一种基于图像识别的无人机AI控制器

    公开(公告)号:CN113232879A

    公开(公告)日:2021-08-10

    申请号:CN202110707149.3

    申请日:2021-06-24

    Abstract: 本发明公开了一种基于图像识别的无人机AI控制器包括无人机主体、摄像头底座、图像拍摄摄像头、控制器主体、图像显示器,在图像拍摄摄像头上增加了摄像头底座,通过旋转底座可以控制图像拍摄摄像头360度旋转,通过控制器直接控制图像拍摄摄像头旋转,不需要旋转无人机飞行方向,保证画面拍摄的精准度,提高了拍摄效率,在无人机控制器的图像显示器背面设置有液冷散热管,通过液冷散热管加快图像显示器散热,防止其温度过高损坏控制器内部元件,延长了控制器的使用寿命,在控制器把手上设置有无人机升、降、前、后、左、右、调节按钮,不同于摇杆式调节方式,本发明的调节方式可以更加精准的控制无人机的位置,实现了无人机控制的多样化。

    基于多层极限学习机的电力安全评估方法及相关设备

    公开(公告)号:CN119538714A

    公开(公告)日:2025-02-28

    申请号:CN202411502888.9

    申请日:2024-10-25

    Abstract: 本申请提供一种基于多层极限学习机的电力安全评估方法及相关设备,该方法包括:根据电力数据集,确定输入数据集和输出数据集;确定多层极限学习机模型的第一权重矩阵以及偏置矩阵;多层极限学习机模型包括输入层、隐含层和输出层;基于极限学习机自动编码器,将输入数据集映射到隐含层中,并根据第一权重矩阵和偏置矩阵,确定隐含层的特征向量;将特征向量作为下一层隐含层的输入向量,利用极限学习机自动编码器,确定第n层和第n‑1层隐含层的特征向量;根据输出数据集和第n‑1层隐含层的特征向量,确定第二权重矩阵,完成训练。本申请基于多层极限学习机模型,根据自动编码器优化各隐含层的权重矩阵,提高对电力系统安全评估的预测精度。

Patent Agency Ranking