-
公开(公告)号：CN118334055A
公开(公告)日：2024-07-12
申请号：CN202410467273.0
申请日：2024-04-18
Applicant: 电子科技大学长三角研究院(衢州) , 电子科技大学
IPC: G06T7/11 , G06T7/168 , G06T7/60 , G06T7/00 , G06V10/25 , G06V10/28 , G06V10/764 , G06V10/82 , G06N3/0455 , G06N3/08
Abstract: 本发明介绍了一种用于角膜内皮细胞的图像分割与参数自动测量方法。本发明涉及医学影像分析、人工智能、机器视觉等领域，可用于眼科疾病诊断与监测。通过数据预处理、数据增强、图像分割、感兴趣区域提取、频域分析、二值化、细胞区域提取、反向定位和参数计算等步骤，实现了对角膜内皮细胞图像的自动化分割和参数测量。该方法采用了先进的深度学习技术，提高了分割准确度和处理速度，为角膜疾病的诊断、监测和治疗效果评估提供了强大的技术支持。该发明的应用能显著降低医疗人员的工作负担，提高了整体医疗服务的效率和质量，具有广阔的应用前景和社会价值。
-
公开(公告)号：CN119847210A
公开(公告)日：2025-04-18
申请号：CN202510024564.7
申请日：2025-01-07
Applicant: 电子科技大学长三角研究院(衢州)
IPC: G05D1/695
Abstract: 本发明涉及信息技术领域，公开了一种基于任务分解强化学习的多智能体编队协同控制方法，该方法旨在解决现有多智能体编队协同控制中任务权重分配效率低下和算法泛化能力弱的问题。方案包括建立多智能体运动模型及避障模型；设计状态、动作空间及回报函数；构建策略网络和基于任务分解的评估函数；设计深度强化学习的策略模型更新方法；设计多任务动态权重更新方法。针对复杂环境，通过多智能体编队协同控制方法，借助任务规划将任务分解为多个并行子任务，降低任务间耦合，从而降低任务间的干扰，并利用动态权重实现不同环境下最优的任务权重分配，提升智能体对不同环境的适应能力。适用于如无人机编队控制、机器人协作等。
-
公开(公告)号：CN117193320B
公开(公告)日：2024-12-17
申请号：CN202311329379.6
申请日：2023-10-13
Applicant: 电子科技大学
Abstract: 本发明公开了一种基于深度强化学习的多智能体避障导航控制方法，包括以下步骤：建立随机障碍物环境模型；设计智能体的状态空间、动作空间、回报函数；设计基于注意力机制的智能体策略网络与评估网络模型；设计避障导航控制算法以及网络参数更新方法；设计避障导航控制算法的训练流程。本发明利用深度强化学习技术实现未知障碍物环境中的多智能体避障导航控制，通过设计注意力机制自适应地提取邻近智能体及障碍物的重要特征信息，能够应对障碍物场景以及智能体数量的动态变化，具有分布式执行的灵活性优势。
-
公开(公告)号：CN118778013A
公开(公告)日：2024-10-15
申请号：CN202410744514.1
申请日：2024-06-11
Applicant: 电子科技大学
Abstract: 本发明公开了一种基于NN建模和SAC算法的FMCW激光测距光源非线性校正方法，属于激光雷达、激光测距、人工智能等领域；FMCW激光测量系统通常受限于可调谐激光器的非线性特性，影响测量精度和质量；本发明提出一种结合NN模型与SAC算法的创新校正方法，针对非线性误差提供了有效的补偿机制；包括以下步骤：设计并搭建FMCW激光动态系统，利用PD测量数据，进行数据预处理并构建数据集；基于NN拟合系统的非线性特性；基于SAC算法控制实现非线性校正；本发明的非线性校正方法通过联合应用NN建模和RL控制策略，极大地优化了FMCW激光测距系统的性能，为光学智能控制领域的进一步研究奠定了基础。
-
公开(公告)号：CN118569305A
公开(公告)日：2024-08-30
申请号：CN202410569102.9
申请日：2024-05-09
Applicant: 电子科技大学长三角研究院(衢州)
Abstract: 本发明专利属于多智能体系统和深度学习领域，公开了一种基于超图神经网络的多模态轨迹预测方法及装置，主旨在于解决在多智能体通信中断场景下信息丢失导致算法失效的问题，主要方案利用Gazebo仿真平台构建多智能体集群仿真环境，采集并预处理智能体运动轨迹数据，构建数据集。采用图表示和注意力机制学习成对智能体交互特征，构建交互关系模型，通过神经信息传递机制更新智能体节点信息。设计基于条件变分自动编码器的多模态轨迹预测框架，融合交互关系模型和Transformer网络，实现长期高精度预测。通过模型量化提高实时性，并移植到集群控制算法中。在Gazebo仿真平台模拟通信中断场景测试，有效避免失控或碰撞问题，提升多智能体集群控制性能。
-
Patent Agency Ranking
公开(公告)号：CN118365658B
公开(公告)日：2024-08-23
申请号：CN202410793240.5
申请日：2024-06-19
Applicant: 电子科技大学长三角研究院(衢州)
IPC: G06T7/10 , G06T7/00 , G06T5/40 , G06T5/90 , G06N3/045 , G06N3/0442 , G06N3/0464 , G06N3/09
Abstract: 本发明提供了一种用于糖尿病视网膜病变的多病灶分割方法，主要应用于医学影像分析、人工智能和机器视觉领域。旨在解决糖尿病视网膜病变的多病灶分割难题，提高早期筛查的效率和准确性，该方法通过数据预处理、图像增强、数据增强、网络预训练和多病灶分割等步骤，实现了对糖尿病视网膜病变中微血管瘤、出血、硬性渗出和软性渗出四种主要病变类型的准确分割。其创新点包括采用对比度限制自适应直方图均衡化和色彩与对比度增强算法进行图像增强，使用残差可分离卷积模块扩展的U‑Net网络进行特征提取，以及双分支结构和特征交互模块实现多病灶分割。
-
公开(公告)号：CN118393880A
公开(公告)日：2024-07-26
申请号：CN202410479873.9
申请日：2024-04-22
Applicant: 电子科技大学长三角研究院(衢州)
IPC: G05B13/04
Abstract: 本发明涉及多智能体系统、人工智能领域，公开了一种基于多智能体强化学习的可扩展性集群控制方法，包括以下步骤：建立多智能体集群运动控制模型；设计智能体的观测状态空间、动作空间、奖励函数；设计智能体Actor网络与基于注意力机制的Critic网络模型；设计算法框架以及网络更新方法；设计集群控制算法的训练流程；本发明利用多智能体深度强化学习技术在复杂环境中实现集群协同控制算法，利用注意力机制提取智能体之间的关键的状态信息，从复杂的全局信息中有选择性的聚焦于局部状态特征提升模型的适应性和泛化能力，使得算法能从小规模的训练中迁移到更大规模的任务，有效的应对更加复杂多变的环境。
-
公开(公告)号：CN117694183A
公开(公告)日：2024-03-15
申请号：CN202410033177.5
申请日：2024-01-09
Applicant: 电子科技大学长三角研究院(衢州) , 浙江香满亭生物科技有限公司
IPC: A01G18/69
Abstract: 本发明专利属于深度强化学习和环境控制领域，提供了一种基于深度强化学习的花菇种植的智能环境控制方法。主旨在于解决传统花菇种植方法中缺乏动态环境调节和智能化环境控制的问题，主要方案包括s1.根据花菇生长过程以及生长环境的控制，构建花菇种植生长环境模型；s2.整合现有的花菇种植的专家经验策略和种植数据，构建智能环境控制算法的采样池，并设计算法的采样策略；s3.根据花菇的生长过程特点，设计指导智能控制算法的奖励函数；s4.设计智能环境控制算法的训练流程，使用智能环境控制算法学习环境控制策略，根据输出的环境控制策略改变花菇生长环境。本发明利用深度强化学习实现花菇种植的智能环境控制，进而提升花菇种植产量。
-
公开(公告)号：CN117036379A
公开(公告)日：2023-11-10
申请号：CN202310867691.4
申请日：2023-07-15
Applicant: 电子科技大学长三角研究院(衢州)
IPC: G06T7/11 , G06T7/00 , G06V10/26 , G06V10/44 , G06V10/80 , G06V10/764 , G06V10/82 , G06N3/0455 , G06N3/0464 , G06N3/048 , G06N3/08
Abstract: 本发明公开了一种用于耳穴分割的轻量型算法，属于医学图像分割领域，主旨在于通过轻量型算法实现耳穴分割；建立耳穴数据库；基于编码器‑解码器结构建立MobileAPN轻量型深度学习模型，利用CNN网络的位置空间信息学习能力，同时利用transformer捕获全局信息的能力建立像素之间的长程依赖性，基于数据库对模型进行训练，得到最优模型；提出了一种有效的训练策略，即先通过网络进行耳郭区域分割，再在耳郭区域已知的情况下利用耳穴位置的相对固定性进行耳穴分割；最后利用最优模型对测试集图像进行分割；本发明利用MobileAPN轻量型深度学习模型对耳穴进行耳郭类别分割，再利用耳穴位置的相对固定性对耳穴进行分割，其效果上优于该领域的其它轻量分割方法。
-
公开(公告)号：CN116935304A
公开(公告)日：2023-10-24
申请号：CN202310715444.2
申请日：2023-06-16
Applicant: 电子科技大学长三角研究院(衢州)
IPC: G06V20/52 , G06V20/40 , G06V40/10 , G06V10/774 , G06V10/82 , G06T7/20 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种基于人群密集度的自适应检测与跟踪方法，包括以下步骤：监控视频数据预处理及数据集生成；利用行人数据集和头部数据集各自训练目标检测算法；搭建基于深度学习的目标检测与跟踪算法；利用目标位置信息进行距离估计；根据距离估计结果进行人群密集度评估；根据密集度评估结果进行自适应的检测与跟踪方法切换。本发明结合目标检测与目标跟踪算法，采用距离估计方法进行密集度评估以选择合适的检测与跟踪目标，实现自适应检测与跟踪方法，能够适应任意密集度场景，一定程度上解决密集人群遮挡等问题，提升目标检测能力，改善行人检测与跟踪效果。
-
-
-
-
-
-
-
-
-
Search Results
171
records
(took 0.031 seconds)
