公开(公告)号：CN117415831A

公开(公告)日：2024-01-19

申请号：CN202311415840.X

申请日：2023-10-30

Applicant: 常州大学

Inventor： 邹凌 ,  朱堃 ,  吕继东 ,  李文杰

IPC: B25J11/00 ,  B25J9/16

Abstract: 本发明提供一种旨在提升净食率的智能助餐机器人控制方法及系统。旨在提升净食率的智能助餐机器人控制方法包括：基于颜色分割技术和深度学习模型对食物进行定位和识别处理，得到食物的位置和种类；根据食物的位置和种类，制定抓取运行轨迹和取食方式；根据抓取运行轨迹和取食方式执行助餐任务；通过视觉反馈系统获取助餐任务的单次执行结果；根据单次执行结果对抓取运行轨迹进行调整，直至完成助餐任务。本发明的旨在提升净食率的智能助餐机器人控制方法提高了机器人搬运食物的准确性和效率，为用户提供更好的用餐体验。

公开(公告)号：CN113837039A

公开(公告)日：2021-12-24

申请号：CN202111067533.8

申请日：2021-09-13

Applicant: 常州大学

Inventor： 吕继东 ,  许浩 ,  徐黎明 ,  李文杰 ,  邹凌 ,  戎海龙 ,  杨彪 ,  马正华

IPC: G06K9/00 ,  G06K9/44 ,  G06K9/62 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明涉及卷积神经网络技术领域，涉及一种基于卷积神经网络的果实生长形态视觉辨识方法，包括以下步骤：S1、图像采集：采集果园不同形态的果实图像，并对图像进行标注；S2、图像增强：将采集到的图像进行数据增强以扩充数据集；S3、搭建卷积神经网络模型；S4、使用SGD优化器对网络参数进行优化；S5、使用训练完的最优模型对测试集进行检测，给出每个目标的预测框、类别和置信度。本发明基于深度学习技术提出了果实生长形态的辨识方法，该方法与Faster‑RCNN、YOLO算法相比，有更高的识别准确率和更快的识别速度，同时模型参数量也更少。

公开(公告)号：CN106447023A

公开(公告)日：2017-02-22

申请号：CN201610691569.6

申请日：2016-08-18

Applicant: 常州大学

Inventor： 焦竹青 ,  王欢 ,  马凯 ,  邹凌 ,  李文杰

IPC: G06N3/00 ,  G06T5/00 ,  G06T7/10 ,  G06K9/62

CPC classification number: G06N3/004 ,  G06K9/6201 ,  G06K2209/05 ,  G06T5/002 ,  G06T5/006 ,  G06T2207/10088 ,  G06T2207/30016

Abstract: 本发明涉及一种基于模体结构的大脑默认网络有向连接分析方法。对大脑fMRI图像进行格式转换、预处理和低频滤波，并与标准分区模板匹配；对fMRI图像进行ALFF计算，提取相关脑区的时间序列进行Granger因果分析，构建默认网络；搜索网络中存在的模体结构，确定模体的种类及数量；根据p值、Z得分等指标判断模体在默认网络有向连接中的重要程度；计算模体中的节点度和模体平均距离，分析脑区在模体和默认网络中的作用及信息传递速率；对患者组与正常人组进行统计分析，通过模体分布情况找出默认网络有向连接的显著差异。该方法有助于区分脑疾病患者与正常人默认网络的功能性差异，对于脑疾病的诊断和治疗具有一定的参考价值。