专利名称
主分类
A 农业
B 作业;运输
C 化学;冶金
D 纺织;造纸
E 固定建筑物
F 机械工程、照明、加热
G 物理
H 电学
专利下载VIP
公布日期
2023-10-24 公布专利
2023-10-20 公布专利
2023-10-17 公布专利
2023-10-13 公布专利
2023-10-10 公布专利
2023-10-03 公布专利
2023-09-29 公布专利
2023-09-26 公布专利
2023-09-22 公布专利
2023-09-19 公布专利
更多 »
专利权人
国家电网公司
华为技术有限公司
浙江大学
中兴通讯股份有限公司
三星电子株式会社
中国石油化工股份有限公司
清华大学
鸿海精密工业股份有限公司
松下电器产业株式会社
上海交通大学
更多 »
钻瓜专利网为您找到相关结果61个,建议您升级VIP下载更多相关专利
  • [发明专利]低压交流串联电弧故障特征自适应寻优检测方法及系统-CN202310890097.7在审
  • 丑永新;侯千红;鲁明丽;刘继承 - 常熟理工学院
  • 2023-07-19 - 2023-10-20 - G01R31/12
  • 本发明公开了一种低压交流串联电弧故障特征自适应寻优检测方法及系统,包括:获取电流信号,提取电弧故障特异性变化参数,并形成特征空间,划分测试集和训练集;构建基于机器学习模型的电弧故障检测模型,并对其进行训练;对训练得到的电弧故障检测模型进行性能评估,利用对电弧故障检测模型性能评估得到的kappa系数对幅度量化阈值和去除三角脉冲阈值进行调节寻优,得到最优幅度量化阈值和最优去除三角脉冲阈值作为所设计的电弧故障检测模型的最优特征,得到低压交流串联电弧故障检测的最优模型;将得到的低压交流串联电弧故障检测的最优模型进行低压交流串联电弧故障的在线检测。增加了特征调节参数寻优,可以达到更高的电弧故障检测精度。
  • 低压交流串联电弧故障特征自适应检测方法系统
  • [发明专利]动态环境下的SLAM方法和系统-CN202310507148.3在审
  • 徐本连;周理想;鲁明丽;施健;从金亮;周旭;张龙欣 - 苏州科技大学
  • 2023-05-08 - 2023-09-15 - G06T7/73
  • 本发明公开了一种动态环境下的SLAM方法和系统,该方法包括:获取动态环境的目标数据,目标数据包括图像序列或视频流;采用C++版本的OpenCV‑DNN模块部署YOLOv5‑seg网络模型,以获取相应的目标检测模型;采用目标检测模型对目标数据进行目标检测和分割,以获取目标数据中的动态物体和可移动物体的mask掩膜以及相应的坐标信息;对目标数据中的每一帧图像进行ORB特征点的提取;根据提取出的ORB特征点和坐标信息将坐标在动态物体和可移动物体上的动态ORB特征点剔除,并保留相应的静态ORB特征点;采用ORB‑SLAM3系统根据静态ORB特征点进行特征点匹配,以及计算相机位姿并建图,以完成SLAM工作。能够实时高效地剔除动态ORB特征点,以提高定位精度和系统鲁棒性,从而避免系统发生故障。
  • 动态环境slam方法系统
  • [发明专利]继发性肺结核病灶检测方法和系统-CN202310712651.2有效
  • 鲁明丽;谢浩杰;徐本连;施健;佘桂平;从金亮;史向航 - 常熟理工学院
  • 2023-06-16 - 2023-09-15 - G06T11/00
  • 本发明公开了一种继发性肺结核病灶检测方法和系统,该方法包括:获取包含多种继发性肺结核病灶类别的胸部CT扫描图像集,进行预处理以获取相应的预处理图像;对预处理图像中肺部病灶区域和病灶类别进行标注以获取相应的标注图像集,并划分为候选训练集和测试集;采用多尺度数据增强方式对候选训练集进行数据扩充,以获取目标训练集;分别构建角度成本函数、距离成本函数、形状成本函数和IoU成本函数以获取SIoU损失函数,基于SIoU损失函数和注意力机制构建改进的YOLOv5神经网络架构,对其进行训练以获取深度神经网络模型;采用深度网络模型进行继发性肺结核病灶检测,能够准确高效地进行检测。
  • 继发性肺结核病灶检测方法系统
  • [发明专利]基于样本风格特征的模糊超平面聚类方法及装置-CN202310658659.5在审
  • 顾苏杭;朱培逸;鲁明丽;从金亮;丁卫 - 常熟理工学院
  • 2023-06-05 - 2023-08-29 - G06F18/23
  • 本公开实施例涉及机器学习领域,提供一种基于样本风格特征的模糊超平面聚类方法及装置,方法包括:建立保留样本的物理特征同时挖掘样本的风格特征的表征形式;基于表征形式和给定的数据集,建立基于物理特征和风格特征的模糊超平面聚类模型的初始目标函数;利用表征形式对应的正则化项和关于不同聚类中心的软间隔,对初始目标函数进行优化,得到更新后的目标函数;将更新后的目标函数的优化问题分解为基于表征形式的一系列子问题;基于一系列子问题确定更新后的目标函数的参数,求解出表征形式;基于求解出的表征形式对数据集中的样本进行聚类分析,得到数据集对应的预测类别标签集。本公开可有效识别聚类流形结构交叉情况下的不同聚类样本。
  • 基于样本风格特征模糊平面方法装置
  • [实用新型]一种用于管道内壁图像采集的新型装置-CN202320651315.7有效
  • 徐天任;张贵阳;鲁明丽;臧书琪;吉思雨;朱玲羽;翟树峰 - 常熟理工学院
  • 2023-03-29 - 2023-08-11 - F16M13/02
  • 本实用新型公开了图像采集、视觉检测技术领域的一种用于管道内壁图像采集的新型装置,包括稳定支架,所述稳定支架的内部安装中心轴,中心轴和稳定支架实现同心圆连接,所述中心轴的侧壁安装导向平键,所述中心轴外侧连接稳定环,稳定环在中心轴以及导向平键上可滑动连接,稳定环的外侧安装相机旋转机架,本实用新型结构简单,通过稳定支架可以有效提高设备在管道内的稳定性,避免相机在管道内出现偏移、晃动的情况;本实用新型通过导向平键避免相机旋转机架在运行过程中的偶然性滑移;相机旋转机架有三个机位和稳定环沿中心轴水平移动;稳定支架上的液压杆可以根据所检测的管道内壁大小进行调节,保证了装置的普适性。
  • 一种用于管道内壁图像采集新型装置
  • [发明专利]穿透障碍物的雷达系统活体检测方法及系统-CN202310776418.0在审
  • 梁伟;孙嘉利;王诺;程宏斌;鲁明丽;郑润泽 - 常熟理工学院
  • 2023-06-28 - 2023-08-08 - G01S13/88
  • 本发明公开了一种穿透障碍物的雷达系统活体检测方法,包括FMCW雷达系统,检测方法包括:通过FFT计算确定势垒的响应,检测障碍物位置并确定热点区域;在记录位于热点区域上的第一阶段FFT序列的相位值上进行第二阶段FFT,寻找峰值谱最大的FFT序列,将峰值谱最大的FFT序列指定为目标呼吸生命体征数据。识别障碍物响应,将结果用于消除障碍物结构产生的拍频,从而提高信杂比,将识别障碍物响应与相位检测方法相结合,提取与目标呼吸生命体征相关的多普勒响应。通过详细的相互关的加权来最小化来自其他物体在碎片下反射的杂波以有效地消除呼吸壁的影响,提高了检测的准确性。
  • 穿透障碍物雷达系统活体检测方法
  • [发明专利]一种基于YOLO-GGCNN的机械臂检测抓取方法-CN202211649691.9有效
  • 徐本连;李震;赵康;鲁明丽;从金亮;吴迪;周理想 - 苏州科技大学
  • 2022-12-21 - 2023-07-21 - G06V20/00
  • 本发明公开了一种基于YOLO‑GGCNN的机械臂检测抓取方法,属于智能机器人领域。所述方法利用YOLOv4深度学习网络对待抓取目标进行训练,得到训练好的模型。在机械臂抓取前,使用深度相机获取抓取平台上无抓取物体的空白深度图像。放置抓取物体后,利用训练好的YOLOv4模型从RGB图像识别出待抓取目标,将识别框作为感兴趣区域,将感兴趣区域对应像素的深度图像部分提取出来,替换掉空白图像的像素对应部分,以此获得一张排除其他干扰物体、只包含抓取目标的深度图像。将这张图像处理后输入GGCNN网络,再进行从图像坐标系到机械臂本体坐标系的转化,最终输出最优机械臂抓取方案,机械臂根据抓取方案依次抓取所要抓取的目标物体。
  • 一种基于yologgcnn机械检测抓取方法
  • [发明专利]电梯轿厢内乘客打斗行为的自动检测方法和系统-CN202310152622.5在审
  • 鲁明丽;李朝明;徐本连;史向航;从金亮;施健;顾苏杭 - 常熟理工学院
  • 2023-02-22 - 2023-05-19 - G06V20/52
  • 本发明公开了一种电梯轿厢内乘客打斗行为的自动检测方法和系统,该检测方法包括以下步骤:获取电梯轿厢内的监控视频,并获取预设时间内N帧监控视频对应的N张监控图像;根据N张监控图像获取电梯轿厢内的乘客人数,并判断乘客人数是否大于1;如果乘客人数大于1,则通过Lightweight OpenPose算法根据N张监控图像获取N张监控图像中各乘客的骨架信息,以及根据N张监控图像中各乘客的骨架信息获取各乘客的各关节点的坐标信息,并提取出各乘客的手腕坐标信息;根据手腕坐标信息计算相应的乘客的手腕在预设时间内的移动速度;根据各乘客的手腕预设时间内的移动速度判断相应的乘客是否发生打斗行为。由此,能够自动对电梯轿厢内乘客打斗行为进行实时准确检测。
  • 电梯轿厢内乘客打斗行为自动检测方法系统

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

400-8765-105周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top