-
公开(公告)号：CN116630285A
公开(公告)日：2023-08-22
申请号：CN202310629870.4
申请日：2023-05-31
Applicant: 河北工业大学
Abstract: 本发明为基于显著性特征分级蒸馏的光伏电池类增量缺陷检测方法，包括：建立光伏电池旧类别缺陷数据集；构建缺陷检测模型并训练，将训练后的缺陷检测模型作为原缺陷检测模型；建立光伏电池新类别缺陷数据集；将原缺陷检测模型作为教师模型，学生模型与教师模型的架构相同，学生模型的输出维度为缺陷新类别和旧类别的数量之和，对教师模型和学生模型进行显著性特征分级蒸馏，将光伏电池新类别缺陷数据集同时输入到教师模型和初始化后的学生模型中，基于知识蒸馏对学生模型进行增量训练，利用最小化上述的损失训练学生模型；将训练后的学生模型作为最终的缺陷检测模型，用于光伏电池的缺陷检测。满足质检对检测模型快速更新迭代、快速部署的需求。
-
公开(公告)号：CN108214468A
公开(公告)日：2018-06-29
申请号：CN201810269027.9
申请日：2018-03-29
Applicant: 河北工业大学
Abstract: 本发明涉及一种助力外骨骼机器人用上体前胸助力机构，该机构包括胸甲、背甲、两个腋下支撑和两个液压缸系统组件，胸甲和背甲的上端通过弹性连接带连接，胸甲和背甲的下部侧面通过两个腋下支撑连接在一起，背甲、胸甲、腋下支撑整体构成马甲状，佩戴在人体上身，三者的连接处均通过弹性连接带连接；在胸甲的前端面上左右对称安装两个液压缸系统组件，且两个液压缸系统组件的结构完全相同；每个液压缸系统组件均包括上铰支架、液压缸和下铰支架，液压缸两端装有杆端球轴承，液压缸两端分别通过销轴连接方式与上铰支架、下铰支架相互连接。该机构可以在人在进行搬抬重物动作时，提供前胸支撑的同时，使人在搬重物时弯腰、起身更省力。
-
公开(公告)号：CN108214468B
公开(公告)日：2023-06-02
申请号：CN201810269027.9
申请日：2018-03-29
Applicant: 河北工业大学
Abstract: 本发明涉及一种助力外骨骼机器人用上体前胸助力机构，该机构包括胸甲、背甲、两个腋下支撑和两个液压缸系统组件，胸甲和背甲的上端通过弹性连接带连接，胸甲和背甲的下部侧面通过两个腋下支撑连接在一起，背甲、胸甲、腋下支撑整体构成马甲状，佩戴在人体上身，三者的连接处均通过弹性连接带连接；在胸甲的前端面上左右对称安装两个液压缸系统组件，且两个液压缸系统组件的结构完全相同；每个液压缸系统组件均包括上铰支架、液压缸和下铰支架，液压缸两端装有杆端球轴承，液压缸两端分别通过销轴连接方式与上铰支架、下铰支架相互连接。该机构可以在人在进行搬抬重物动作时，提供前胸支撑的同时，使人在搬重物时弯腰、起身更省力。
-
公开(公告)号：CN109208920A
公开(公告)日：2019-01-15
申请号：CN201811362033.5
申请日：2018-11-15
Applicant: 河北工业大学
Abstract: 本发明为一种大型建筑幕墙安装机器人，包括：末端执行模块、末端机械手调节模块、主臂机械臂模块、车体主体模块；所述末端执行模块包括起重桁架单元、吊装单元与四个真空吸盘；所述起重桁架单元包括桁架横梁、桁架纵梁，桁架横梁与桁架纵梁组成“工”字型结构，在桁架纵梁的外侧呈矩形布置四个真空吸盘，且四个真空吸盘分两组布置在桁架横梁的上下位置，四个真空吸盘的吸盘末端位于同一平面；在桁架纵梁的内侧受力方向安装一组桁架结构；桁架拉杆的中上部设置和桁架纵梁的上下两端均设置桁架水平拉杆；桁架纵梁和桁架拉杆的上端垂直向外延伸有两个桁架悬臂梁。该机器人适用于大尺寸、大重量建筑幕墙的自动化安装。
-
公开(公告)号：CN108356801A
公开(公告)日：2018-08-03
申请号：CN201810269006.7
申请日：2018-03-29
Applicant: 河北工业大学
Abstract: 本发明涉及一种刚柔耦合式外骨骼机器人用背部助力背负结构，其特征在于该背负结构包括背甲、人工脊柱部分和背架部分；所述背甲固定在人背部，背甲的左右两部分用于连接背架部分，背甲的中间位置用于连接人工脊柱部分；所述人工脊柱部分包括背甲母板、背甲子板、脊柱节上方固定盒、脊柱节上方固定轴、脊柱节最上节、脊柱节、脊柱节最下节、脊柱节最下节固定板和气动肌腱，所述背架部分包括多个柔链、背架、导轨、滑轮固定板和滑轮，多个柔链依次连接，且相邻两个柔链之间能够相对转动。该结构中人工脊柱部分的气动肌腱与脊柱节可以帮助人实现背部助力功能；该人工脊柱部分具有长度可调功能，可以适应不同身高人群，更加适合人体穿戴、操作。
-
Patent Agency Ranking
公开(公告)号：CN110689011A
公开(公告)日：2020-01-14
申请号：CN201910930241.9
申请日：2019-09-29
Applicant: 河北工业大学
Abstract: 本发明多尺度联合卷积神经网络的太阳能电池板缺陷检测方法，涉及神经网络的通用图像数据处理，首先采集太阳能电池板图像样本和数据处理，平衡样本后进行预处理操作，并将处理后的各种类型图像分为训练集与测试集，得到上述数据集后搭建实验软件环境和实验硬件环境，再构建多尺度联合卷积神经网络模型，然后将标记后的训练集输入此模型中进行学习，并使用测试集进行测试，完成太阳能电池板缺陷的检测，克服了太阳能电池板缺陷识别或检测方法现有技术存在功能单一、泛化能力较弱、实际检测任务中准确率无法保证、一套参数很难通用、可检测类别较少、计算量较大和效率较低的缺陷。
-
公开(公告)号：CN118552770A
公开(公告)日：2024-08-27
申请号：CN202410601074.4
申请日：2024-05-15
Applicant: 河北工业大学
IPC: G06V10/764 , G06V10/766 , G06V10/762 , G06V10/774 , G06V10/52 , G06V10/44 , G06V10/82 , G06N3/0455 , G06T7/00
Abstract: 本发明为基于基础检测模型的面向非静态数据流的增量检测方法，首先建立由骨干网络、编码器、解码器和预测头组成的检测模型，对检测模型进行基础训练，得到能够识别旧类别和旧域的基础检测模型；然后，对基础检测模型进行增量训练，在类增量训练阶段，将基础检测模型分别作为教师模型和学生模型，依次基于标签冲突性、信息量以及置信度对教师模型预测结果进行筛选，得到语义过滤后的教师模型预测结果并作为伪标签；将伪标签与新增类别的地面真值标签组合形成真值监督标签，利用真值监督标签筛选正预测，用于计算训练损失；对于域增量，建立高效域调节器对基础检测模型进行扩展；最后，对增量训练后的基础检测模型进行测试，在域测试阶段，激活与测试样本对应的最佳匹配域的高效域调节器，冻结其余域的高效域调节器。实现了非静态数据流的增量检测，提高了语义和分布偏移下的持续检测能力。
-
公开(公告)号：CN116433633A
公开(公告)日：2023-07-14
申请号：CN202310411951.7
申请日：2023-04-18
Applicant: 河北工业大学
IPC: G06T7/00 , G06N3/0464 , G06N3/096
Abstract: 本发明为基于知识蒸馏的光伏电池类增量缺陷检测方法，首先建立光伏电池基类别缺陷数据集，构建原缺陷检测模型并对模型进行训练；然后，建立光伏电池新类别缺陷数据集；将训练后的原缺陷检测模型作为教师模型，学生模型与教师模型的架构相同，利用教师模型的参数对学生模型进行初始化；最后，将光伏电池新类别缺陷数据集同时输入到教师模型和初始化后的学生模型中，基于知识蒸馏对学生模型进行增量训练，将训练后的学生模型作为最终的缺陷检测模型，用于光伏电池的缺陷检测；当待检测的缺陷类别增加时，重复建立光伏电池新类别缺陷数据集并对学生模型进行重新训练。当待检测缺陷类别增加时，对学生模型进行增量训练，使模型具备持续学习的能力，在不牺牲模型检测性能的同时降低时间成本。
-
公开(公告)号：CN108326831A
公开(公告)日：2018-07-27
申请号：CN201810268992.4
申请日：2018-03-29
Applicant: 河北工业大学
IPC: B25J9/00
Abstract: 本发明涉及腰部助力外骨骼机构及其助力方法，该机构包括前胸支撑单元和背负单元，所述前胸支撑单元包括胸甲、背甲、两个腋下支撑和两个液压缸系统组件，胸甲和背甲的下部侧面通过两个腋下支撑连接在一起，背甲、胸甲、腋下支撑整体构成马甲状，三者的连接处均通过弹性连接带连接；在胸甲的前端面上左右对称安装两个液压缸系统组件；每个液压缸系统组件均包括上铰支架、液压缸和下铰支架，液压缸两端装有杆端球轴承；所述背负单元包括人工脊柱部分和背架部分；背架部分连接于背甲的左右两部分，人工脊柱部分连接于背甲的中间位置。该机构可以在人进行搬抬重物等时提供助力，帮助人在搬重物时弯腰、起身更省力。
-
公开(公告)号：CN118351104A
公开(公告)日：2024-07-16
申请号：CN202410595161.3
申请日：2024-05-14
Applicant: 河北工业大学 , 国家电投集团河北电力有限公司 , 石家庄东方热电热力工程有限公司 , 国网河北省电力有限公司电力科学研究院
IPC: G06T7/00 , G06V10/764 , G06V10/25 , G06V10/82 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种基于元学习的多源干扰光伏组件缺陷多尺度鲁棒识别方法，首先在多源干扰下获取尺度不一的光伏组件缺陷图像和无缺陷图像；然后，构建缺陷识别模型，缺陷识别模型包括原型向量提取器、特征提取器、显著性突出网络、重构区域提取网络和分类与回归模块；原型向量提取器用于生成类关注原型向量，特征提取器用于生成查询特征图，显著性突出网络利用类关注原型向量和查询特征图生成缺陷显著性图，重构区域提取网络利用缺陷显著性和查询特征图生成缺陷的高级感兴趣区域特征，缺陷的高级感兴趣区域特征经过分类与回归模块得到识别结果；最后，对缺陷识别模型进行训练和测试。该方法能够有效提升多源干扰下尺度不一的光伏组件缺陷的识别精度，在数据稀缺的缺陷识别中也具有较高的识别性能和鲁棒性。
-
-
-
-
-
-
-
-
-
Search Results
18
records
(took 0.03 seconds)
