-
公开(公告)号：CN119693404A
公开(公告)日：2025-03-25
申请号：CN202411880742.8
申请日：2024-12-19
Applicant: 哈尔滨理工大学 , 威海银河生物技术股份有限公司
Abstract: 一种基于改进Otsu和边缘算子的微操作目标分割方法，它属于显微视觉下的微操作目标分割技术领域。本发明解决了由于图像噪声和不均匀光照造成的暗影的影响导致现有微操作目标分割方法的精度低的问题。本发明具体为：采用改进双边滤波算法对灰度图像进行去噪处理获得去噪处理后图像；基于改进Otsu算法对去噪处理后图像进行微操作目标分割，得到微操作目标分割结果；若分割结果满足要求，则直接获得最终微操作目标分割结果，若分割结果不满足要求，则继续基于改进的边缘算子和改进的Otsu算法对去噪处理后的图像进行微操作目标分割，得到最终的微操作目标分割结果。本发明方法可以应用于微操作目标分割。
-
公开(公告)号：CN119169293A
公开(公告)日：2024-12-20
申请号：CN202411321757.0
申请日：2024-09-20
Applicant: 哈尔滨理工大学
IPC: G06V10/26 , G06V10/25 , G06N3/084 , G06V10/764 , G06V10/82 , G06V10/762
Abstract: 本发明公开了一种低资源场景下的医学影像分割方法，该方法包括：基于预设的训练数据集训练NanoDet模型，直至经所述NanoDet模型得到的病灶区域的标注框的标注精度大于第一精度值；对分割模型SAM的权重矩阵设置增加项矩阵，基于所述训练数据集，更新所述增加项矩阵，使所述分割模型SAM的分割精度大于第二精度值；基于所述NanoDet模型生成待分割图像的标注框，并基于所述标注框获取病灶区域的定位点；在所述标注框内基于所述定位点坐标，使用更新权重后的分割模型SAM进行病灶区域的影像分割，生成所述带分割图像对应的病灶掩膜。该方法具有更好的分割能力和精度。
-
公开(公告)号：CN116610907B
公开(公告)日：2024-03-19
申请号：CN202310612456.2
申请日：2023-05-27
Applicant: 哈尔滨理工大学
Abstract: 一种基于变分模态分解的齿轮振动信号特征提取方法，涉及一种齿轮振动信号特征提取方法。该方法包含以下步骤：步骤一，信号采集；步骤二，构建信号的Hankel矩阵，计算Hankel矩阵奇异值峰度差分谱，定位差分谱最大突变处r；步骤三，根据r定位奇异值矩阵有效阶数，进行信号去噪；步骤四，使用提出的最佳K值算法计算VMD的分解层数K；步骤五，使用相关性和峰值原则筛选IMF分量；步骤六，使用蜣螂算法优化MCKD参数，使用优化后的MCKD对信号进行脉冲增强；步骤七，使用模糊熵、近似熵、样本熵实现特征提取。本发明提供了一种齿轮振动信号特征提取方法，能较完整地提取出齿轮振动信号的特征。本发明适用于齿轮振动信号特征提取。
-
公开(公告)号：CN116533223A
公开(公告)日：2023-08-04
申请号：CN202310746129.6
申请日：2023-06-21
Applicant: 哈尔滨理工大学
Abstract: 一种基于气囊结构的软体仿生机器人及其中间连接模块，本发明涉及仿生机器人技术领域。本发明为了解决现有软体机器人制作复杂，弯曲能力差，运动模式单一，同时现有的多模块软体机器人一般采用多气路进行充放气，气路的拖拽会对机器人的运动产生影响的问题。一种基于气囊结构的软体仿生机器人包括中间连接模块和四个软体模块，中间连接模块的两端分别各连接有两个软体模块，两个软体模块上下相背向固接，软体模块为中空壳体结构，软体模块的内部设有封闭腔室，中间连接模块上侧进出气管道的进出气端口与相邻上部软体模块的封闭腔室相连通，中间连接模块下侧进出气管道的进出气端口与相邻下部软体模块的封闭腔室相连通。本发明用于仿生机器人。
-
公开(公告)号：CN114706432B
公开(公告)日：2023-04-28
申请号：CN202210552264.2
申请日：2022-05-20
Applicant: 哈尔滨理工大学
IPC: G05D19/02
Abstract: 一种基于跨介质时延的随机微振动主动隔振控制方法，涉及微振动隔振技术领域，针对现有技术中采用反馈控制方法难以实现较好的振动消纳性能的问题，本申请通建立跨介质传播时延特性模型，实现对于随机微振动通过慢速介质前后波动特性变化关系的准确描述。本申请通过建立包含慢速缓冲介质和压电堆叠的新型混合作动机构“电压‑力”直接逆模型，实现对于迟滞等与内部状态变量强相关非线性特性影响的准确描述，以及对模型参数与外部环境参数相关时变特性的自适应跟踪。本申请通过利用慢速介质引入的振动波传播时延，实现实时前馈消纳与反馈控制残差抑制相结合的主动隔振控制。
-
Patent Agency Ranking
公开(公告)号：CN115979240A
公开(公告)日：2023-04-18
申请号：CN202211550548.4
申请日：2022-12-05
Applicant: 哈尔滨理工大学
Abstract: 基于限制增广的新息叠加同步定位建图方法，解决了如何提高移动机器人定位建图过程中精度和速度的问题，属于移动机器人定位建图领域。本发明包括：移动机器人k时刻扫描环境及获取移动机器人当前位姿，确定观测值，根据观测值确定k时刻观测向量的维数n,并获取k‑1时刻的状态向量的维数；根据和n的值，对状态增广向量进行限制，当状态向量维数到达阈值，对传感器观测范围进行约束，从而提高算法速度。同时通过对移动机器人各时刻的状态信息进行迭代计算，估计移动机器人系统状态。通过叠加机器人运动过程中多个时刻的新息，对系统的噪声进行精准实时修正，使得本发明在保证收敛的同时，系统状态估计的精度也更高。
-
公开(公告)号：CN115115544A
公开(公告)日：2022-09-27
申请号：CN202210727590.2
申请日：2022-06-22
Applicant: 哈尔滨理工大学
Abstract: 基于注意力机制GAN的辐照环境图像降噪方法，属于图像处理领域，具体涉及一种基于注意力机制GAN的辐照环境图像降噪方法，首先，根据辐照环境中图像噪声的特性，构建一个由编码部分和解码部分组成的生成器，编码部分具有特征提取的功能，解码部分具有像素重建的功能，在编码部分的第二特征提取分支中添加注意力模块，并且在编码部分和解码部分的对应阶段添加跳跃链接，并且在解码部分使用亚像素卷积，实现噪声的细化分割。随后，构建一个由卷积层为主干的鉴别网络，利用GAN思想，对生成器和鉴别器进行零和博弈，获得最优生成器，并利用残差思想，完成辐照环境图像的降噪。
-
公开(公告)号：CN114706432A
公开(公告)日：2022-07-05
申请号：CN202210552264.2
申请日：2022-05-20
Applicant: 哈尔滨理工大学
IPC: G05D19/02
Abstract: 一种基于跨介质时延的随机微振动主动隔振控制方法，涉及微振动隔振技术领域，针对现有技术中采用反馈控制方法难以实现较好的振动消纳性能的问题，本申请通建立跨介质传播时延特性模型，实现对于随机微振动通过慢速介质前后波动特性变化关系的准确描述。本申请通过建立包含慢速缓冲介质和压电堆叠的新型混合作动机构“电压‑力”直接逆模型，实现对于迟滞等与内部状态变量强相关非线性特性影响的准确描述，以及对模型参数与外部环境参数相关时变特性的自适应跟踪。本申请通过利用慢速介质引入的振动波传播时延，实现实时前馈消纳与反馈控制残差抑制相结合的主动隔振控制。
-
公开(公告)号：CN113160136A
公开(公告)日：2021-07-23
申请号：CN202110276650.9
申请日：2021-03-15
Applicant: 哈尔滨理工大学
Abstract: 本发明涉及一种基于改进Mask R‑CNN的木材缺陷识别和分割方法，本发明的目的是为了解决缺陷识别中的数据集不平衡和数据量偏少，缺陷检测效率低的问题。过程为：1.采集数据集；2.平衡数据集样本；3.扩充数据集数量；4.将数据集进行划分并制作成所需格式；5.选定检测网络的结构；6.将数据集输入网络模型，使用Momentum优化方法，训练网络20000次；7.每训练1000次，模型对验证集进行检测，选取20次中检测精度最高的模型作为训练好的检测模型；8.使用训练好的模型对测试集进行检测，得到模型的精度和召回率以及模型的检测效果图；本发明使用人工智能的方法同时完成缺陷的分类，缺陷的位置检测和缺陷的轮廓分割，适用与木材工业加工线对木材缺陷的快速处理。
-
公开(公告)号：CN111627064A
公开(公告)日：2020-09-04
申请号：CN202010335557.6
申请日：2020-04-25
IPC: G06T7/73 , G06N3/04 , G06N3/08 , G01S17/933
Abstract: 一种行人交互友好型的单目避障方法，属于无人机导航领域，本发明为解决搭载单目摄像头的室内无人机避障性能不佳的问题。本发明方法为无人机利用单目摄像头采集图片，所述图片输入至端到端策略的并行深度神经网络结构中，该网格结构输出最佳航向角作为无人机避障的飞行指令；所述端到端策略的并行深度神经网络结构由单目摄像头结合单线激光雷达协同完成，训练过程为：步骤一、利用单线激光雷达采集的深度值搜索最佳航向，并为单目摄像头采集的图片打标签，建立数据集；步骤二、所述数据集分别输入至Resnet18网络和预训练好的YOLO v3网络中；步骤三、利用步骤一的数据集训练步骤二所述并行深度神经网络直至收敛。
-
-
-
-
-
-
-
-
-
Search Results
131
records
(took 0.029 seconds)
