-
公开(公告)号：CN115192048A
公开(公告)日：2022-10-18
申请号：CN202210851305.8
申请日：2022-07-20
Applicant: 常州大学
Abstract: 本发明涉及SVR算法技术领域，尤其涉及一种用于肌电‑握力预测的改进SVR方法及装置，包括分别采集正常侧手臂的肌电信号和握力信号；对肌电信号和握力信号进行预处理、特征提取，构建特征提取后的肌电信号和握力信号的训练集和测试集；通过训练集数据训练出改进SVR模型。本发明通过正常侧指套装置抓取物体，采集物体对应的握力值与正常侧肌电值，通过麻雀搜索算法对SVR模型改进，建立肌电与握力预测模型；并实时采集患侧抓取物体时的握力，通过比较抓取相同物体时正常侧与患侧握力的差值，对患侧的握力进行补偿。
-
公开(公告)号：CN115812493A
公开(公告)日：2023-03-21
申请号：CN202211444169.7
申请日：2022-11-18
Applicant: 常州大学
Abstract: 本发明涉及一种果蔬套袋机械手及视觉引导下的果蔬套袋系统、套袋方法，果蔬套袋机械手包括壳体、储袋上料机构和吸附送袋机构，壳体开设有用以供果蔬和/或果蔬袋出入的出入口；储袋上料机构包括储袋盘和旋转驱动机构，储袋盘位于壳体内，且沿周向均设有多个沿径向延伸的卡袋槽，每个卡袋槽内放置一个袋口朝外的果蔬袋，果蔬袋袋口的两侧配置有磁性不同的磁铁；旋转驱动机构配置在壳体和储袋盘之间，用于驱动储袋盘每次转动相应角度，以使各个果蔬袋依次到达正对出入口的上料位；吸附送袋机构包括移动驱动机构和对置的两个电磁吸附机构；移动驱动机构配置在壳体和两个电磁吸附机构之间。本发明可以保证每次只上一个果蔬袋，可长时间稳定工作。
-
公开(公告)号：CN114840073A
公开(公告)日：2022-08-02
申请号：CN202210252993.6
申请日：2022-03-15
Applicant: 常州大学
Abstract: 本发明涉及智能控制技术领域，尤其涉及一种脑控、视控、触控的智能升降桌系统及控制方法，包括脑机接口信息采集装置、脑电诱发装置、升降桌控制装置、桌面触控装置和主控设备；通过SSVEP算法将脑电诱发设备产生的光信号与脑电信号进行匹配或者通过ERP算法将脑电诱发设备产生的颜色信号与脑电信号进行匹配；通过内置算法对用户面部图像信息进行处理，根据眼睛和嘴巴的坐标点在相机划定的工作区域内的比值。本发明采集用户面部图像信息，通过采集脑电诱发装置产生的用户枕区脑电信息，通过桌面触控装置采集用户触控信息，通过主控设备统一接收和处理，得到升降的高度信息，智能化程度高，使用更为便捷。
-
Patent Agency Ranking
公开(公告)号：CN115713693A
公开(公告)日：2023-02-24
申请号：CN202211484189.7
申请日：2022-11-24
Applicant: 常州大学
IPC: G06V20/10 , G06V10/26 , G06V10/82 , G06N3/082 , G06N3/0464
Abstract: 本发明涉及果树剪枝技术领域，尤其涉及一种基于神经网络和模糊决策的果树剪枝方法及系统，包括：通过AR眼镜采集果树枝干图像；对果树枝干图像进行对暗光增强和曝光纠正；采用ShuffleNetV2的基本单元及网络结构，卷积层部分融入ResNet101的层级分割，对图像进行枝干分割，输出影响果树剪枝决策的特征；将果树剪枝决策的特征输入TSK模糊神经网络，输出枝条的类别。本发明克服了艰难的地形带来的影响，保证在地势险要的地方仍然能够正常作业，灵活完成AR智能识别剪枝点；还克服了一般深度学习神经网络模型需要大量训练集、计算量大、对计算机硬件要求高，识别精度不够高缺点。
-
公开(公告)号：CN115496979A
公开(公告)日：2022-12-20
申请号：CN202211120206.9
申请日：2022-09-15
Applicant: 常州大学
Abstract: 本发明涉及图像检测技术领域，尤其涉及一种基于多重特征融合的果园幼果生长姿态视觉辨识方法，包括采集果园幼果数据图像，对图像中的目标检测框进行调整；通过标注的数据集进行格式转换，对转换后的数据集进行裁剪预处理；构建幼果生长姿态特征提取模型，并采用Bi‑FPN网络对特征提取模型的浅层特征图与高层特征图进行深度融合；采用姿态预测层对融合处理后的特征图进行姿态框回归，并对目标区域进行提取；通过训练数据集对模型进行训练，保存姿态框的坐标，计算幼果生长姿态角度。本发明在实现智能套袋的机械化、自动化以及智能化以及保证幼果的适时高效率套袋、降低套袋作业费用等方面提供有效的解决方案。
-
公开(公告)号：CN117351182A
公开(公告)日：2024-01-05
申请号：CN202311347623.1
申请日：2023-10-18
Applicant: 常州大学
Abstract: 本发明涉及图像处理技术领域，尤其涉及基于深度学习的瓷绝缘子表面反光去除方法及系统，包括获取瓷绝缘子的图像和深度图像；对带反光瓷绝缘子的深度图像进行预处理；构建基于DIAN子网络和IDN子网络，IDN子网络用于绝缘子图像恢复；DIAN子网络利用深度信息，引导IDN子网络反光去除；在结构相似度指数和均方误差损失函数相结合的基础上引入梯度损失，构建GL‑SSIM损失函数。本发明解决现有网络无法有效预处理瓷绝缘子表面反光问题。
-
公开(公告)号：CN116883355A
公开(公告)日：2023-10-13
申请号：CN202310843095.2
申请日：2023-07-11
Applicant: 常州大学
Abstract: 本发明涉及图像技术领域，尤其涉及瓷绝缘子表面开裂缺陷识别方法、系统及计算机可读介质，包括采集瓷绝缘子表面缺陷图像；对瓷绝缘子缺陷图像进行标准化和归一化处理；利用DCN‑bifpn模块改进YOLOV5s网络，并对缺陷数据进行检测和识别；利用DCN‑C3ECA模块改进YOLOV5s网络，将neck层的三个C3模块替换为DCN‑C3ECA模块。本发明解决现有方法识别瓷绝缘子出现长条状缺陷检测准确性不高的问题。
-
公开(公告)号：CN117953280A
公开(公告)日：2024-04-30
申请号：CN202410058197.8
申请日：2024-01-16
Applicant: 常州大学
IPC: G06V10/764 , G06N3/0464 , G06V10/774 , G06V10/40 , G06V20/52 , G06N3/08
Abstract: 本发明涉及图像检测技术领域，尤其涉及一种果园幼果检测及生长角度预测方法及系统，包括采集幼果图像数据；获取伪标签数据；YOLOv8n‑seg网络的backbone采用MobileNetv3结构，利用Conv_BN_HSwish层对图像进行降维，并对十个Bottleneck模块进行改进；neck采用CARAFE上采样特征提取模块；优化边界框损失；采用标注数据和伪标签数据对幼果检测模型进行训练，并利用对幼果图像进行生长角度估算。本发明利用半监督学习通过少量已标注数据和大量未标注数据，提高模型的泛化能力；利用改进YOLOv8n‑seg网络提高幼果的识别率；以及解决现有方法套袋的精准性不足的问题。
-
-
-
-
-
-
-
Search Results
8
records
(took 0.014 seconds)
