-
公开(公告)号:CN109345407A
公开(公告)日:2019-02-15
申请号:CN201811169000.9
申请日:2018-10-08
Applicant: 西安电子工程研究所
IPC: G06Q50/04
Abstract: 本发明涉及一种离散制造企业安灯Andon系统的实现方法,基于MES与OA实现Andon系统方法,借助C#与Java语言对MES与OA进行二次开发,实现车间工人在MES中点击安灯按钮,触发Andon异常提醒OA流程,异常处理人在OA中完成处理结果录入,当异常超过规定时间没有处理OA自动将异常信息发送给相关领导,由领导介入处理。通过Andon系统应用,能够在最短时间内解决生产现场的异常问题,提高生产效率。
-
-
公开(公告)号:CN119780866A
公开(公告)日:2025-04-08
申请号:CN202411969306.8
申请日:2024-12-30
Applicant: 中国北方工业有限公司 , 西安电子工程研究所
IPC: G01S7/41
Abstract: 本发明涉及一种基于DSP的步进频子脉冲相位差简易计算方法,属于频谱合成领域。本发明获取步进频体制雷达接收的两个相邻的步进频子脉冲;提取两个子脉冲的频率重叠部分;对两个子脉冲频率重叠部分的离散点的相位进行差值计算,幅值相乘,得到每个离散点结果子脉冲的表达式;获取频率重叠部分离散点实部和虚部的均值;计算频率重叠部分离散点相位的均值,此相位即两个子脉冲的相位差。本步骤简单易执行,省略了将子脉冲频率重合处先补零与从频域换算至时域这两步操作,直接在频域进行计算;占用DSP内存少,不需要补零,程序运行时间短。
-
-
公开(公告)号:CN119399471A
公开(公告)日:2025-02-07
申请号:CN202411502365.4
申请日:2024-10-25
Applicant: 西安电子工程研究所
IPC: G06V10/26 , G06V10/764 , G06V10/40 , G06V10/80 , G06V10/82 , G06V10/774 , G06N3/0455 , G06N3/0895
Abstract: 本申请的实施例涉及图像处理技术领域,特别涉及一种基于自监督学习的多源异构图像分割方法,包括:采集多源异构样本图像并在通道维度上进行叠加,得到多通道样本输入数据;构建由空间分支网络和通道分支网络组成的多源异构图像分割模型,空间分支网络和通道分支网络分别处理多通道样本输入数据,得到空间重建特征和通道重建特征,以构建掩码损失函数;将可见光样本图像和雷达样本图像作为正样本对,并分别进行投影变换和预测变换,得到可见光对比特征和雷达对比特征,以构建对比损失函数;基于掩码损失函数和对比损失函数构建总损失函数,对模型进行迭代训练至收敛,得到训练完成的模型,以应用于分割任务,实现对多源异构图像的高精度分割。
-
-
公开(公告)号:CN106370378A
公开(公告)日:2017-02-01
申请号:CN201610792216.5
申请日:2016-08-31
Applicant: 西安电子工程研究所
IPC: G01M7/08
CPC classification number: G01M7/08
Abstract: 本发明涉及一种长方形箱体跌落试验的设计方法,适用于长方形箱体进行跌落试验的需要。采用行吊或吊车、棉绳、缓冲保护板作为试验工具,根据棉绳长度计算棉绳夹角。本发明通过对长方形箱体跌落试验方法的设计,在完成了长方形箱体进行跌落试验的同时,也同步满足了任何外形尺寸长方形箱体进行跌落试验的需要。
-
公开(公告)号:CN119397356A
公开(公告)日:2025-02-07
申请号:CN202411518263.1
申请日:2024-10-29
Applicant: 西安电子工程研究所
IPC: G06F18/241 , G06F18/25 , G06V10/40 , G06V10/764 , G06V10/82 , G06F40/279 , G06F16/353 , G06N3/045 , G06N3/0464 , G06N3/0442 , G06N3/08 , G10L25/30 , G10L25/63
Abstract: 本申请的实施例涉及情感识别技术领域,特别涉及一种多模态情感识别方法、系统、电子设备和存储介质,包括:通过毫米波雷达获取由语音样本数据、图像样本数据和文本样本数据组成的多模态样本数据并标注情感标签;构建由图像特征提取分支网络、语音特征提取分支网络、文本特征提取分支网络、融合网络、残差网络和判别网络组成的多模态情感识别模型;基于模型输出的对多模态样本数据的情感类别识别结果以及多模态样本数据上标注的情感标签,对模型进行迭代训练至收敛,得到训练完成的模型;通过毫米波雷达获取待识别对象的多模态数据并输入至训练完成的模型中,获取对待识别对象的情感类别识别结果。该方法有效提升了情感识别的准确率。
-
-
-
-
-
-
-