-
公开(公告)号：CN118447274A
公开(公告)日：2024-08-06
申请号：CN202410159817.7
申请日：2024-02-04
申请人： 哈尔滨理工大学
摘要： 本发明双支路加权融合血管结构增强的血管特征点提取匹配方法属于医学数字图像处理技术领域；利用自适应阈值生成二进制掩码图像，以抑制各类内腔环境边界区域噪声影响；利用阈值判断及FMM方法进行高光修复，以抑制边界区域和高光区域的影响；设计双支路Frangi测度与MFAT的高斯加权融合血管结构单像素化增强算法，补偿Frangi增强方法对静脉血管和微细血管的结构化测度差异和不均匀响应，为血管特征提取提供有效结构信息；引入SSIM指标实现自适应高斯加权融合；设置双圆周检测血管特征增加其对于不同尺度血管结构的适应性，引入非极大值抑制减少冗余，对前后帧结果邻域块计算ZSSD进行匹配。
-
公开(公告)号：CN115508108B
公开(公告)日：2024-05-28
申请号：CN202211235862.3
申请日：2022-10-10
申请人： 哈尔滨理工大学
IPC分类号： G01M17/007 , B07C5/34 , B07C5/36 , B07C5/38
摘要： 本发明属于回力车测试技术领域，尤其涉及一种回力车连续测试装置及测试方法，所述的测试装置，包括：测试台、入口车道、螺旋车道、出口车道、转筒、无动力传送带、翻板和测试区，入口车道从螺旋车道的一端接入，螺旋车道的另一端设置有翻板，所述翻板在翻转后能够接入出口车道的一端，出口车道的另一端接入测试区，回力车进入螺旋车道，回力车底部的车轮在螺旋车道上滑动蓄力，在回力车滑动至螺旋车道末端的翻板处后，翻板转动带着回力车接入出口车道，回力车驶入测试区进行测试；避免了手动抓取、拖动蓄力、释放和观察行驶状态的过程，实现回力车的自动质量检测，减小了工作量，提高了质检效率。
-
公开(公告)号：CN115524142A
公开(公告)日：2022-12-27
申请号：CN202211235863.8
申请日：2022-10-10
申请人： 哈尔滨理工大学
IPC分类号： G01M17/007 , B07C5/02 , B07C5/34 , B07C5/36
摘要： 本发明属于回力车质检技术领域，尤其涉及一种回力车测试装置及其蓄力机构、回收台和测试方法，所述的测试装置，包括：测试台、蓄力机构和回收台，所述的测试台上端设置有蓄力机构，测试台的侧面设置有回收台；由此结构，能够实现，测试台为小车的滑动蓄能提供平台，通过蓄力机构对小车进行拖动蓄力，蓄力后的小车被释放至回收台进行测试，实现了回力车的自动质量检测，避免了专人手动测试，降低了劳动强度，提高了生产效率。
-
公开(公告)号：CN115524141A
公开(公告)日：2022-12-27
申请号：CN202211235839.4
申请日：2022-10-10
申请人： 哈尔滨理工大学
IPC分类号： G01M17/007
摘要： 本发明属于玩具生产检测技术领域，尤其涉及一种回力车生产检测装置及其测试带和检测方法；所述检测装置包括：慢传送带、快传送带、传输带和测试带，所述慢传送带连接有快传送带的一端，快传送带的另一端连接有测试带，所述快传送带的上方设置有传输带，所述传输带完全覆盖快传送带，传输带的一端与慢传送带具有重叠区域，传输带的另一端与测试带具有重叠区域，且两个重叠区域的长度均不小于小车的长度；所述检测方法包括小车输送、小车蓄力、小车释放和小车测试的步骤；本发明能够实现回力车自动检测，提高检测效率，节省生产成本。
-
公开(公告)号：CN115508108A
公开(公告)日：2022-12-23
申请号：CN202211235862.3
申请日：2022-10-10
申请人： 哈尔滨理工大学
IPC分类号： G01M17/007 , B07C5/34 , B07C5/36 , B07C5/38
摘要： 本发明属于回力车测试技术领域，尤其涉及一种回力车连续测试装置及测试方法，所述的测试装置，包括：测试台、入口车道、螺旋车道、出口车道、转筒、无动力传送带、翻板和测试区，入口车道从螺旋车道的一端接入，螺旋车道的另一端设置有翻板，所述翻板在翻转后能够接入出口车道的一端，出口车道的另一端接入测试区，回力车进入螺旋车道，回力车底部的车轮在螺旋车道上滑动蓄力，在回力车滑动至螺旋车道末端的翻板处后，翻板转动带着回力车接入出口车道，回力车驶入测试区进行测试；避免了手动抓取、拖动蓄力、释放和观察行驶状态的过程，实现回力车的自动质量检测，减小了工作量，提高了质检效率。
-
公开(公告)号：CN118865099A
公开(公告)日：2024-10-29
申请号：CN202410816594.7
申请日：2024-06-21
申请人： 哈尔滨理工大学
IPC分类号： G06V20/10 , G06V10/42 , G06V10/44 , G06V10/764 , G06V10/77 , G06V10/80 , G06V10/82 , G06N3/0455 , G06N3/0464
摘要： 本发明CNN结合Transformer的HSI和LiDAR多模态数据的精细地物分类方法属于图像分类技术领域。首先，输入待分类的高光谱图像(HSI)和激光雷达(LiDAR)数据，形成训练集、验证集和测试集；采用主成分分析法降低HSI训练集的光谱维数，然后输入由卷积神经网络(CNN)和Transformer并联构成的特征提取模块，再通过特征交互模块实现局部特征与全局信息之间的交互；将LiDAR训练集输入卷积神经网络提取特征，并与HSI支路提取的特征实现特征对齐；将HSI和LiDAR双支路的对齐特征进行拼接，输入跨通道重构机制中实现多模态数据特征的高效融合；通过优化总体损失函数更新网络参数，再将双支路交叉融合之后的特征输入softmax分类器进行分类；将测试数据输入到训练好的网络模型，使用softmax分类器进行分类，得到HSI和LiDAR多模态数据的协同分类结果；本发明利用CNN强大的局部特征提取能力与Transformer的全局特征提取能力，通过特征交互模块与跨通道重构机制实现更优异的地物精细分类的效果。
-
公开(公告)号：CN118624249A
公开(公告)日：2024-09-10
申请号：CN202411094578.8
申请日：2022-10-10
申请人： 哈尔滨理工大学
IPC分类号： G01M17/007 , B07C5/34 , B07C5/38
摘要： 本发明一种回力车测试方法属于回力车质检技术领域；所述回力车测试方法在回力车测试装置上实现，依次执行小车抓取、小车蓄力、小车换向、小车释放和小车回力测试五个步骤；所述回力车测试装置包括：测试台、蓄力机构和回收台，所述的测试台上端设置有蓄力机构，测试台的侧面设置有回收台；此结构能够实现，测试台为小车的滑动蓄能提供平台，通过蓄力机构对小车进行拖动蓄力，蓄力后的小车被释放至回收台进行测试，实现了回力车的自动质量检测，避免了专人手动测试，降低了劳动强度，提高了生产效率。
-
公开(公告)号：CN115524142B
公开(公告)日：2024-08-27
申请号：CN202211235863.8
申请日：2022-10-10
申请人： 哈尔滨理工大学
IPC分类号： G01M17/007 , B07C5/02 , B07C5/34 , B07C5/36
摘要： 本发明属于回力车质检技术领域，尤其涉及一种回力车测试装置及其蓄力机构、回收台和测试方法，所述的测试装置，包括：测试台、蓄力机构和回收台，所述的测试台上端设置有蓄力机构，测试台的侧面设置有回收台；由此结构，能够实现，测试台为小车的滑动蓄能提供平台，通过蓄力机构对小车进行拖动蓄力，蓄力后的小车被释放至回收台进行测试，实现了回力车的自动质量检测，避免了专人手动测试，降低了劳动强度，提高了生产效率。
-
公开(公告)号：CN117953259A
公开(公告)日：2024-04-30
申请号：CN202311282162.4
申请日：2023-10-07
申请人： 哈尔滨理工大学
IPC分类号： G06V10/764 , G06N3/0464 , G06N3/045 , G06V10/774 , G06V10/776 , G06V10/82 , G06V10/40 , G06V20/10
摘要： 本发明基于双支路CNN‑Transformer的高光谱与LiDAR协同的农作物精准分类方法属于图像分类技术领域；该方法依次执行以下步骤：输入待分类的高光谱图像和激光雷达数据；对HSI和LiDAR数据进行patch提取，形成各自的训练、验证和测试样本集；将HSI、LiDAR的patch数据输入由卷积神经网络构成的UniFeat Block共有特征提取模块，获得共性特征；将HSI和LiDAR的共性特征对齐后，输入改进的Transformer编码器，得到HSI、LiDAR的特征表示；将HSI、LiDAR的特征表示，输入基于集成对比学习的HSI‑LiDAR联合分类器进行训练，得到协同分类结果；本发明利用CNN强大的特征提取能力与Transformer的长程依赖建模能力，通过异构传感数据的多模态特征对齐与融合，实现更优异的协同分类效果。
-
-
-
-
-
-
-
-
搜索结果
9 条记录 (耗时 0.023 秒)
