-
公开(公告)号：CN118701428A
公开(公告)日：2024-09-27
申请号：CN202410862550.8
申请日：2024-06-28
Applicant: 南京林业大学
Abstract: 本发明提出一种刨花板智能打包方法，该方法在安装纸护角阶段，使用了深度强化学习的方法自适应地使用各个传感器的输出，作为判断刨花板摞位姿的依据，并产生各驱动器的输入，可以不停歇连续作业，减少人工打包破损率。该方法采用机械臂把纸护角贴附在刨花板摞四个竖直角部，机械臂包括机架，带动x轴载板相对于机架在x轴移动的伺服电机一，带动z轴转板其相对于x轴载板转动的伺服电机二，带动y轴载板相对于z轴转板在y轴移动的伺服电机三，带动z轴摆座相对于y轴载板转动的伺服电机四；z轴摆座上设置真空吸盘；旋转传输盘二具有在伺服电机五带动下转动的底座；控制机械臂中伺服电机一、二、三、四的转动角度与转动速度，完成纸护角的安装。
-
公开(公告)号：CN118701387A
公开(公告)日：2024-09-27
申请号：CN202410862553.1
申请日：2024-06-28
Applicant: 南京林业大学
IPC: B65B35/58 , B65B35/44 , B65B11/02 , B65B41/14 , B65B61/06 , B65B61/22 , B65B43/46 , B65B13/02 , B65B13/18
Abstract: 本发明提供一种刨花板自动化打包系统，它能够对刨花板摞进行对齐整理、缠绕薄膜、覆盖顶膜、安装纸护角、捆扎绳带等自动流水作业，实现去人工自动打包，提高作业效率。它包括将刨花板摞在横向和纵向两个方向对齐并进行输送的对齐装置，对刨花板摞的外周缠绕薄膜的缠绕膜装置，对刨花板摞顶部覆盖顶膜的上部封膜装置，从纸护角料仓吸取纸护角后放置在刨花板摞的四个竖直角部的机械臂，把纸护角压紧在刨花板摞角部的压角杆；缠绕膜装置包括放卷装置、夹膜装置、旋转传输盘二；旋转传输盘二具有一个转动的底座和设置在底座上的用于带动刨花板摞移动的传动带；夹膜装置包括摆动设置在底座上的两个能够开合的夹条，用于夹紧或松开薄膜的自由端。
-
公开(公告)号：CN116448769B
公开(公告)日：2024-06-11
申请号：CN202310522824.4
申请日：2023-05-10
Applicant: 南京林业大学
Abstract: 本发明公开了一种多模态信息融合的板材缺陷检测系统及其检测方法，检测系统包括壳体、多模态信息采集模块、多模态信息处理模块、传送模块；具体包括LED光源、高光谱相机、深度相机、RGB相机、工控机、相机支架、黑色橡胶履带。板材通过履带进入遮光箱体，通过高光谱信息、深度信息、RGB图像采集，将信息数据传入工控机，通过对板材多模态信息的算法处理，快速得出检测结果。本发明可以实现对板材的缺陷位置及分类、厚度、含水率在线检测，极大地提高了检测速度与精度。
-
公开(公告)号：CN116448769A
公开(公告)日：2023-07-18
申请号：CN202310522824.4
申请日：2023-05-10
Applicant: 南京林业大学
Abstract: 本发明公开了一种多模态信息融合的板材缺陷检测系统及其检测方法，检测系统包括壳体、多模态信息采集模块、多模态信息处理模块、传送模块；具体包括LED光源、高光谱相机、深度相机、RGB相机、工控机、相机支架、黑色橡胶履带。板材通过履带进入遮光箱体，通过高光谱信息、深度信息、RGB图像采集，将信息数据传入工控机，通过对板材多模态信息的算法处理，快速得出检测结果。本发明可以实现对板材的缺陷位置及分类、厚度、含水率在线检测，极大地提高了检测速度与精度。
-
公开(公告)号：CN115014748B
公开(公告)日：2023-05-23
申请号：CN202210607619.3
申请日：2022-05-31
Applicant: 南京林业大学
IPC: G01M13/003 , G01H17/00 , G06F18/10 , G06F18/213 , G06F18/24 , G06N3/08 , G06N3/0464
Abstract: 本发明公开了一种用于籽棉分选喷阀的故障诊断方法，属于设备故障检测技术领域，该方法采集振动信号，利用傅里叶变换实时计算在多个不同位置采集到的振动数据主要成分，记录这些主要成分的周期；获得校正以及去噪后的信号；将去噪后的信号按其各主成分周期打断后排列，形成输入张量；将去噪后的信号作为训练数据对特征提取和分类网络进行训练利用训练后的分类网络进行分类，得出喷阀阵列的具体故障情况。本发明能够加大采样频率以获得更高的准确率；借用图像处理领域的深度可分离卷积思想，达到隔离各位置采集的振动特征的目的；设置周期超参数，有依据地确定该参数值，相比其他模型更具可解释性和用于不同籽棉异纤分选机的针对性。
-
Patent Agency Ranking
公开(公告)号：CN114937190B
公开(公告)日：2023-05-16
申请号：CN202210607648.X
申请日：2022-05-31
Applicant: 南京林业大学
Abstract: 本发明公开了一种用于籽棉开松有效性的判别方法及系统，属于杂质分选与深度学习技术领域，该方法利用线阵相机和3D深度相机获取籽棉异纤除杂生产线中开松后的籽棉图像及三维信息，将线扫描图像数据与线扫描3D深度数据进行对齐和融合，在图像识别的基础上通过3D深度数据额外获取棉花成团表面深度信息，结合开松机振动数据，判断开松的有效性。本发明将线扫描图像数据与线扫描3D深度数据进行对齐和融合，同时采集开松机的振动数据，提高判别准确率，在相同采样率和采样长度的情况下有效降低对计算机硬件的性能要求，有利于降低运行和维护成本。
-
公开(公告)号：CN115014748A
公开(公告)日：2022-09-06
申请号：CN202210607619.3
申请日：2022-05-31
Applicant: 南京林业大学
IPC: G01M13/003 , G01H17/00 , G06K9/00 , G06N3/04 , G06N3/08
Abstract: 本发明公开了一种用于籽棉分选喷阀的故障诊断方法，属于设备故障检测技术领域，该方法采集振动信号，利用傅里叶变换实时计算在多个不同位置采集到的振动数据主要成分，记录这些主要成分的周期；获得校正以及去噪后的信号；将去噪后的信号按其各主成分周期打断后排列，形成输入张量；将去噪后的信号作为训练数据对特征提取和分类网络进行训练利用训练后的分类网络进行分类，得出喷阀阵列的具体故障情况。本发明能够加大采样频率以获得更高的准确率；借用图像处理领域的深度可分离卷积思想，达到隔离各位置采集的振动特征的目的；设置周期超参数，有依据地确定该参数值，相比其他模型更具可解释性和用于不同籽棉异纤分选机的针对性。
-
公开(公告)号：CN114817609A
公开(公告)日：2022-07-29
申请号：CN202210396144.8
申请日：2022-04-15
Applicant: 南京林业大学
IPC: G06F16/583 , G06F16/51 , G06V10/56 , G06V10/764 , G06K9/62
Abstract: 本发明公开了一种基于提升树的实木地板颜色的自动排序方法，包括：采集多张实木地板表面图像并预处理；对实木地板图像进行颜色空间变换；建立实木地板图像的颜色深浅序列；设定每张实木地板图像颜色深度值；提取实木地板图像的颜色特征向量；建立实木地板颜色回归树数学模型并对其参数进行调优；通过最优回归树数学模型计算得到待测实木地板图像的颜色深度值；根据实木地板图像的颜色深度值的大小将实木地板图像的颜色进行在线排序。本发明以初步建立实木地板颜色深浅序列为先验知识，提取实木地板颜色特征向量，然后使用梯度提升决策树对实木地板颜色特征向量进行回归，实现实木地板颜色的无级分类，同时，还能实现实木地板颜色深浅自动排序。
-
公开(公告)号：CN114377997A
公开(公告)日：2022-04-22
申请号：CN202210035385.X
申请日：2022-01-12
Applicant: 南京林业大学
Abstract: 本发明公开一种基于COMS和高光谱相机的杆状物分选装置及方法，属于物料分选技术领域，包括进料装置、传送装置、超高速图像预处理单元、工控机、喷阀控制单元和多级分选装置，相机采集物料图像，图像经超高速图像预处理单元处理后，发送至工控机，工控机通过迁移学习算法提取图片特征，使用实例分割算法分析特征图片得到物料中杆状物及异物的特点、位置信息，对物料中杆状物及异物进行识别分割，完成杆状物的分选工作。本发明将分选系统模块化，根据不同物料，自行搭配使用；CMOS工业线阵相机及高光谱相机通过深度学习的方法对图像进行识别分割可以提升杆状物识别的准确率，实现精准分选，成功的解决了人工分选的低精度、高成本的难题。
-
公开(公告)号：CN112836658A
公开(公告)日：2021-05-25
申请号：CN202110171838.7
申请日：2021-02-08
Applicant: 南京林业大学
Abstract: 本发明公开一种基于迁移学习和稀疏损失函数的人脸识别方法，其特征在于：包括人脸数据库，该人脸数据库采用深度图像的组合，作为孪生神经网络模块的输入；孪生神经网络模块，该孪生神经网络模块中设置有卷积神经网络，用于提取人脸数据库输入的人脸的特征向量；将孪生神经网络模块提取到的人脸的特征向量，通过误差损失函数来计算输出的人脸特征向量的误差，并对孪生神经网络模块进行训练，使整个模型的误差越来越小。本发明通过孪生神经网络模块对这些组合进行训练，设计了新的稀疏损失函数，无论在正样本还是负样本的情况下，计算的误差将会在一定范围内，并且设计了边界参数，使得负样本的误差在边界之内，因此可快速准确的对人脸进行识别。
-
-
-
-
-
-
-
-
-
Search Results
157
records
(took 0.037 seconds)
