基于多示例学习的视频人脸表情预检测方法

    公开(公告)号:CN108038434A

    公开(公告)日:2018-05-15

    申请号:CN201711262030.X

    申请日:2017-12-04

    申请人: 东南大学

    摘要: 本发明公开了一种基于多示例学习的视频人脸表情预检测方法,包括:(1)对训练样本和待测试样本的视频数据进行预处理,提取出视频中每帧图像的人脸面部区域;(2)采用LBP描述子对预处理得到的每帧图像的人脸面部区域进行特征抽取,得到每帧图像的特征向量;(3)根据训练样本的特征向量,基于多示例学习,采用扩展的结构化输出支持向量机,求解表情预检测函数;(4)使用步骤(3)中得到的预检测函数,根据步骤(2)的待测试样本的特征向量,进行人脸表情预检测,得到表情预检测结果。本发明可以实时监测表情,识别率高。

    一种钢铁辊系位置检测装置及方法

    公开(公告)号:CN107816980A

    公开(公告)日:2018-03-20

    申请号:CN201710933419.6

    申请日:2017-10-10

    申请人: 东南大学

    发明人: 魏海坤 王兆嘉

    IPC分类号: G01C15/00

    摘要: 本发明公开了一种钢铁辊系位置检测装置及方法,该装置包括全站仪、参考地标及标杆,所述标杆包括标杆臂、棱镜、滑块及真空吸盘,所述全站仪架设于参考地标及待测辊轴的一侧,所述棱镜固定连接在标杆顶部,标杆臂沿滑块上下移动,通过定位销定位,滑块固定连接在真空吸盘上。本发明的优点是整套测量装置能够实现单辊及辊系多项参数指标同时检测,且采用自适应阈值调整算法,提高了传统空间圆拟合算法的准确性及拟合速度,能够用于指导辊系校准,大大提高产品的产能、质量和效益。

    一种用于多个惯性测量设备的自动校准装置及校准方法

    公开(公告)号:CN107421563A

    公开(公告)日:2017-12-01

    申请号:CN201710407087.8

    申请日:2017-06-02

    申请人: 东南大学

    IPC分类号: G01C25/00

    CPC分类号: G01C25/005

    摘要: 本发明公开了一种用于多个惯性测量设备的自动校准装置及校准方法,包括校准盒、校准盒内的电路板、校准盒体上的位置传感器、校准盒底部的横滚电机轴孔、与横滚电机轴孔相适配的横滚电机、容纳横滚电机的横滚电机卡槽、安装在横滚电机卡槽侧面的曲轴连臂、航向电机、容纳航向电机的航向电机卡槽以及用于支撑航向电机卡槽的底座;电路板上设有多个与惯性测量设备相适配的USB公口,所述曲轴连臂的端头设有航向电机轴孔,所述航向电机轴孔与航向电机相适配;本发明不仅解决了多个惯性测量设备难以统一存放、充电、校准的问题,减少了重复性操作,还进一步解决了手动校准时误操作及成功率低的问题。

    安卓手机功能自动测试系统及方法

    公开(公告)号:CN106027729A

    公开(公告)日:2016-10-12

    申请号:CN201610289333.X

    申请日:2016-05-05

    申请人: 东南大学

    IPC分类号: H04M1/24

    CPC分类号: H04M1/24

    摘要: 本发明公开了一种安卓手机功能自动测试系统及方法,包括上位机和检测箱,所述上位机通过蓝牙通信方式与检测箱连接,待测的手机与上位机通过局域网连接,手机进入检测箱后,检测箱依据上位机的指令获取手机的参数对手机进行检测。本发明降低了手机出厂功能测试过程中的人为参与度,提高各功能检测环节的自动化程度,本发明的测试对象为即将出场的整机,因此对每部分所做的测试都是面向普通用户的基础功能性测试,经过测试,每部手机检测时间平均为50s,误检率低于0.5%。提高了生产效率。

    基于构造-剪枝混合优化RBF网络的煤灰熔点预测方法

    公开(公告)号:CN101968832A

    公开(公告)日:2011-02-09

    申请号:CN201010521088.3

    申请日:2010-10-26

    申请人: 东南大学

    IPC分类号: G06F19/00 G06N3/08

    摘要: 本发明公开一种基于构造-剪枝混合优化RBF网络的煤灰熔点预测方法,其特征在于:该方法分为“粗调”和“精调”两个阶段,粗调阶段按照以使能量函数最小为原则动态增加隐节点数目,选取相应的样本输入作为数据中心,直至隐节点数满足停止准则时停止;精调阶段用Gaussian正则化方法对粗调得到的RBF网络的结构和参数作进一步调整;基于煤灰的化学组成成分建立相应的构造-剪枝混合优化RBF网络,并以该网络预测煤灰熔点。本发明给出的构造-剪枝混合优化算法(CPHM),有效地融合了构造算法和剪枝算法的优点,不仅能动态调节RBF网络的隐节点数,还能使网络的数据中心自适应变化;具有较小的结构、较好的泛化能力和较强的鲁棒性。

    一种适用于极地的光伏发电系统设计方法及系统

    公开(公告)号:CN118094834A

    公开(公告)日:2024-05-28

    申请号:CN202410224856.0

    申请日:2024-02-29

    申请人: 东南大学

    IPC分类号: G06F30/18

    摘要: 本发明公开了一种适用于极地的光伏发电系统设计方法及系统,包括:生成辐照度时间序列;设定单块太阳能电池组件的俯仰角集合;设定组合单元集合,计算当前俯仰角下,每种组合单元的耦合平均日功率曲线,直至遍历完组合单元集合;选取最小组合单元;得到每种俯仰角对应的最小组合单元;选取耦合平均日功率最大的最小组合单元作为最优组合单元;根据需要将多个最优组合单元进行拓扑连接,得到光伏发电系统。本发明方法考虑一种最小的组合单元方便极地现场的安装,同时输出平稳的日出力曲线,设计的光伏发电系统出力相比于一般的方法更加平滑且平均功率较高,降低了弃光率提高了光伏的使用率,并降低了不一致性带来的效能损失。

    一种远景与近景图像结合的光伏组件定位与匹配方法

    公开(公告)号:CN112101118B

    公开(公告)日:2024-05-24

    申请号:CN202010831330.0

    申请日:2020-08-18

    申请人: 东南大学

    IPC分类号: G06V20/10 G06V10/75 G06T7/73

    摘要: 本发明公开一种远景与近景图像结合的光伏组件定位与匹配方法,包括以下步骤:建立光伏电站的三维模型;拍摄远景图像与近景图像;在远景图像中识别光伏组件,选择特征点;根据拍摄点的GPS信息和相机姿态信息,以及光伏电站的三维模型,计算特征点的位置信息;根据特征点的位置信息,校正拍摄点的位置信息;将近景图像与远景图像的相应区域进行匹配;在近景图像中检测异常的光伏组件,在光伏电站的三维模型中进行定位与匹配。本发明充分结合远景图像的光伏组件分布信息,以及近景图像的光伏组件局部信息,有效实现了光伏组件的定位与匹配,可以用于光伏电站无人机拍摄巡检。

    一种全向运动平台上用户定位的装置和方法

    公开(公告)号:CN116660863A

    公开(公告)日:2023-08-29

    申请号:CN202310447592.0

    申请日:2023-04-24

    申请人: 东南大学

    IPC分类号: G01S7/481

    摘要: 本发明公开了一种全向运动平台上用户定位的装置和方法,针对在全向跑步机上集成定位系统所面临的测量机构对于安装位置和角度变化敏感、可拓展性差等问题,本发明通过使用在平台坐标系中三维空间坐标已知的特征标记点、摄像头、无源追踪物,实现了对用户在平台坐标系中的精确定位,且定位过程的抗干扰能力强,不会受到用户运动带来的震动,冲击造成的影响,即便摄像头平移或其安装角度发生了旋转,仍能够对用户进行准确的定位。通过佩戴载体及无源定位点构成的无源追踪物,不会受到电池容量的限制,且进行测量点位拓展成本低。使用摄像头能够在近距离完成对标记点及定位点捕捉,因此可以实现高度集成,实现全向跑步机的小型化,并足够精简。

    一种融合图像特征与GPS信息的光伏电站全景拼接方法

    公开(公告)号:CN116452421A

    公开(公告)日:2023-07-18

    申请号:CN202310424263.4

    申请日:2023-04-19

    申请人: 东南大学

    摘要: 本发明公开一种融合图像特征与GPS信息的光伏电站全景拼接方法,包括以下步骤:拍摄光伏电站的局部图像;识别图像中的光伏组件,提取特征点,矫正透视形变;读取图像的GPS信息,对纬度与经度进行聚类,根据簇中心的位置,将局部图像与光伏阵列进行匹配;根据光伏组件的尺寸与安装角度,计算光伏组件的投影长度与投影宽度;根据组件间距与阵列间距,将实际距离转换为像素距离,计算各个组件在全景拼接图中的位置。本发明融合了图像中的光伏组件特征与拍摄点的GPS信息,有效实现了光伏电站的全景拼接,可以用于无人机巡检、光伏组件的智能诊断与可视化。

    一种基于本征特征迁移的深度模型压缩方法

    公开(公告)号:CN111144456B

    公开(公告)日:2023-07-18

    申请号:CN201911276620.7

    申请日:2019-12-13

    申请人: 东南大学

    摘要: 本发明涉及一种基于本征特征迁移的深度模型压缩方法,所述方法包括以下步骤:基于奇异值分解方法,将老师深度模型中的一组特征图进行分解,提取老师深度模型中的本征特征图组;将学生深度模型中的一组特征图与老师深度模型中的本征特征图组进行对齐;基于奇异值计算各本征特征图的权重;通过最小化学生深度模型中特征图组和老师深度模型中本征特征图组的加权差值,将老师深度模型中的本征特征迁移给学生深度模型,从而提高学生深度模型的性能。本发明提取老师深度模型中最本质的本征特征图,并有效迁移给学生深度模型,有助于提高深度模型压缩的精度,获得高性能的学生深度模型。