一种基于智能终端的裂缝检测方法

    公开(公告)号:CN109816636B

    公开(公告)日:2020-11-27

    申请号:CN201811653343.2

    申请日:2018-12-28

    Applicant: 汕头大学

    Abstract: 本发明实施例公开了一种基于智能终端的裂缝检测方法,所述方法包括:创建基于深度学习的道路裂缝图像的训练集和验证集;利用训练集和验证集训练深度神经网络大模型;将训练好的深度神经网络大模型利用蒸馏方法指导新建的深度神经网络小模型进行训练,得到深度神经网络小模型的输出结果;对深度神经网络小模型进行剪枝,得到剪枝后的深度神经网络模型;利用TensorFlow Lite将剪枝后的深度神经网络模型迁移到智能终端上;将智能终端中的道路裂缝图像导入到剪枝后的深度神经网络模型中进行检测,并输出裂缝图像。本发明方法可准确地自动对裂缝进行检测,具有检测过程简单,检测效率高,劳动强度低,便于携带,可操作性强等优点。

    一种基于深度卷积神经网络的钢筋端面识别方法

    公开(公告)号:CN109815950B

    公开(公告)日:2020-08-21

    申请号:CN201811618063.8

    申请日:2018-12-28

    Applicant: 汕头大学

    Abstract: 本发明实施例公开了一种基于深度卷积神经网络的钢筋端面识别方法,包括:采用滑动窗遍历剪裁出钢筋端面区域图像和非钢筋端面区域图像;建立所述区域图像的图像库并将图像库中的图像分为训练样本和测试样本;将训练样本用于深度卷积神经网络的训练,并确定所述深度卷积神经网络中的学习参数;训练好所述卷积神经网络后,在所述用来测试的钢筋端面原始图像上采用滑动窗进行遍历,并将每一次遍历后的结果输送到训练好的所述卷积神经网络进行识别;在识别出的钢筋端面上标记红点,然后对所标记的红点进行聚类,找到所述识别出的端面的中心,并标记到所述用来测试的原始图像上。本发明充分利用深度卷积神经网络的较强的特征学习能力,从而高效准确的识别钢筋端面。

    一种基于卷积神经网路的中华白海豚背鳍识别方法

    公开(公告)号:CN110837818A

    公开(公告)日:2020-02-25

    申请号:CN201911128813.8

    申请日:2019-11-18

    Applicant: 汕头大学

    Abstract: 本发明公开了一种基于卷积神经网络的中华白海豚背鳍识别方法,所述方法包括:构建带有位置框和识别标签的中华白海豚背鳍图像库,并划分为训练样本和测试样本;训练一个用于定位背鳍区域的卷积神经网络;分别训练用于识别背鳍左右侧、背鳍图像质量和背鳍所属个体的三个卷积神经网络;通过用于定位的卷积神经网络定位出测试样本中图像的背鳍区域;通过三个用于识别的卷积神经网络分别识别背鳍区域,并输出背鳍左右侧、背鳍图像质量和背鳍所属个体的识别结果。本发明充分利用卷积神经网络的特征学习能力,可以高效准确地实现对中华白海豚背鳍的自动化识别,有助于海洋生物学家分析中华白海豚的个体习性和种群特性。

    跟随机器人
    84.
    发明公开

    公开(公告)号:CN110815174A

    公开(公告)日:2020-02-21

    申请号:CN201910958819.1

    申请日:2019-10-10

    Applicant: 汕头大学

    Abstract: 本发明公开了一种跟随机器人,包括机器人本体、避障模块、目标检测模块和行走组件,机器人本体包括底盘、支撑结构和主控制器;避障模块包括测距传感器,测距传感器设于底盘上,测距传感器与主控制器电性连接;目标检测模块包括摄像装置,摄像装置设于支撑结构顶部,摄像装置与主控制器电性连接;行走组件包括至少三个全向轮和至少三个第一电机,所有全向轮分别由单独的第一电机驱动,所有第一电机分别与主控制器电性连接。通过设置摄像装置于支撑结构顶部,摄像装置不易被阻挡,不易丢失跟随目标;同时,通过设置包括全向轮的行走组件,本发明在直线行走或曲线行走时摄像装置均能对准跟随目标,不易丢失跟随目标。

    一种基于深度学习的智能抓取系统及方法

    公开(公告)号:CN108908334A

    公开(公告)日:2018-11-30

    申请号:CN201810801897.6

    申请日:2018-07-20

    Applicant: 汕头大学

    Abstract: 本发明公开了一种基于深度学习的智能抓取系统,包括一多自由度的机械臂、末端执行器、立体视觉设备、WIFI中继模块和工控机。本发明还公开了一种基于深度学习的智能抓取方法,通过训练深度学习的神经网络模型,结合图像处理技术,识别出目标物体在三维空间中的位置及物体种类,然后控制该机械臂对目标物体进行抓取。采用本发明能极大地提高目标物体识别率及定位准确率,适合复杂场景下的物体抓取任务。

    一种基于深度图像的视觉抓取方法、装置及其可读存储介质

    公开(公告)号:CN107748890A

    公开(公告)日:2018-03-02

    申请号:CN201710811456.X

    申请日:2017-09-11

    Applicant: 汕头大学

    CPC classification number: G06K9/6269 G06K9/4642 G06K9/4652 G06K9/6218

    Abstract: 本发明实施例公开了一种基于深度图像的视觉抓取方法、装置及其可读存储介质,其中方法通过深度摄像机Kinect来获取点云图像,通过RANSAN随机抽样一致算法和欧几里德聚类算法来对得到的点云图像进行分割,将需要识别的目标物体分割出来;再分别提取物体的三维全局特征和颜色特征,并融合成一个新的全局特征;利用各物体新的全局特征对多分类支持向量机SVM分类器进行离线训练,再利用已训练好的多分类支持向量机SVM分类器根据新的全局特征进行识别该目标物体的类别;然后确定目标物体的类别和目标物体的抓取位置,最后根据目标物体的类别和目标物体的抓取位置,控制机械臂和手爪将目标物体抓取并放至指定位置。利用本发明能够精准的识别并抓取目标物体。

    一种构建多楼层三维地图的方法

    公开(公告)号:CN107665503A

    公开(公告)日:2018-02-06

    申请号:CN201710749926.4

    申请日:2017-08-28

    Applicant: 汕头大学

    Abstract: 本发明提供了一种基于二维地图下利用大气压构建多楼层三维地图的方法,通过一安装有车轮编码器、激光测距仪、Kinect传感器和气压传感器的移动机器人来实施,包括:获得激光测距仪的输出数据,构建各个楼层的二维地图,并记录下扩展卡尔曼滤波后的气压传感器的气压值;利用二维地图进行自主导航,同时获得该移动机器人的位姿以及位姿变换矩阵;在自主导航的同时,利用Kinect传感器获取室内环境的彩色图像和深度图像,并利用该移动机器人在不同时刻的位姿变换矩阵作为Kinect传感器在不同时间采集图像时的运动变换矩阵,构建各个楼层的三维点云地图;根据各个楼层气压值计算出各个楼层的高度差,完成多楼层地图拼接。利用本发明可以快速得到准确的三维地图。

    一种物流产品自动计数及控制设备

    公开(公告)号:CN206767020U

    公开(公告)日:2017-12-19

    申请号:CN201720027159.1

    申请日:2017-01-11

    Applicant: 汕头大学

    Inventor: 姚利 范衠 朱贵杰

    Abstract: 本实用新型实施例公开了一种物流产品自动计数及控制设备,包括第一传送装置、第二传送装置、斜坡装置、计数装置、控制装置,所述第一传送装置的输出端与所述斜坡装置的上端入口处相承接,所述第二传送装置与所述斜坡装置的出口处相承接,所述计数装置设置于所述入口处,所述计数装置为激光对管计数传感器或红外对管计数传感器,所述控制装置与所述计数装置电连接,并控制所述第一传送装置的输送速度。采用本实用新型,实现产品的自动计数,解决人力计数效率低下的问题,采用控制装置可以防止在生产过程中出现产品积压问题,利用智能终端可以可视化的对产品进行计数设定并查看产品的生产数据,从而便于生产线上产品的生产管理。

Patent Agency Ranking