-
公开(公告)号：CN115236206A
公开(公告)日：2022-10-25
申请号：CN202210782948.1
申请日：2022-06-30
Applicant: 江南大学
Abstract: 本发明实施例提供一种基于多路径匹配追踪算法改进的高频超声去噪方法及系统。该方法包括：获取待测样品的高频超声检测信号；根据所述高频超声检测信号构建离散过完备字典，并对所述离散过完备字典进行训练；利用训练好的字典，通过多路径匹配追踪算法重构所述高频超声检测信号并得到全局最优原子；对所述全局最优原子进行插值，构建连续原子库；在所述连续原子库中根据全局最优原子的参数，重构高频超声检测信号，完成信号去噪。本发明提高高频超声信号的信噪比和检测精度，可以更有效的观察到样品内部微缺陷的反射信号及位置。
-
公开(公告)号：CN113450344B
公开(公告)日：2022-05-13
申请号：CN202110814180.7
申请日：2021-07-19
Applicant: 江南大学
IPC: G06T7/00 , G06V10/774 , G06V10/764 , G06V10/82 , G06K9/62 , G06N3/04 , G06N3/08
Abstract: 本发明涉及一种带钢表面缺陷检测方法及系统，包括以下步骤：获取带钢表面缺陷样本；构建基于残差优化的改进ACGAN模型；训练改进ACGAN模型的判别器网络和生成器网络，获得判别器和生成器的判别损失和分类损失；在判别器中引入梯度惩罚机制，优化判别器网络模型参数，获得优化后的判别器网络模型；将生成器判别损失和分类损失相结合，更新生成器网络模型参数，获得优化后的生成器网络模型；迭代以使得生成器和判别器达到纳什平衡，改进ACGAN模型收敛到最佳；将测试集数据输入至优化后的改进ACGAN模型，实现带钢表面缺陷检测。其提高ACGAN模型的训练稳定性，极大程度的提高小样本环境下带钢表面缺陷检测的准确性。
-
公开(公告)号：CN111239137B
公开(公告)日：2021-09-10
申请号：CN202010019933.0
申请日：2020-01-09
Applicant: 江南大学
Abstract: 本发明提供一种基于迁移学习与自适应深度卷积神经网络的谷物质量检测方法，涉及机器视觉与谷物质量检测领域，该方法包括：采集源领域以及目标领域下的谷物样本图像，其中包括合格谷物的样本图像与带有缺陷的谷物的样本图像，选择深度卷积神经网络CNN模型识别缺陷，利用源领域训练好的模型参数初始化CNN模型，并引入迁移学习算法利用源领域样本辅助目标领域样本完成目标领域谷物的质量检测。在CNN模型的训练中提出自适应学习率，并引入二次函数与正态分布模型分别采取梯度下降与梯度上升的方式更新模型参数，优化模型损失。该方法能够提高CNN模型的训练性能，自适应领域的变化，极大程度的提高谷物质量检测的准确性。
-
公开(公告)号：CN111609878A
公开(公告)日：2020-09-01
申请号：CN202010524010.0
申请日：2020-06-10
Applicant: 江南大学
IPC: G01D18/00
Abstract: 本发明公开了一种三自由度直升机系统传感器运行状态监测方法，包括以下步骤，计算出传感器的测量噪声协方差矩阵的估计值；分析所述传感器的测量噪声协方差矩阵估计值，判断出所述传感器的运行状态是否正常：若所述传感器的测量噪声协方差矩阵估计值偏离所述传感器的标称值范围，判断出所述传感器的运行状态不正常；若所述传感器的测量噪声协方差矩阵估计值包含在所述传感器的标称值范围内，判断出所述传感器的运行状态正常。本发明的三自由度直升机系统传感器运行状态监测方法，通过对测量噪声协方差矩阵的准确估计，来实时监测传感器工作状态，以保证系统安全稳定运行。
-
公开(公告)号：CN111340702A
公开(公告)日：2020-06-26
申请号：CN202010112518.X
申请日：2020-02-24
Applicant: 江南大学
Abstract: 本发明公开了基于盲估计的微小缺陷高频超声显微成像的稀疏重构方法，涉及图像处理技术领域，该方法包括：利用高频超声显微探头获取待测样品的C扫图像，通过图块聚类和协同滤波对C扫图像进行去噪,根据最大后验概率从去噪后的C扫图像中估计出点扩散函数，最后基于l1正则化对理想C扫图像进行稀疏重构，获得最终高分辨率的图像。该方法增强了图像信噪比和分辨率，提高了声显微成像对微小缺陷的检测准确性，拓展了二维超声图像稀疏重构方法的实用性，同时对于微观缺陷的检测有很重要的意义，能够有效地推动微器件的可靠性的发展。
-
Patent Agency Ranking
公开(公告)号：CN109696718A
公开(公告)日：2019-04-30
申请号：CN201910183834.3
申请日：2019-03-12
Applicant: 江南大学
IPC: G02B5/20
Abstract: 本发明属于微纳光学器件技术领域，涉及一种机械可调的超构表面结构彩色滤波器，包括聚二甲基硅氧烷衬底和二氧化钛纳米棒周期阵列，二氧化钛纳米棒周期阵列包括二氧化钛纳米棒周期阵列A、二氧化钛纳米棒周期阵列B、二氧化钛纳米棒周期阵列C和二氧化钛纳米棒周期阵列D，四种二氧化钛纳米棒周期阵列分别单独固定在可拉伸的聚二甲基硅氧烷基底上表面。其中每一种阵列由相同的单元结构重复排列组成，每个单元结构包括一个二氧化钛纳米棒，其余空间均为空隙。本发明结构具有极强的光束缚效应，该彩色滤波器集成在一块几微米的柔性衬底上，结构简单、体积小，通过改变超表面的晶格常数实现彩色滤波的主动机械调节，且可连续实时调谐。
-
公开(公告)号：CN108982645A
公开(公告)日：2018-12-11
申请号：CN201810816857.9
申请日：2018-07-24
Applicant: 江南大学
Abstract: 本发明涉及一种纳米镀膜工艺的集成式在线检测方法，将各在线检测设备通过不同的组合方式集成为满足不同测试需求的在线检测装置，对纳米镀膜工艺气相沉积反应过程中的输入量、输入组分、输出量和输出组分进行实时检测，通过定量输出装置的设置，对反应物混合气的质量和组分比例进行定量控制，采用椭偏仪、红外检测仪、石英晶体微天平以及质谱仪对纳米薄膜的厚度、质量、组分和反应后气体(或中间产物)的组分进行检测，从而获得纳米薄膜生长量、生长厚度以及反应后气体(或中间产物)的组分与定量输入的反应物混合气质量的关系，为进一步探索纳米镀膜工艺化学反应和物质交换的定量规律提供数据支撑。
-
公开(公告)号：CN106442711A
公开(公告)日：2017-02-22
申请号：CN201610649995.3
申请日：2016-08-08
Applicant: 江南大学
IPC: G01N27/90
Abstract: 本发明提供了一种基于涡流反射与透射的无损检测方法，本方法利用常规涡流的反射作用和远场涡流的透射作用对铁磁性试件的表面缺陷和深层缺陷同时进行检测，用于识别表面与内部缺陷且能定量分析，有效解决了单纯远场涡流检测方法不能有效区分铁磁性试件内外缺陷，而常规涡流不能解决深层缺陷检测问题。检测过程中，当涡流传感器沿试件表面移动时，激励线圈对试件进行饱和磁化，同轴检测线圈用于检测试件表面缺陷，激励线圈外的磁屏蔽罩将直接耦合信号屏蔽，远场涡流检测线圈所拾取的为表面和深层缺陷信号。后续的信号进入锁相放大器模块、信号调理模块，由数据采集卡采集处理后的信号在PC机显示，实现铁磁性试件内外缺陷的分类识别与定量分析。
-
公开(公告)号：CN105643594A
公开(公告)日：2016-06-08
申请号：CN201410625211.4
申请日：2014-11-07
Applicant: 江南大学
IPC: B25J9/00
Abstract: 本发明属于机器人领域，特别涉及一种空间解耦混联机构。其主要包括一个两分支并联机构(1T1R)和连接在并联机构下端固定导轨1T以及连接其上端的串联分支三1T1R。两分支并联机构由底平台、动平台、以及连接动平台和底平台的两个分支组成；固定导轨通过移动副与底平台连接；分支一由一个移动副和一个转动副组成；分支二由一个平行四边形铰链和三个转动副组成；动平台串接分支三由一个移动副和一个转动副组成。本发明实现三移两转功能、结构简单、操作空间大、运动解耦，易于控制。
-
公开(公告)号：CN104526688A
公开(公告)日：2015-04-22
申请号：CN201510032675.9
申请日：2015-01-20
Applicant: 江南大学
IPC: B25J9/00
Abstract: 本发明属于机器人领域，特别涉及一种空间解耦混联机构。其主要由一个(2T)并联机构串联一个(2R)并联机构组成。(2T)并联机构由底平台、中间平台和连接这两个平台的两个分支组成，(2R)并联机构由动平台、中间平台和连接这两个平台的两个分支。其中，分支一是由一个中心线垂直于底平台的移动副和两个轴线相互平行的转动副及连接运动副的两个连杆组成；分支二由一个圆柱副和两个轴线心线相互平行的转动副及连接各运动副的两个连杆组成；分支三由一个移动副和三个转动副及连接他们的三个连杆组成；分支四是由一个轴线垂直于中间平台的圆柱副和一个转动副及连接它们的两个连杆组成。本发明中(2T)并联机构能够实现垂直于定平台二维移动，(2R)并联机构实现两转，(2T)&(1T1R)混联机构最终能够实现两移两转功能，具有结构稳定、刚性好、运动解耦、容易控制、动态性能好等优点。
-
-
-
-
-
-
-
-
-
Search Results
116
records
(took 0.026 seconds)
