“董哲康”申请（专利权）人搜索_中国专利权人_发明人_技术持有人_科研专家_钻瓜专利网

钻瓜专利网为您找到相关结果63个，建议您升级VIP下载更多相关专利

[发明专利]一种SOT电路元件陶瓷封装装置-CN202310746364.3在审
发明人：林辉品;鲍政怡;董哲康;陈爽;林源;周明月 -专利权人：杭州电子科技大学;江苏双木测控技术有限公司;上海越冲科技有限公司
申请日： 2023-06-25 - 公布日： 2023-09-29 - 主分类号： H01L21/683 文献下载
摘要：本发明公开了一种SOT电路元件陶瓷封装装置，包括：工作台，所述工作台上端平行间隔设置有传送带一和传送带二，所述工作台上端位于所述传送带一和所述传送带二之间设有可转动和上下移动的机械臂，所述传送带二位于传送方向两侧设置有定位装置，所述机械臂的末端连接吸取组件。
一种 sot 电路元件陶瓷封装装置

[发明专利]一种基于双支感知的深度图超分辨率重建网络构建方法-CN202010029063.5有效
发明人：曹旗;杨宇翔;高明煜;董哲康;何志伟;曾毓 -专利权人：杭州电子科技大学
申请日： 2020-01-12 - 公布日： 2023-09-29 - 主分类号： G06T3/40 文献下载
摘要：本发明公开了一种基于双支感知的深度图超分辨率重建网络构建方法。传统的深度图像超分辨方法在效果和速度都不如基于卷积神经网络的方法，但大部分的超分辨卷积神经网络框架都都只是堆叠的卷积层，没有网络结构能判断彩色图像的纹理区域是否和深度图像中的纹理区域相关。本发明的基于注意力机制的卷积神经网络结构可以利用可学习参数判断彩色特征图像的纹理是否是深度图像重建所需要的，即可以更好的利用彩色图像所提供的信息，经过多级的感知机制最终获得筛选后的精细化的特征图像，融合这些信息对深度图像进行超分辨率重建。并且利用残差学习的思想，减轻了卷积神经网络的负担，提升了深度图像的重建效果。
一种基于感知深度分辨率重建网络构建方法

[发明专利]一种基于GMM聚类的多尺度识别交通信号标志的方法-CN202010505035.6有效
发明人：高明煜;陈超;董哲康;杨宇翔;阮成杨;陈利丰 -专利权人：杭州电子科技大学;星际控股集团有限公司
申请日： 2020-06-05 - 公布日： 2023-09-26 - 主分类号： G06V10/762 文献下载
摘要：本发明公开了一种基于GMM聚类的多尺度识别交通信号标志的方法。识别方法为：通过GMM聚类得到先验框尺寸作为网络的参数参与训练；先训练数据集中出现过多类的样本图像：将待训练图像输入神经网络中，网络提取输入图像不同层次的特征图，再通过上采样和特征融合，最后输出五个不同尺度的预测结果。通过迭代训练更新模型参数，得到过渡模型；按上述方法训练出现过少类的样本图像，得到最终模型；识别时将待识别图像输入最终模型，得到图像相应位置上的识别结果。通过GMM聚类，提高了网络的训练速度、识别速度和精度；通过多尺度预测，解决了交通信号标志太小，难以检测的问题；通过迁移学习的方法，解决了数据集少导致识别效果差的问题。
一种基于 gmm 尺度识别交通信号标志方法

[发明专利]一种考虑老化情况下的锂离子电池电量预测方法-CN202010848730.2有效
发明人：何志伟;郭天滋;刘圆圆;董哲康;林辉品;高明煜 -专利权人：杭州电子科技大学
申请日： 2020-08-21 - 公布日： 2023-09-22 - 主分类号： G01R31/392 文献下载
摘要：本发明公开了一种考虑老化情况的锂离子电池电量预测方法；本发明的输入数据包括充放电循环次数和内阻是电池的老化指标，建立五维度数据集，并经验小波分解对电池数据进行预处理，经验小波分解用于分离电池容量的整体退化和局部再生；然后设计并训练各分解分量的CNN‑GRU网络，CNN提取五维度数据之间的关系，GRU提取数据前后的历史关系，完成数据的特征捕捉；并使用注意力机制完成权重分配，将更多权重分配给关键特征并减少干扰。最后将所有模型的预测结果进行组合和重构，得到最终的电量预测结果。本发明能够实现锂离子电池电量的预测，并考虑了电池的老化情况，使网络不需要经常更改重新训练以适应电池在使用一段时间后的性能改变。
一种考虑老化情况锂离子电池电量预测方法

[发明专利]一种基于Informer神经网络的锂离子电池SOH预测方法-CN202310695213.X在审
发明人：高明裕;沈涵丹;杨宇翔;何志伟;李平;董哲康 -专利权人：杭州电子科技大学
申请日： 2023-06-13 - 公布日： 2023-09-12 - 主分类号： G06Q10/04 文献下载
摘要：本发明公开了一种基于Informer神经网络的锂离子电池SOH预测方法，其特征在于，包括如下步骤：S1、获取锂电池循环老化数据制作数据集，并划分为训练集和测试集；S2、数据集预处理，获取数据集中的循环老化数据，并进行归一化处理；S3、构建初始Informer神经网络；S4、改进初始Informer神经网络；S5、将预处理后的训练集作为输入训练最终Informer神经网络；S6、经预处理后的测试集输入至完成训练的最终Informer神经网络中得到预测结果，并采用平均绝对误差和均方根误差作为评价指标。该方法通过对循环数据进行复相关系数分析，确定适当的window‑size，改进Informer神经网络。大量实验结果表明，本方法不仅可以很好地提取与当前时刻SOH相关性最强的各循环特征，而且可以较为精确地估计SOH。
一种基于 informer 神经网络锂离子电池 soh 预测方法

[发明专利]一种用于智能网联汽车V2X通信系统的安全握手方法-CN202310919271.6在审
发明人：黄继业;徐国进;潘钇名;高明裕;何志伟;杨宇翔;董哲康 -专利权人：杭州电子科技大学
申请日： 2023-07-25 - 公布日： 2023-09-12 - 主分类号： H04W12/00 文献下载
摘要：本发明涉及一种用于智能网联汽车V2X通信系统的安全握手方法，包括以下步骤：步骤一、获取地区密钥后通过FPGA硬件对通信进行基础的加解密保护；步骤二、握手开始后，本车辆需要去云平台拉取对端车辆的密钥值和过期时间，密钥记为UseridKey；步骤三、本车辆将过期时间发送给对端车辆后，可以快速计算出UseridKey，并用该密钥值解密解密秘文过期时间，校验是对否正确；步骤四、对端车辆校验通过后，认为握手成功，发送握手成功标识给本车辆，本车辆需要随机生成一个新的密钥，记为ConnectKey。该密钥用于后期这两台设备的基本通信，本发明有硬件加解密和平台加密的双重保障，通信效率高，速度快，安全程度更高。
一种用于智能汽车 v2x 通信系统安全握手方法

[发明专利]一种基于AI边缘计算的电池簇管理系统及方法-CN202310650595.4在审
发明人：马国进;颜子翔;高明裕;林辉品;李平;董哲康;曾毓;刘孝伟;杨成 -专利权人：杭州电子科技大学
申请日： 2023-06-03 - 公布日： 2023-08-29 - 主分类号： H02J7/00 文献下载
摘要：本发明公开了一种基于AI边缘计算的电池簇管理系统，包括专用隔离电源DCDC模块、电源管理模块、母线电流采样电路、总电压与绝缘电阻采样电路、有线传输模块、无线通信模块、TF卡存储模块、HDMI屏幕显示模块、MCU主控模块和AI芯片模组。该系统控制有线传输模块与无线通信模块进行电池管理系统层次间数据传输，与传统电池管理系统相比稳定的保障了设备电池包的安全。
一种基于 ai 边缘计算电池管理系统方法

[发明专利]一种基于FPGA的龙贝格积分硬件逻辑求解方法及系统-CN202310581655.1在审
发明人：黄继业;陈协和;田大海;董哲康;杨宇翔;李平 -专利权人：杭州电子科技大学
申请日： 2023-05-22 - 公布日： 2023-08-22 - 主分类号： G06F17/11 文献下载
摘要：本发明公开了一种基于FPGA的龙贝格积分硬件逻辑实时求解方法，包括以下步骤：S1、构建待求积分等式预处理模块；S2、根据逐次分半加速法以及S1中的预处理模块，构建数值参数模块；S3、构建局部并行计算数值参数模块，与S2中的数值参数模块组成积分计算迭代模块；S4、根据用户设定的数据精度误差ε和实时迭代控制模块，控制参数迭代精度并输出积分值。本发明通过流水线架构和并行处理能力，提高数值迭代的速度，缓解计算时延问题，提供高精度积分值。
一种基于 fpga 龙贝格积分硬件逻辑求解方法系统

[发明专利]一种基于DGG点云分割网络的机械臂自动打菜方法-CN202111427395.X有效
发明人：高明裕;周海平;董哲康;杨宇翔;曾毓 -专利权人：杭州电子科技大学
申请日： 2021-11-29 - 公布日： 2023-08-22 - 主分类号： B25J9/16 文献下载
摘要：本发明涉及一种基于DGG点云分割网络的机械臂自动打菜方法。实现自动打菜首先需要对打菜点位姿进行估计，根据不同的菜品种类和菜品量选择不同的打菜动作，再对六轴机械臂的路径和轨迹进行规划，最后实现菜品的挖取。目前餐厅内主要通过人工实现打菜工作，具有效率低、劳动力成本高等缺点。本发明通过深度相机采集菜品表面的点云数据，提出一种基于图卷积的点云分割网络DGG实现对打菜点的预测，根据具体的打菜动作计算得到打菜点的姿态信息，再通过三次B样条插值和Squad插值算法对机械臂末端的轨迹进行规划，最后控制机械臂完成打菜任务。
一种基于 dgg 分割网络机械自动方法

[发明专利]一种基于改进YOLO v3的古文字及字体识别方法-CN201911277782.2有效
发明人： 董哲康;石杰;高明煜;齐冬莲;林辉品;吴俊洁 -专利权人：杭州电子科技大学
申请日： 2019-12-11 - 公布日： 2023-08-22 - 主分类号： G06V20/62 文献下载
摘要：本发明公开了一种基于改进YOLO v3的古文字及字体识别方法。该方法基于深度学习的目标检测方法，利用深层的神经网络结构，学习到古文字图像中“整体‑部分”的分解关系，通过特征提取网络获得有用的特征信息，并进行检测定位，再将图片的特征信息送入分类器进行分类识别，并使用包围框在图像中框选出古文字的位置。该方法解决了古文字具有复杂的内部结构，以及使用这些特征进行识别时精度低的问题。本方法提出的改进YOLO v3使用ShuffleNet v2作为模型的主干结构，使其更加高效。在对古文字及字体的识别上准确率达到98.81％，并且具有较好的稳定性和良好的鲁棒性，能够应用于古文字文本、碑帖等古文字识别场景。
一种基于改进 yolo v3 古文字字体识别方法

[发明专利]一种基于FPGA的多路数据低延迟DDR片外访存方法-CN202310506445.6在审
发明人：黄继业;沈祖翔;刘鑫;董哲康;高明裕;杨宇翔 -专利权人：杭州电子科技大学
申请日： 2023-05-06 - 公布日： 2023-08-08 - 主分类号： G06F15/78 文献下载
摘要：本发明公开了一种基于FPGA的多路数据低延迟DDR片外访存方法，包括以下步骤：S1、写信号有效时根据地址片轮转调度方法选择写入地址和读出地址；S2、通过握手型异步FIFO对数据进行跨时钟域处理，拼接数据使得位宽符合DDR最大缓存标准；S3、通过写仲裁将各个通道数据写入地址调度选择的DDR地址空间；S4、读信号有效时更新读出地址为地址调度选择的读出地址；S5、通过读仲裁从地址调度选择的读出地址读出数据；S6、通过握手型异步FIFO对数据进行跨时钟域处理，并将缓存数据分解为符合数据接收端位宽的数据。该方法通过仲裁实现多路数据协同访存DDR，避免读写冲突导致的竞争，从而提高访存效率。
一种基于 fpga 路数延迟 ddr 外访方法

[发明专利]一种半导体外观破损成品剔除装置-CN202310515639.2在审
发明人：林辉品;吕旭冬;鲍政怡;董哲康;周明月;林泉 -专利权人：杭州电子科技大学;上海越冲科技有限公司
申请日： 2023-05-09 - 公布日： 2023-07-28 - 主分类号： B07C5/02 文献下载
摘要：本发明公开了一种半导体外观破损成品剔除装置，其包括：主柜体，所述主柜体的侧壁设置有横向贯通的检测仓，且所述检测仓的前侧方设置有安装在所述主柜体上的透明玻璃窗；滑台模组架，所述滑台模组架安装在所述检测仓的内顶部，所述滑台模组架的移动台上固定设置有两个第一电缸，每个所述第一电缸的驱动端均固定安装有劣品分选机构；以及传输机构，所述传输机构设置于所述主柜体的右侧方，且所述传输机构的末端穿过所述检测仓，并延伸至所述主柜体的左侧方。本发明装置中设置有托载机构和劣品分选机构，两者能够配合进行分选劣品半导体器件，大幅提高半导体器件的生产效率及质量。
一种半导体外观破损成品剔除装置

[发明专利]一种基于TTSNet的锂离子电池SOH估算与RUL预测方法-CN202310431133.3在审
发明人：高明裕;鲍政怡;杨宇翔;何志伟;董哲康 -专利权人：杭州电子科技大学
申请日： 2023-04-21 - 公布日： 2023-07-21 - 主分类号： G06F18/213 文献下载
摘要：本发明公开了一种基于TTSNet的锂离子电池SOH估算与RUL预测方法，包括如下步骤：S1、构建TTSNet网络模型；S2、通过时序transformer的特征提取网络分别通过相应的提取支路对预处理后的电池数据中电压、电流和温度数据进行特征提取，得到丰富的语义信息特征；S3、通过AGFF的特征融合网络，对提取的语义信息特征进行自适应融合，得到神经网络的预测输出；S4、基于TTSNet网络模型的SOH估算与RUL预测。该方法不仅可以自适应提取并交互锂离子电池输入时间序列中的有用信息，还考虑到长时间序列电压、电流、温度与容量之间的相关性，关注前后步长相关时序维度信息，提高了网络模型研究时间序列长期依赖关系的能力。最终得到实时、高精度的SOH估算与RUL预测结果。
一种基于 ttsnet 锂离子电池 soh 估算 rul 预测方法

[发明专利]基于级联霍夫曼投票的3D点云单目标跟踪方法-CN202310356618.0在审
发明人：何志伟;许安琪;聂佳浩;杨宇翔;吕旭冬;高明裕;董哲康 -专利权人：杭州电子科技大学
申请日： 2023-04-04 - 公布日： 2023-07-04 - 主分类号： G06V10/25 文献下载
摘要：本发明公开了一种基于级联霍夫曼投票的3D点云单目标跟踪方法，其特征在于，包括如下步骤：S1、构建目标模板(点云序列中给定的一个跟踪目标)和搜索区域的数据集，通过PointNet++，将目标模板及搜索区域的点进行下采样并提取采样点的特征，得到目标模板特征和搜索区域特征通过融合PointNet++输出的与得到特征增强的搜索区域的特征S2、基于特征进行级联的霍夫曼投票将搜索区域的点进行偏移，得到了M2个搜索区域点的状态信息从而逐步回归到潜在的目标中心；S3、对进行聚类得到聚类后的点的状态信息Tj；S4、基于聚类后的点的状态信息进行预测。该方法所提的级联霍夫曼投票策略可以嵌入到目前主流的3D点云单目标跟踪方法中，能够有效地提高跟踪地准确率。
基于级联霍夫曼投票点云单目标跟踪方法

[发明专利]一种基于透明物体深度补全的机械臂抓取试管方法-CN202310085582.7在审
发明人：陈洪波;顾赵键;朱萍;吕斌;董哲康;郑军科;邢峰;林冰晶 -专利权人：浙江方圆检测集团股份有限公司
申请日： 2023-01-12 - 公布日： 2023-07-04 - 主分类号： G06T7/557 文献下载
摘要：本发明公开一种基于透明物体深度补全的机械臂抓取试管方法，其特征在于包括以下步骤：搭建透明深度补全模型；将补全后的点云投影回深度图像；利用深度相机获取透明试管的彩色图像和深度图像并进行对齐；将深度补全模型移植到ROS开发平台上，并加载网络权重参数，对ROS中实时获取到的试管图像进行处理，获得完整的深度图像；机械臂得到试管的位置信息，结合试管顶部的中心坐标系(xt,yt,zt)计算机械臂末端执行器进行抓取的位置，得到机械臂末端执行器在笛卡尔空间下的位姿信息；根据得到的世界坐标系下的位姿信息，结合三次B样条插值算法得到机械臂末端夹爪的轨迹信息。本方法能够较为准确的估计出透明试管的位置信息，快速规划出对应的抓取轨迹完成抓取。
一种基于透明物体深度机械抓取试管方法

1
2
3
4
5
下一页»
尾页
共 63 条