-
公开(公告)号:CN116495309A
公开(公告)日:2023-07-28
申请号:CN202310549232.1
申请日:2023-05-15
Applicant: 广州大学
IPC: B65B69/00
Abstract: 本发明涉及快递包装拆卸技术领域,尤其是涉及一种快递包装拆卸回收机。快递包装拆卸回收机包括整体框架、第一传送装置、第二传送装置、电动推杆装置;所述第一传送装置上设置有第一切割工位,所述第一切割工位设置有快递包装固定装置和前后切割模组;所述第二传送装置上设置有第二切割工位,所述第二切割工位上设置有侧面切割模组;所述第二传送装置上设置有展开与回收工位,所述展开与回收工位连接有物品传送装置,所述展开与回收工位设置有快递包装展开装置,以及与物品传送装置相对应物品推送装置。本装置可以快速拆解快递并安全取出其中物品,利用装置将快递包装集中回收,即节约了人们的时间,由能保护环境,减少包装浪费。
-
公开(公告)号:CN118033537A
公开(公告)日:2024-05-14
申请号:CN202410269473.5
申请日:2024-03-11
Applicant: 广州大学
Abstract: 本发明公开了一种基于协同定位的UWB三维动态目标定位方法,该方法包括下述步骤:设置基站三维布局作为固定基站组,建立空间直角坐标系,以定位区域的各几何边界中点进行区域划分;基于无人机搭载辅助节点,基于改进的TL‑LFL算法对定位目标和辅助节点进行定位,初步确定定位目标和辅助基站所在位置,保持辅助节点工作状态的切换,将辅助节点移动至定位目标附近并保持设定距离,辅助节点与固定基站组中的部分基站构成辅助基站组,基于辅助基站组对定位目标进行定位。本发明有效提高了UWB定位的精度和稳定性。
-
公开(公告)号:CN118152946A
公开(公告)日:2024-06-07
申请号:CN202410375392.3
申请日:2024-03-29
Applicant: 广州大学
IPC: G06F18/2431 , A61B5/374 , A61B5/00 , G06F18/214 , G06N3/0464 , G06N3/047
Abstract: 本发明公开了一种基于脑电波与深度学习的实时疲劳检测方法及系统,该方法包括下述步骤:构建疲劳程度数据集;提取脑电信号微分熵特征;构建TCN‑GCN‑TCN网络分类模型;脑电信号微分熵特征分别输入时间卷积网络TCN得到脑电信号时间特征,经过图卷积网络GCN得到不同图结构的脑电信号空间特征,再分别输入到另一个时间卷积网络TCN的各个分支,另一个时间卷积网络TCN输出学习到的脑电波疲劳程度特征;将学习到的脑电波疲劳程度特征输入Softmax疲劳分类器模型进行训练,待检测的脑电数据输入至训练后的Softmax疲劳分类器模型得到疲劳检测结果。本发明通过简单的特征提取实现评估人体的实时疲劳程度。
-
-