-
公开(公告)号：CN111831034A
公开(公告)日：2020-10-27
申请号：CN202010655630.8
申请日：2020-07-09
Applicant: 哈尔滨工程大学
Abstract: 本发明提供一种适于多个大棚保温棉毡起落及通风口调节的控制系统及方法，根据该系统及控制方法，种植户可根据大棚内栽培的不同植物，通过对比外界环境信息、棚内环境信息和棚内所栽种植物的最适宜的环境信息，调节通风口大小进而控制棚内环境信息，控制电机运转和停止实现大棚保温棉毡的起落。因此，用户可便捷高效，准确的管理多个大棚的保温棉毡起落和调节棚内环境信息。
-
公开(公告)号：CN111638218A
公开(公告)日：2020-09-08
申请号：CN202010408882.0
申请日：2020-05-14
Applicant: 哈尔滨工程大学
Abstract: 本发明属于无损检测技术领域，具体涉及一种涂层表面缺陷的检测方法。本发明首先利用光学成像无损检测设备采集含有涂层表面缺陷的图像；将采集到的涂层表面缺陷图像进行平滑滤波处理；将平滑滤波后的涂层表面缺陷图像进行色彩空间转换；对涂层表面缺陷特征进行提取；最后利用图像相似性检测算法将色彩空间转换后的涂层表面缺陷图像与涂层表面缺陷参考图之间进行相似性计算，通过比较相似性大小，确认涂层缺陷类型。本发明解决了现有技术中涂层表面缺陷的检测方法中检测的缺陷类型单一以及无法对涂层缺陷类型进行识别的技术问题。本发明可实现涂层表面缺陷检测，本发明具有检测自动化和涂层表面缺陷类型识别的功能，并且检测效率快，识别精度高。
-
Patent Agency Ranking
公开(公告)号：CN114384542B
公开(公告)日：2024-08-06
申请号：CN202111617238.5
申请日：2021-12-27
Applicant: 哈尔滨工程大学
IPC: G01S17/89 , G06T3/4038 , G06T5/70 , G06T5/50 , G06T7/33
Abstract: 本发明属于光谱成像信息采集技术领域，具体涉及一种全景光谱图像采集系统。本发明包括光谱采集模块、数据传输模块、光谱处理模块，能够在各类环境下通过多个采集平台实时采集目标本身及周围环境光谱图像的全景光谱图像采集系统。本发明可应用于遥感探测、环境信息感知等领域。能够准确、完整地在任意视角范围内采集目标对象的全景光谱图像并进行快速、可靠的信息传输，解决单一传感器由于距离、视角以及分辨率等因素，不能获取大范围、多视角高分辨率光谱图像的限制，为后续的光谱分析与解译工作提供有效、可靠且充分的光谱数据来源。
-
公开(公告)号：CN114863554A
公开(公告)日：2022-08-05
申请号：CN202210369930.9
申请日：2022-04-08
Applicant: 哈尔滨工程大学
Abstract: 本发明公开了一种基于深度学习模型的手语识别系统和方法，包括图像采集模块、嵌入式处理平台、显示模块、电源模块、人机交互模块。图像采集模块用于采集实时手语图像。嵌入式处理平台上部署已经完成训练的卷积神经网络模型，在使用时手语图像会输入至卷积神经网络模型中进行实时手语识别，并将识别结果传输至显示模块。显示模块用于显示识别出的手语信息。人机交互模块能够对手语识别系统进行操作，用以设置系统的运行参数、调整系统的运行状态。电源模块对组成系统的各硬件部分进行供电。该系统能够实现对26个英文字母手势目标的实时定位和识别，具有识别速度快、精度高、实时性强、功耗低、设备体积小、易于部署实现等特点。
-
公开(公告)号：CN114384542A
公开(公告)日：2022-04-22
申请号：CN202111617238.5
申请日：2021-12-27
Applicant: 哈尔滨工程大学
Abstract: 本发明属于光谱成像信息采集技术领域，具体涉及一种全景光谱图像采集系统。本发明包括光谱采集模块、数据传输模块、光谱处理模块，能够在各类环境下通过多个采集平台实时采集目标本身及周围环境光谱图像的全景光谱图像采集系统。本发明可应用于遥感探测、环境信息感知等领域。能够准确、完整地在任意视角范围内采集目标对象的全景光谱图像并进行快速、可靠的信息传输，解决单一传感器由于距离、视角以及分辨率等因素，不能获取大范围、多视角高分辨率光谱图像的限制，为后续的光谱分析与解译工作提供有效、可靠且充分的光谱数据来源。
-
公开(公告)号：CN112950584A
公开(公告)日：2021-06-11
申请号：CN202110226014.5
申请日：2021-03-01
Applicant: 哈尔滨工程大学
Abstract: 本发明提供一种基于深度学习的涂层表面缺陷识别方法，包括以下步骤：S1：选取特征提取网络；S2:设计倒金字塔型分类器；S3：构建识别模型；S4：使用优化调整后的训练方法训练识别模型；S5：对涂层表面缺陷进行识别。本发明提供的一种基于深度学习的涂层表面缺陷识别方法，能够在小样本情况下实现对涂层表面缺陷的快速高精度识别，在涂层表面缺陷自动化检测识别领域具有较好的使用前景。
-
公开(公告)号：CN112184838A
公开(公告)日：2021-01-05
申请号：CN202011072693.7
申请日：2020-10-09
Applicant: 哈尔滨工程大学
Abstract: 本发明一种基于颜色相关度的多背景迷彩图案主色提取方法，主要解决现有单一背景下迷彩图案主色提取方法难以满足多背景多地域迷彩伪装需求的问题。步骤包括：s1.选取待伪装区域的多张背景图像，图像预处理；s2.提取每张背景图像的背景主色，并计算所述背景主色的面积占比；s3.对每张背景图像的背景主色进行优先级排序，列出排序后的搜索路径；s4.根据颜色相关度度量函数选择搜索路径，进行背景主色配对；s5.对背景主色配对结果进行主色计算，得出最终的多背景迷彩图案主色和主色的面积占比。本发明方法计算复杂度低、实时性高，所提取的迷彩主色和背景颜色融合度高，能满足大区域动态环境下多背景迷彩图案设计精确主色提取的需要。
-
-
-
-
-
-
Search Results
17
records
(took 0.019 seconds)
