃爆腔膨胀方向的控制，从而使机器人的跳跃方向和姿态受到控制。本发明适用于仿生机器人技术领域。
-
公开(公告)号：CN113120106A
公开(公告)日：2021-07-16
申请号：CN202110534277.2
申请日：2021-05-17
Applicant: 哈尔滨工业大学
IPC: B62D57/02
Abstract: 一种燃爆驱动刚柔耦合仿青蛙机器人，属于软体跳跃机器人领域。解决了现有软体弹跳机器人跳跃姿态、落地方向不可控，落地不平稳的问题。本发明运用了氢气和氧气的燃爆放能原理、软体燃爆腔和刚体活塞式约束结合的方式实现能量的释放，能够将化学能在短时间内转换为机械能，可实现机器人较大的瞬时加速度，同时通过刚性活塞式约束，实现对软体燃爆腔膨胀方向的控制，从而使机器人的跳跃方向和姿态受到控制。本发明适用于仿生机器人技术领域。
-
公开(公告)号：CN104135662A
公开(公告)日：2014-11-05
申请号：CN201410409829.7
申请日：2014-08-19
Applicant: 哈尔滨工业大学
IPC: H04N19/103 , H04N19/105 , H04N19/63 , H04N19/13
Abstract: 用于在有限带宽和发射速率条件下对视频文件的改进型H.264压缩编码方法，涉及数字图像处理领域，是为了解决现有的无线移动通信网络的视频下载传输方法适应网络资源受限，以及为了适应高速、高画质的传输的需求。其方法：初始阶段，对每一帧的图像进行预压缩，通过复数小波变换提取图像在不同方向的特征，同时减少信息的冗余；帧间预测阶段，根据经过小波变化得到的方向性特征，判断帧间图像之间的空间相关性，降低运动向量计算的复杂度和维度，得到P帧和B帧；帧内预测阶段，剔除掉细节特征，只对整体特征进行预测和整数余弦变换，得到I帧。本发明适用于在有限带宽和发射速率条件下对视频文件的改进型H.264压缩编码。
-
公开(公告)号：CN104045979A
公开(公告)日：2014-09-17
申请号：CN201410304515.0
申请日：2014-06-30
Applicant: 哈尔滨工业大学
Abstract: 一种基于氧化石墨烯改进背衬材料吸声性能的方法，属于材料技术领域。为了解决W粉和Epoxy之间高的界面能问题，使得W粉和Epoxy得到很好的兼容效果，所述方法一为：一、制备W/Epoxy的复合物粉体；二、制备W/Epoxy/GO复合物粉体；三、制备W/Epoxy/GO/Epoxy复合物粉体；四、制备W/Epoxy/GO/Epoxy复合物薄膜。所述方法二为：一、制备W/GO复合物粉体；二、制备W/GO/Epoxy复合物粉体；三、制备W/GO/Epoxy复合物薄膜。本发明通过W、Epoxy和GO的层层组装，形成W/Epoxy/GO/Epoxy复合物薄膜或W/GO/Epoxy复合物薄膜，并改进传统背衬材料基体W和Epoxy的制备工艺，制备出中阻抗、高衰减的复合物薄膜背衬材料。
-
公开(公告)号：CN119364873A
公开(公告)日：2025-01-24
申请号：CN202411421896.0
申请日：2024-10-12
Applicant: 哈尔滨工业大学
Abstract: 本发明涉及柔性光电突触器件的制备方法，更具体的说是一种具有擦除数据功能的柔性光电突触器件的制备方法。为获得结构简单、成本低并具有擦除数据功能的柔性光电突触器件。通过弯折器件使材料内部产生缺陷，诱导离化氧空位的中和，从而降低薄膜的电导率，以实现数据的擦除，为金属氧化物半导体基光电突触器件提供了一种快速擦除数据的方法；为金属‑半导体‑金属结构的金属氧化物半导体基光电突触器件擦除数据提供了一种新的解决方案。提供的柔性光电突触器件能高度相似地模拟生物突触的功能和行为，并且具有大于5比特的存储位宽，表现出优异的性能。
-
Patent Agency Ranking
公开(公告)号：CN113298789B
公开(公告)日：2024-08-30
申请号：CN202110592644.4
申请日：2021-05-28
Applicant: 国网陕西省电力有限公司电力科学研究院 , 哈尔滨工业大学(深圳) , 国家电网有限公司 , 国网(西安)环保技术中心有限公司
IPC: G06T7/00 , G06V10/764 , G06V10/82 , G06N3/0464 , G06N3/08 , G06T7/11 , G06T7/194
Abstract: 本发明公开了一种绝缘子缺陷检测方法、系统、电子设备及可读存储介质，所述绝缘子缺陷检测方法，包括以下步骤：将被检测电网航拍图像输入预训练好的绝缘子缺陷检测模型中，通过预训练好的绝缘子缺陷检测模型输出被检测电网航拍图像的绝缘子缺陷检测结果；绝缘子缺陷检测模型包括：绝缘子检测和前景分割模块，用于根据输入的电网航拍图像，获取只包含绝缘子的区域图像；绝缘子缺陷检测模块，用于根据获取的只包含绝缘子的区域图像，利用基于多头自注意力的图像分类网络判断绝缘子是否有缺陷并输出绝缘子缺陷检测结果。本发明能够完成电网航拍图像绝缘子缺陷检测这一分类任务，能够具体解决现有技术中模型精度的技术问题。
-
公开(公告)号：CN116824304A
公开(公告)日：2023-09-29
申请号：CN202310855459.9
申请日：2023-07-13
Applicant: 哈尔滨工业大学
IPC: G06V10/774 , G06V10/776 , G06V10/80 , G06V10/82
Abstract: 一种基于对比学习的低照度目标检测方法，属于计算机视觉和深度学习领域。本发明方法综合了对比学习技术和计算机视觉领域目标检测技术，实现了低照度环境下的实时目标检测功能。本发明的方法在进行低照度图像的特征提取过程中，采用了将基于对比学习训练的骨干网络提取的特征和基于有监督训练的骨干网络提取的特征进行融合的方法，这样避免了传统的基于有监督训练的特征提取网络特征提取的特征泛化性差的问题以及采用先增强再检测的方法检测速度慢的问题，提高了低照度下目标检测的精度及实时性；同时本发明中的方法采用特征增强的技术提高了特征的感受野，进一步解决了实际低照度环境目标检测中对目标检测结果的高精度的需求。
-
公开(公告)号：CN116821391A
公开(公告)日：2023-09-29
申请号：CN202310855462.0
申请日：2023-07-13
Applicant: 哈尔滨工业大学
IPC: G06F16/532 , G06F16/583 , G06F16/332 , G06F16/33 , G06F16/383 , G06F18/22 , G06F18/25 , G06V10/42 , G06V10/44 , G06V10/82 , G06F40/284 , G06N3/045 , G06N3/0442 , G06N3/0464 , G06N3/047 , G06N3/048
Abstract: 一种基于多级别语义对齐的跨模态图文检索方法，属于跨模态检索和人工智能技术领域。本发明方法提出了一种简单而对称的网络架构来对图像和文本特征进行编码，兼顾了全局‑全局、全局‑局部以及局部‑局部的多级别语义对齐，通过引入模态间细粒度特征交互注意力网络与模态内不同粒度特征融合网络，实现了不同粒度特征在不同级别上的融合交互，解决了现有跨模态检索研究工作存在的多粒度特征交互弱，且难以分辨图像区域特征相似或文本语义相近的图文对的技术问题；同时，本发明方法采用了多级别语义匹配总分数与具有自适应边距值的三元排序损失，实现了更优良的跨模态语义对齐，大大提高了跨模态图文检索任务的精度。
-
公开(公告)号：CN112907138B
公开(公告)日：2023-08-01
申请号：CN202110326603.0
申请日：2021-03-26
Applicant: 国网陕西省电力公司电力科学研究院 , 哈尔滨工业大学(深圳) , 国家电网有限公司
IPC: G06Q10/0631 , G06Q10/0635 , G06Q50/06 , G06V10/774 , G06V10/82 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种从局部到整体感知的电网场景预警分类方法及系统，所述方法包括以下步骤：将电网场景图片输入训练好的分类模型，通过训练好的分类模型获得电网场景图片预警分类结果；训练好的分类模型的获取步骤包括：通过第一骨干网络模型和局部分类器，构建局部像素块分类模型；通过局部像素块训练集训练局部像素块分类模型，获得训练好的局部像素块分类模型；通过第二骨干网络模型、特征集成模块和全局分类器，构建获得分类模型；第二骨干网络模型加载有第一骨干网络模型的训练权重参数；通过标注的电网场景图片训练集对分类模型进行训练，获得训练好的分类模型。本发明能够解决电网场景预警分类中模型分类精度不能满足需求的技术问题。
-
公开(公告)号：CN113689380B
公开(公告)日：2023-05-16
申请号：CN202110817763.5
申请日：2021-07-20
Applicant: 中国铁路设计集团有限公司 , 哈尔滨工业大学
IPC: G06T7/00
Abstract: 本发明提出了一种基于深度学习的桁架桥梁铆钉锈蚀病害智能识别方法，解决铆钉锈蚀病害传统检测方法成本高、检测结果主观性强、效率低的问题，方法如下：对桥梁全景图像进行分割，筛选发生锈蚀病害的铆钉图像和状态正常的铆钉图像，对原始图像进行数据增广，划分训练集和测试集，采用单阶段检测网络进行铆钉病害类型和位置的精确判定，训练过程中采用类别置信度和位置的加权损失函数监督网络预测误差，判断模型的收敛状态。基于桁架桥梁铆钉空间分布特征，将网络置信度阈值参数设置为0.6，在网络所有类别预测框中找到类别置信度大于0.6的预测框作为网络最终预测结果。本方法能够对桥梁铆钉锈蚀病害实现精准判别和定位。
-
-
-
-
-
-
-
-
-
Search Results
43
records
(took 0.033 seconds)
