-
公开(公告)号：CN106651882B
公开(公告)日：2019-06-11
申请号：CN201611247459.7
申请日：2016-12-29
Applicant: 广东工业大学
Abstract: 本发明实施例公开了一种基于机器视觉的燕窝杂质识别与检测方法及装置，用于解决使用单目相机进行检测只能得到杂质区域轮廓信息而无法获取到杂质区域高度信息，这样在后续杂质剔除操作中，在剔除杂质同时也会夹带着一些燕窝，从而造成原料产品浪费并降低经济效益；使用双目视觉检测得到三维信息精度低，误差大，满足不了燕窝杂质检测要求的技术问题。
-
公开(公告)号：CN105354831B
公开(公告)日：2018-11-09
申请号：CN201510646314.3
申请日：2015-09-30
Applicant: 广东工业大学
IPC: G06T7/00
Abstract: 本发明是一种基于图像分块方差‑加权特征值的多缺陷检测方法，本发明利用图像分块提取子图像，加权协方差计算加权特征值来确定缺陷。图像分块目的是利用图像方差与分块子图像的方差比较，去除图像方差值较小的子图像，得到包含潜在缺陷的子图像，作为下一步加权特征值计算输入。然后利用主元成分分析方法构建加权协方差矩阵，通过计算加权特征值来确定缺陷位置。本发明能对条状物体表面多处缺陷实现同时在线检测，能够一次性检测图像中存在多处表面缺陷，准确实现对条状物体多缺陷目标的检测与定位。具有检测速度快、实时性好、检测准确率高特点。
-
公开(公告)号：CN107454611A
公开(公告)日：2017-12-08
申请号：CN201710676068.5
申请日：2017-08-09
Applicant: 广东工业大学
Abstract: 本发明公开了一种基于KNN的免疫危险无线传感器网络故障诊断方法，包括当节点感知到危险信号时在所述节点周围建立危险域，并将危险域中的待检测对象处理成可识别的待检测抗原；根据抗原库中的每个抗原与初始抗体库中的抗体之间的亲和力，更新每个记忆抗体库，将更新后的所有记忆抗体库合并为当前抗体库，直到迭代次数达到最终迭代次数时，比较所述待检测抗原与最终抗体库中的抗体，得到故障诊断结果。可知本发明公开的故障诊断方法将免疫危险理论与KNN算法相结合，减少了KNN算法的计算量和计算复杂度，提高了算法结果的准确性。本发明还公开了一种基于KNN的免疫危险无线传感器网络故障诊断装置，同样能达到上述技术效果。
-
-
公开(公告)号：CN105354831A
公开(公告)日：2016-02-24
申请号：CN201510646314.3
申请日：2015-09-30
Applicant: 广东工业大学
IPC: G06T7/00
CPC classification number: G06T7/0002 , G06T7/001 , G06T2207/30168
Abstract: 本发明是一种基于图像分块方差-加权特征值的多缺陷检测方法，本发明利用图像分块提取子图像，加权协方差计算加权特征值来确定缺陷。图像分块目的是利用图像方差与分块子图像的方差比较，去除图像方差值较小的子图像，得到包含潜在缺陷的子图像，作为下一步加权特征值计算输入。然后利用主元成分分析方法构建加权协方差矩阵，通过计算加权特征值来确定缺陷位置。本发明能对条状物体表面多处缺陷实现同时在线检测，能够一次性检测图像中存在多处表面缺陷，准确实现对条状物体多缺陷目标的检测与定位。具有检测速度快、实时性好、检测准确率高特点。
-
Patent Agency Ranking
公开(公告)号：CN102398700A
公开(公告)日：2012-04-04
申请号：CN201110330933.3
申请日：2011-10-27
Applicant: 广东工业大学
IPC: B65B57/00
Abstract: 本发明是一种工业炸药全自动包装设备智能监控系统。包括有远程监控与维护系统（1）、药卷质量和传输姿态在线检测系统（2）、工业炸药包装过程优化控制系统（3），其中远程监控与维护系统（1）通过通讯接口分别与药卷质量和传输姿态在线检测系统（2）及工业炸药包装过程优化控制系统（3）连接，药卷质量和传输姿态在线检测系统（2）及工业炸药包装过程优化控制系统（3）与工业炸药包装设备中的PLC控制系统（4）连接。本发明自动化水平高、安全性好、实用性强。本发明是一种可实现人机分离，降低生产成本和维护成本，提高生产效率的工业炸药全自动包装设备智能监控系统。
-
公开(公告)号：CN107371125B
公开(公告)日：2020-10-23
申请号：CN201710675054.1
申请日：2017-08-09
Applicant: 广东工业大学
Abstract: 本发明公开了一种基于免疫危险理论和粒子群算法的无线传感器网络故障修复方法，包括当节点感知到危险信号时，在所述节点周围建立危险域，在所述节点发生故障时，确定适应度函数，并确定所述危险域中其他节点的初始任务分担、pbest值、gbest值和相关参数；更新所述其他节点的任务分担，更新所述pbest值和所述gbest值，直至所述适应度函数达到最优状态。由此可知，本发明公开的无线传感器网络故障修复方法参与修复的空间大小根据危险域的范围而确定，减少了初始种群的样本基数，在保证结果准确性的前提下，降低无线传感器网络故障修复算法的复杂度。本发明还公开了一种无线传感器网络故障修复装置，同样能达到上述技术效果。
-
-
公开(公告)号：CN104168599B
公开(公告)日：2018-11-09
申请号：CN201410321375.8
申请日：2014-07-07
Applicant: 广东工业大学
Abstract: 本发明涉及一种基于时间加权K‑近邻法的无线传感器网络故障诊断方法，先建立K‑近邻法训练库；按时离散采样WSN状态特征值并组成特征向量，每个特征向量代表无线传感器网络该采样时刻的状态；K‑近邻法对WSN特征向量作预诊断，启动判断时间相关性机制；如符合条件，则启动加权修改规则，最后输出结果。本发明针对无线传感器网络(WSN)系统故障的诊断问题，按照系统故障机理确立特征值，根据WSN系统故障的时间相关性，设计基于时间加权的故障诊断分类规则和参数，并结合K‑近邻法建立系统故障诊断模型，达到以诊断历史修改当前诊断结果的目的。本发明能对WSN实现故障自诊断和自更新，具备分布式计算特征，保证诊断正确率和低功耗。
-
公开(公告)号：CN104168599A
公开(公告)日：2014-11-26
申请号：CN201410321375.8
申请日：2014-07-07
Applicant: 广东工业大学
CPC classification number: Y02D70/20
Abstract: 本发明涉及一种基于时间加权K-近邻法的无线传感器网络故障诊断方法，先建立K-近邻法训练库；按时离散采样WSN状态特征值并组成特征向量，每个特征向量代表无线传感器网络该采样时刻的状态；K-近邻法对WSN特征向量作预诊断，启动判断时间相关性机制；如符合条件，则启动加权修改规则，最后输出结果。本发明针对无线传感器网络(WSN)系统故障的诊断问题，按照系统故障机理确立特征值，根据WSN系统故障的时间相关性，设计基于时间加权的故障诊断分类规则和参数，并结合K-近邻法建立系统故障诊断模型，达到以诊断历史修改当前诊断结果的目的。本发明能对WSN实现故障自诊断和自更新，具备分布式计算特征，保证诊断正确率和低功耗。
-
-
-
-
-
-
-
-
-
Search Results
29
records
(took 0.031 seconds)
