-
公开(公告)号：CN109389161B
公开(公告)日：2021-08-31
申请号：CN201811137406.9
申请日：2018-09-28
Applicant: 广州大学
Abstract: 本发明公开了一种基于深度学习的垃圾识别进化学习方法、装置、系统及介质，所述方法包括：获取垃圾样本图像数据；对垃圾样本图像数据进行预处理；将预处理后的垃圾样本图像数据作为神经网络的输入参数，与已训练垃圾识别模型进行比对，根据比对结果，判断是否识别成功；将识别成功的垃圾相应信息反馈给垃圾分类投放机构；通过ResNet算法对识别失败的垃圾样本图像数据再次进行识别，将ResNet算法识别成功的垃圾样本图像数据进行标记，并将垃圾相应信息反馈给垃圾分类投放机构，更新垃圾识别模型；将ResNet算法识别成功的垃圾样本图像数据传输给用户或维护人员以进行标记，更新垃圾识别模型。本发明大大减少维护人员的工作量，实现对大量垃圾的准确分类。
-
公开(公告)号：CN109983916A
公开(公告)日：2019-07-09
申请号：CN201910183250.6
申请日：2019-03-11
Applicant: 广州大学
IPC: A01D45/00
Abstract: 本发明涉及一种菠萝采摘装置，包括安装架，安装架的下侧设有行走轮或行走履带，安装架上安装有引导架，引导架上设有供菠萝树进入的引导槽，安装架上还安装有升降机构，升降机构用于驱动引导架上下运动，引导架于引导槽的一侧设有推力机构，推力机构包括驱动电机、平行四杆机构以及推板，平行四杆机构包括平行设置的第一摇杆、第二摇杆以及连接在第一、第二摇杆之间的连杆，所述第一摇杆背离与连杆连接的一端与驱动电机的输出轴连接，所述第二摇杆背离与连杆连接的一端铰接在引导架上，所述推板被平行四杆机构带动，推动引导槽中的菠萝而使菠萝从菠萝树上断落。相比于现有技术中的菠萝采摘装置，本发明降低了对菠萝和菠萝树上的幼苗的损伤。
-
公开(公告)号：CN110040394A
公开(公告)日：2019-07-23
申请号：CN201910283134.1
申请日：2019-04-10
Applicant: 广州大学
Abstract: 本发明公开了一种交互式智能垃圾机器人及其实现方法，方法包括：通过摄像头获取初始图像；对初始图像进行图像预处理，得到目标手势图像；对目标手势图像进行特征提取，得到手势特征；基于预设的手势识别模型，对手势特征进行手势识别，得到用户手势指令；根据用户手势指令，通过单片机向驱动装置发送第一控制信号，以及通过单片机向舵机发送第二控制信号；根据第一控制信号，通过驱动装置控制驱动轮工作；根据第二控制信号，通过舵机驱动桶盖翻转。本发明的机器人本体可移动且智能化程度高，大大减少了环卫工人的工作量，提高了工作效率，可广泛应用于智能设备技术领域。
-
公开(公告)号：CN109344894A
公开(公告)日：2019-02-15
申请号：CN201811137854.9
申请日：2018-09-28
Applicant: 广州大学
Abstract: 本发明公开了一种基于多传感器融合和深度学习的垃圾分类识别方法，包括步骤：S1：获取学习样本数据，样本数据包括已知分类垃圾的图像和物理参量，所述物理参量包括介电常数、磁导率、光电参数和重量；S2：采用深度学习神经网络方法训练分类模型，分类模型的输入为上述样本数据，输出为预测的垃圾种类；S3：拍摄待分类垃圾的图像，采集待分类发垃圾的物理参量，然后将信息输入到步骤S2中的分类模型，得到预测的垃圾种类。本发明还提供一种用于实现上述方法的装置。本发明能够高速且准确地将用户投放的生活垃圾分类，做到尽可能成功分类常见的生活垃圾，并同时将垃圾种类等信息反馈回来，进而提高垃圾的回收率。
-
公开(公告)号：CN108820654A
公开(公告)日：2018-11-16
申请号：CN201810929635.8
申请日：2018-08-15
Applicant: 广州大学
IPC: B65F3/26
Abstract: 本发明提供了一种垃圾自动倾倒装置及其控制方法，装置包括：车体、车箱、垃圾桶、第一连杆机构、第二连杆机构、桶体驱动装置、滑块摇杆机构、舵机以及控制装置，车箱设置在车体上，垃圾桶设置在车箱内，第一连杆机构和第二连杆机构分别设置在垃圾桶两侧并与车箱连接，第一连杆机构还与桶体驱动装置连接，桶体驱动装置用于通过第一连杆机构驱动垃圾桶推出或者收回；垃圾桶底部设置有开合板，开合板通过滑块摇杆机构与舵机连接，舵机用于通过滑块摇杆机构控制开合板的开启与关闭；车体上设置有车体驱动装置，车体驱动装置用于驱动车体按照预设路径行驶；该装置能够提高垃圾倾倒的方便性。
-
Patent Agency Ranking
公开(公告)号：CN109344894B
公开(公告)日：2023-12-22
申请号：CN201811137854.9
申请日：2018-09-28
Applicant: 广州大学
IPC: G06V10/774
Abstract: 本发明公开了一种基于多传感器融合和深度学习的垃圾分类识别方法，包括步骤：S1：获取学习样本数据，样本数据包括已知分类垃圾的图像和物理参量，所述物理参量包括介电常数、磁导率、光电参数和重量；S2：采用深度学习神经网络方法训练分类模型，分类模型的输入为上述样本数据，输出为预测的垃圾种类；S3：拍摄待分类垃圾的图像，采集待分类发垃圾的物理参量，然后将信息输入到步骤S2中的分类模型，得到预测的垃圾种类。本发明还提供一种用于实现上述方法的装置。本发明能够高速且准确地将用户投放的生活垃圾分类，做到尽可能成功分类常见的生活垃圾，并同时将垃圾种类等信息反馈回来，进而提高垃圾的回收率。
-
公开(公告)号：CN109983916B
公开(公告)日：2021-11-26
申请号：CN201910183250.6
申请日：2019-03-11
Applicant: 广州大学
IPC: A01D45/00
Abstract: 本发明涉及一种菠萝采摘装置，包括安装架，安装架的下侧设有行走轮或行走履带，安装架上安装有引导架，引导架上设有供菠萝树进入的引导槽，安装架上还安装有升降机构，升降机构用于驱动引导架上下运动，引导架于引导槽的一侧设有推力机构，推力机构包括驱动电机、平行四杆机构以及推板，平行四杆机构包括平行设置的第一摇杆、第二摇杆以及连接在第一、第二摇杆之间的连杆，所述第一摇杆背离与连杆连接的一端与驱动电机的输出轴连接，所述第二摇杆背离与连杆连接的一端铰接在引导架上，所述推板被平行四杆机构带动，推动引导槽中的菠萝而使菠萝从菠萝树上断落。相比于现有技术中的菠萝采摘装置，本发明降低了对菠萝和菠萝树上的幼苗的损伤。
-
公开(公告)号：CN109389161A
公开(公告)日：2019-02-26
申请号：CN201811137406.9
申请日：2018-09-28
Applicant: 广州大学
Abstract: 本发明公开了一种基于深度学习的垃圾识别进化学习方法、装置、系统及介质，所述方法包括：获取垃圾样本图像数据；对垃圾样本图像数据进行预处理；将预处理后的垃圾样本图像数据作为神经网络的输入参数，与已训练垃圾识别模型进行比对，根据比对结果，判断是否识别成功；将识别成功的垃圾相应信息反馈给垃圾分类投放机构；通过ResNet算法对识别失败的垃圾样本图像数据再次进行识别，将ResNet算法识别成功的垃圾样本图像数据进行标记，并将垃圾相应信息反馈给垃圾分类投放机构，更新垃圾识别模型；将ResNet算法识别成功的垃圾样本图像数据传输给用户或维护人员以进行标记，更新垃圾识别模型。本发明大大减少维护人员的工作量，实现对大量垃圾的准确分类。
-
公开(公告)号：CN109794377B
公开(公告)日：2021-01-05
申请号：CN201811653860.X
申请日：2018-12-29
Applicant: 广州大学
Abstract: 本发明公开了一种适用于回转体上色物自动涂色的装置及方法，该装置包括框架以及设于框架上的回转体夹紧装置、喷笔移动装置、颜料挤压装置、换色装置和喷笔架移动装置，喷笔移动装置带动喷笔在X、Y、Z轴向移动，喷笔架移动装置包括可在XY平面内滑动的喷笔架，喷笔活动钩挂在喷笔移动装置上，喷笔移动装置与喷笔架接合，喷笔被移交至喷笔架上，喷笔移动装置带动喷笔至换色装置下方实现上料。本发明应用到回转体上色物的上色中，能实现回转体上色物的反求，在电脑端更改模型外表面的颜色，能根据二次修改后回转体上色物三维模型得出需上色区域的位置坐标及所要用的颜料和用量，能精确修改回转体上色物表面的颜色，上色效率高，环境污染小。
-
公开(公告)号：CN109794377A
公开(公告)日：2019-05-24
申请号：CN201811653860.X
申请日：2018-12-29
Applicant: 广州大学
Abstract: 本发明公开了一种适用于回转体上色物自动涂色的装置及方法，该装置包括框架以及设于框架上的回转体夹紧装置、喷笔移动装置、颜料挤压装置、换色装置和喷笔架移动装置，喷笔移动装置带动喷笔在X、Y、Z轴向移动，喷笔架移动装置包括可在XY平面内滑动的喷笔架，喷笔活动钩挂在喷笔移动装置上，喷笔移动装置与喷笔架接合，喷笔被移交至喷笔架上，喷笔移动装置带动喷笔至换色装置下方实现上料。本发明应用到回转体上色物的上色中，能实现回转体上色物的反求，在电脑端更改模型外表面的颜色，能根据二次修改后回转体上色物三维模型得出需上色区域的位置坐标及所要用的颜料和用量，能精确修改回转体上色物表面的颜色，上色效率高，环境污染小。
-
-
-
-
-
-
-
-
-
Search Results
15
records
(took 0.017 seconds)
