-
公开(公告)号：CN114429473B
公开(公告)日：2024-10-29
申请号：CN202210069299.0
申请日：2022-01-21
申请人： 重庆大学 , 星际(重庆)智能装备技术研究院有限公司 , 迪比(重庆)智能科技研究院有限公司
IPC分类号： G06F30/27
摘要： 本发明涉及一种肺结节性质判定方法，S1获取多位病人的病理特征数据，分别提取影像结构化数据和基因甲基化数据的特征；S2对病理特征数据进行数据清洗得到小规模数据集；S3将小规模数据集中的每个样本进行特征选择得到最佳小规模数据集；将最佳小规模数据集中所有最佳样本分割为训练集和测试集；S4选择现有M种分类方法，使用训练集中分别对M种分类方法进行训练得到M种最佳分类方法；S5将测试集输入M种最佳分类方法中选择最终分类方法，S6对于一个待预测病人的病理特征数据处理后输入最终分类方法中，输出该待预测病人肺结节属于良性和恶性。该方法能用于本领域专家能够对肺结节良恶性进行辅助诊断参考性，而且实时性较高。
-
公开(公告)号：CN116561254B
公开(公告)日：2024-08-23
申请号：CN202310499796.9
申请日：2023-05-05
申请人： 重庆大学
IPC分类号： G06F16/33 , G06F40/30 , G06F40/289 , G06F40/284 , G06F40/151 , G06F18/25 , G06N3/0464 , G06N3/0455
摘要： 本发明公开了结合CNN和Transformer的多特征融合对联生成方法，包括以下步骤，在数据预处理阶段，分别构建带词性特征和平仄特征的对联语料库；根据对联上联构建结合词性特征和平仄特征的多特征融合词向量。将对联上联的多特征融合词向量分别输入到CNN编码器和Transformer模型的编码器中进行对联特征提取和对联语义编码，分别得到特征编码向量和语义编码向量。将特征编码向量和语义编码向量结合起来输入到Transformer模型的解码器中。本方法将对联的词性特征和平仄特征加入到词向量中，得到多特征融合的词向量。多特征融合的词向量能提高生成对联的对仗性；将CNN模型和Transformer模型结合起来，强化对联的重点信息，提高生成对联的语义连贯性。
-
公开(公告)号：CN118519446A
公开(公告)日：2024-08-20
申请号：CN202410592987.4
申请日：2024-05-14
申请人： 重庆大学
摘要： 本发明涉及无人机控制技术领域，特别涉及一种车辆目标脱离视野后的无人机跟踪控制方法。包括无人机自动跟随目标车辆；根据目标车辆消失前在世界坐标系中的变化数据，预测目标车辆在世界坐标系中的预测坐标轨迹；根据目标车辆消失前在图像框坐标系中的变化数据，计算无人机搜寻速度和搜寻方向；加权预测坐标轨迹和搜寻坐标轨迹，确定无人机的期望搜寻轨迹。本发明通过纯视觉的方式即可完成无人机跟车，且在丢失目标车辆后可找回目标车辆；本发明通过不同的情况以分配权重的方式融合两种搜寻目标车辆的方式，可显著提高目标车辆搜寻成功率。
-
公开(公告)号：CN118089729A
公开(公告)日：2024-05-28
申请号：CN202410210513.9
申请日：2024-02-26
申请人： 重庆大学
摘要： 本发明公开了一种基于实例分割网络的室内动态环境下RGB‑D的SLAM方法，在采集到RGB图像的同时使用SOLOv2算法对其进行处理；结合先验语义，将掩码图中的动态物体覆盖上掩码；使用图像处理方法对动态物体进行形态学膨胀；将RGB图像、深度图像和掩码图像输入SLAM系统，构建图像金字塔；使用FAST算法在图像中检测关键点；使用BRIEF算法计算其对应的ORB描述子；对形态学膨胀后的动态物体提取特征点；结合深度图对伪动态特征点的深度值进行聚类并分为动态特征点和静态特征点；剔除聚类后得到的动态特征点；将所有的静态特征点输入追踪线程，并进行后续的局部建图线程及局部回环检测线程。本发明避免对位于动态物体和静态背景交界处特征点的误判，提高SLAM系统的鲁棒性。
-
公开(公告)号：CN114863152B
公开(公告)日：2024-05-14
申请号：CN202210286411.6
申请日：2022-03-22
申请人： 重庆大学
IPC分类号： G06V10/762 , G06V10/32 , G06V10/82 , G06N3/0464 , G06N3/082
摘要： 本发明涉及一种基于改进YOLOv3的散装小包装中药袋检测方法，该方法包括S1采集包含散装小包装中药袋的图像数据，依据VOC2012数据集格式制作得到训练集，S2对原始YOLOv3网络模型的检测头和backbone进行改进，S3对改进的YOLOv3网络模型进行训练，S4向训练好的最终改进的YOLOv3网络模型输入待检测图像，输出散装小包装中药袋用矩形框标记并显示。本发明对传统YOLOv3算法进行轻量化改进，在保证其精度和实时性的同时，将模型大小减小到285KB，具有较高的实用性。
-
公开(公告)号：CN110239951B
公开(公告)日：2024-02-02
申请号：CN201910614948.9
申请日：2019-07-09
申请人： 重庆大学
摘要： 本发明公开了一种全覆盖式吸盘阵列的自动配药装置及其控制方法，自动配药装置包括机架、取药装置和称排药装置；取药装置包括导轨、滑座、第一直线驱动器、全覆盖式真空吸药机械手、以及第二直线驱动器；称排药装置包括称重传感器、接药槽和排药机构；控制方法包括：1)在单片机接收到抓药出药指令后，单片机向第四继电器发出控制信号，进而控制第一直线驱动器推动滑座前移至抓药位置；2)储药箱到达固定工位后，单片机向第五继电器发出控制信号，进而控制第二直线驱动器驱动全覆盖式真空吸药机械手下移……等步骤。本发明能从固定工位的储药箱中取出药包，并将计量准确的药包排出药柜，
-
公开(公告)号：CN117315019A
公开(公告)日：2023-12-29
申请号：CN202311145718.5
申请日：2023-09-06
申请人： 重庆大学
摘要： 本发明公开了一种基于深度学习的机械臂抓取方法，获得通过深度相机获得带抓取物体的RGB图像与深度图像。对深度图像进行检测，获得无效像素并且重建这些数据，以便于神经网络获取更准确的抓取位姿。对RGB图像与深度图进行对齐，获得RGB‑D图像，对齐进行中心部分裁剪，获得RGB‑D图像。采用预先训练的改进后GGCNN2网络模型对带抓取物体的RGB‑D图像进行输入，生成带抓取物体的抓取位姿信息。在机械臂基座标系即笛卡尔坐标系下的抓取位姿。输入抓取信息，控制机械臂进行抓取任务。本发明解决了原网络中泛化和学习能力较差的问题，使得改进后的神经网络在获得带抓取物体的抓取位姿上具有更好的性能，在高精度抓取领域更具有实用性。
-
公开(公告)号：CN110239952B
公开(公告)日：2023-09-29
申请号：CN201910615510.2
申请日：2019-07-09
申请人： 重庆大学
摘要： 本发明公开了一种局部覆盖式吸盘阵列的自动配药机及其控制方法，自动配药机包括机架，机架上设置有取药装置和称排药装置；取药装置包括导轨、滑座、第一直线驱动器、局部覆盖式真空吸药机械手、以及第二直线驱动器；称排药装置包括称重传感器、接药槽和排药机构；控制方法包括：1)在接收到抓药出药指令后，单片机先根据取药工位循环顺序选择当前取药工位，再控制第一直线驱动器推动滑座前移至取药工位；2)单片机向第五继电器发出控制信号，控制第二直线驱动器驱动真空吸药机械手下移……等步骤。本发明能从药柜的药箱中自动取出药包，并将计量准确的与处方规定相等的药包排出药柜，从而代替人工取药，能提高药房出药效率，节约人力成本。
-
公开(公告)号：CN116563633A
公开(公告)日：2023-08-08
申请号：CN202310540175.0
申请日：2023-05-15
申请人： 重庆大学
IPC分类号： G06V10/764 , G06V10/774 , G06V10/82 , G06N3/0464 , G06N3/084 , G06N3/082
摘要： 本发明涉及一种基于改进的YOLOv5的药包检测计数方法，它包括S1获取原始图像数据集，对原始图像数据集中的图像做弱化非目标区域WNA数据增强处理，构建增强后的数据集；S2构建改进的YOLOv5s模型，利用增强后的数据集训练改进的YOLOv5s模型得到训练好的YOLOv5s模型；S3网络剪枝将训练好的YOLOv5s模型进行轻量化处理得到最优模型；S4将一张待预测原始图片输入最优模型，输出为一张有多个检测框的图片，每个检测框对应一个置信度，将图片中低于置信度阈值的检测框被删掉后，再将图片输入NMS方法处理后，输出最终检测图，该检测图中检测框的数量即为药包的数量。
-
公开(公告)号：CN116188404A
公开(公告)日：2023-05-30
申请号：CN202310075797.0
申请日：2023-02-07
申请人： 重庆大学
IPC分类号： G06T7/00 , G06T7/12 , G06V10/44 , G06V10/80 , G06V10/764 , G06V10/82 , G06N3/0464 , G06N3/08
摘要： 本发明公开了一种基于深度学习的肺结节检测方法，包括以下步骤：肺结节的目标检测、肺结节的边缘分割、肺结节的三维重构。本发明基于深度学习的肺结节检测方法提出了一种基于2DCNN的快速两阶段结节检测、分割和分类CAD系统，不仅可以检测结节的恶性程度，还可以检测其形态特征；引入分割注意模块，提高模型的可解释性，增强对小结节的特征提取；将原先的骨干网络替换成轻量级网络，以简化网络并减少模型参数量，降低计算成本；获取完整的结节切片后，裁剪待训练的结节，解决了样本正负分布不平衡的问题。
-
-
-
-
-
-
-
-
-
搜索结果
210 条记录 (耗时 0.037 秒)
