-
公开(公告)号：CN115248210B
公开(公告)日：2024-10-22
申请号：CN202210908004.4
申请日：2022-07-29
Applicant: 电子科技大学 , 电子科技大学长三角研究院(湖州) , 电子科技大学天府协同创新中心
IPC: G01N21/78 , G06V10/766 , G06V10/56
Abstract: 本发明属于分析检测技术领域，具体涉及一种环境水中铁离子的现场快速检测装置。本发明的装置外壳中设置有相机、光源和样品安装装置，相机通过数据线与图像处理装置连接；所述图像处理装置包括：分割模块，用于对化学显色体系的图片进行滤波降噪处理并分割出感兴趣区域；计算模块，用于计算所述感兴趣区域中RGB颜色空间和HSI颜色空间的各分量的变化值；并将至少两种分量的变化值作为特征，通过多元性回归方程模型分析待检测水样中铁离子的含量。利用本发明的装置进行水中铁元素的检测，具有成本低、操作简单、便携性突出、检测效率高、抗干扰能力强等显著优势，适用于自然水体中Fe3+浓度的现场、快速检测，具有很好的应用前景。
-
公开(公告)号：CN115801489A
公开(公告)日：2023-03-14
申请号：CN202211368437.1
申请日：2022-11-03
Applicant: 电子科技大学长三角研究院(湖州)
IPC: H04L12/28 , H04L67/025
Abstract: 本发明公开了一种基于单片机的智能家居控制器设计方法，搭建了系统的总体框架，研究系统的总体功能，并且提供了与其相配套的手机APP，用手机就可以实现对简单家具的智能化控制。该设计主要以STM32单片机为核心处理器，用传感器设备来采集家居环境中的各种环境数据，数据通过无线网络上传至网络服务器。利用手机APP向网络服务器发送获取数据或者相应控制指令的访问请求，网络服务器收到访问请求后，就执行将环境数据传输给手机APP的操作，或者将来自手机APP的控制指令传至STM32下位机，STM32下位机向各个功能模块发出具体控制指令。
-
公开(公告)号：CN115711603A
公开(公告)日：2023-02-24
申请号：CN202211387475.1
申请日：2022-11-07
Applicant: 电子科技大学长三角研究院(湖州)
Abstract: 本发明公开了一种多智能体系统中无坐标分布式控制算法。涉及多智能体系统控制中的分布式控制领域，针对纯方位环绕包围控制算法。本发明针对车辆集群提出了一种无坐标分布式定位和环绕包围控制算法。设计了多目标中心估计器算法进行中心估计，又根据估计出的目标中心设计控制器算法控制多辆小车进行环绕包围运动。本发明提出的分布式定位和环绕包围算法是无坐标形式的，无需任何位置信息的，因此不再需要统一全球坐标系，且不同车辆的局部坐标没有对齐。本发明仅考虑部分车辆来测量相对于目标的相对方位。尽管如此，本发明提出的分布式定位算法仍然保证了所有车辆通过协作精确定位目标。
-
公开(公告)号：CN115564888A
公开(公告)日：2023-01-03
申请号：CN202210845580.9
申请日：2022-07-18
Applicant: 电子科技大学长三角研究院(湖州)
Abstract: 本发明基于MVSNet网络进行改进，提出一种基于深度学习的可见光多视图像三维重建方法。将网络中的批归一化层和非线性激活函数层替换为融合的Inplace‑ABN层，降低了显存的占用量。设计基于分组相似性的加权均值度量法对代价体的特征维度进行降维，获得了更加轻量级的代价体，压缩了网络参数，降低了计算量与显存消耗。针对MVSNet网络使用低尺度特征图导致深度图分辨率低于输入图像的问题，利用特征金字塔模块提取多尺度的特征图，并设计了分阶段、多尺度的迭代优化深度估计。在保证精度的前提下，通过多轮深度迭代，降低了代价体深度平面的平均数量，使代价体获得更高的空间分辨率，提高了深度图估计的准确度。最后对输出深度图进行过滤与融合完成场景三维重建任务。
-
公开(公告)号：CN115248210A
公开(公告)日：2022-10-28
申请号：CN202210908004.4
申请日：2022-07-29
Applicant: 电子科技大学 , 电子科技大学长三角研究院(湖州) , 电子科技大学天府协同创新中心
IPC: G01N21/78 , G06V10/766 , G06V10/56
Abstract: 本发明属于分析检测技术领域，具体涉及一种环境水中铁离子的现场快速检测装置。本发明的装置外壳中设置有相机、光源和样品安装装置，相机通过数据线与图像处理装置连接；所述图像处理装置包括：分割模块，用于对化学显色体系的图片进行滤波降噪处理并分割出感兴趣区域；计算模块，用于计算所述感兴趣区域中RGB颜色空间和HSI颜色空间的各分量的变化值；并将至少两种分量的变化值作为特征，通过多元性回归方程模型分析待检测水样中铁离子的含量。利用本发明的装置进行水中铁元素的检测，具有成本低、操作简单、便携性突出、检测效率高、抗干扰能力强等显著优势，适用于自然水体中Fe3+浓度的现场、快速检测，具有很好的应用前景。
-
Patent Agency Ranking
公开(公告)号：CN113916822A
公开(公告)日：2022-01-11
申请号：CN202110998389.3
申请日：2021-08-27
Applicant: 电子科技大学长三角研究院(湖州)
IPC: G01N21/3563 , G01N21/01
Abstract: 本发明属于土壤总氮含量分析技术领域，具体涉及一种含水土壤的总氮含量红外光谱分析方法。本发明的方法包括如下步骤：步骤1，采集土壤样品的近红外光谱，得到近红外光谱原始数据；步骤2，采用直接光谱转换算法，将步骤1得到的近红外光谱原始数据转换为干燥土壤的近红外光谱数据；步骤3，根据步骤2所得干燥土壤的近红外光谱数据预测所述土壤样本的总氮含量结果。本发明能够更加准确地预测含水土壤中的总氮含量，能够减少人力和资源的消耗，具有高效率和低成本的优势，因而本发明的方法在农业、环保和生物研究等领域具有很好的应用前景。
-
公开(公告)号：CN113702329A
公开(公告)日：2021-11-26
申请号：CN202110998399.7
申请日：2021-08-27
Applicant: 电子科技大学长三角研究院(湖州)
IPC: G01N21/359 , G01N21/01
Abstract: 本发明属于土壤总氮含量分析技术领域，具体涉及一种土壤总氮的红外光谱分析方法。本发明的分析方法包括如下步骤：步骤1，采集土壤样品的近红外光谱，得到近红外光谱数据；步骤2，通过SG平滑算法对所述近红外光谱数据进行预处理；步骤3，通过预测模型对经过步骤2预处理后的近红外光谱数据进行预测，得到总氮含量结果。本发明在对土壤总氮的红外光谱分析方法中加入了预处理步骤，同时对预处理算法、建模算法、建模参数等进行了优选，能够提高模型预测土壤总氮含量的准确性，在农业、环保和生物研究等领域具有很好的应用前景。
-
公开(公告)号：CN119151806A
公开(公告)日：2024-12-17
申请号：CN202310696472.4
申请日：2023-06-13
Applicant: 电子科技大学长三角研究院(湖州)
Abstract: 本发明公开了一种基于深度学习的无人机图像增强方法。该发明针对RetinexNet算法对于图像中已经足够亮的像素，仍会进行增强处理，导致图像失真和信息丢失的问题，利用基于皮尔生长曲线对图像进行自适应亮度伽马校正，通过对图像的每个像素进行非线性变换来调整亮度，使其在人眼中具有更加平均的感知。针对RetinexNet算法会引入新的噪声的问题，本发明在Retinex分解模块引入引导滤波来替代高斯滤波对图像进行平滑去噪，利用高质量的引导图像来引导滤波器进行滤波，从而保留原始图像的边缘和细节；然后设计了基于引导滤波的Retinex分解模块，更好的计算图像的反射分量和光照分量。
-
公开(公告)号：CN119131101A
公开(公告)日：2024-12-13
申请号：CN202310701044.6
申请日：2023-06-13
Applicant: 电子科技大学长三角研究院(湖州)
IPC: G06T7/50 , G06V10/52 , G06V10/44 , G06V10/74 , G06V10/82 , G06N3/044 , G06N3/0455 , G06N3/0464 , G06N3/047 , G06N3/048 , G06N3/082
Abstract: 本发明针对利用多视无人机序列图像进行大范围场景的三维重建任务时，存在模型细节还原度不高，算力和存储资源要求高，建模时间长等问题，设计了一种基于动态多尺度特征和内容感知聚合的深度估计网络。高精度的深度估计是实现高精度三维重建的重要保障，该网络以多视角立体网络MVSNet为基础，引入了动态多尺度特征提取网络、轻量级代价体、内容感知的代价体聚合模块和循环卷积混合网络，能够提取出图像中更丰富更深层次的深度信息，且在运行效率方面也有优秀的表现。
-
公开(公告)号：CN118587575A
公开(公告)日：2024-09-03
申请号：CN202310217293.8
申请日：2023-03-03
Applicant: 电子科技大学长三角研究院(湖州)
Abstract: 本发明公开了一种基于动态尺度特征的湖泊水域动态变化检测方法。该发明基于动态尺度特征设计了一个孪生网络，该网络可用于湖泊水域的变化检测。首先分别利用6个曲率引导的动态尺度卷积(CDSConv)来学习原始遥感影像中的像素级的鲁棒表示，由这6个动态尺度卷积层构成的动态尺度特征网络(CDSFNet)能够学习到图像的动态尺度特征，然后利用孪生网络获取不同时相之间的图像变化,弥补传统变化检测方法中耗时长、精度差，难以定量确定差异的缺点。
-
-
-
-
-
-
-
-
-
Search Results
50
records
(took 0.034 seconds)
