-
公开(公告)号：CN113192058A
公开(公告)日：2021-07-30
申请号：CN202110561202.3
申请日：2021-05-21
Applicant: 中国矿业大学(北京)
Abstract: 本发明公开了一种基于计算机视觉的砖垛智能装车系统及其装车方法，包括图像采集模块、视觉识别模块、控制模块、执行模块。图像采集模块通过工业相机采集砖垛和车厢的实时图像，通过采集的图像，视觉识别模块获取砖垛和车厢的位姿信息，控制模块处理实时的位姿信息，控制执行模块逐层抓取砖垛放置到货车车厢中。本发明通过视觉识别模块对砖垛和车厢位置进行精准识别，控制执行模块逐层将砖垛抓取放置到车厢的预定位置，该方法解决了现有技术中以人工进行砖垛的搬运装车时，存在效率低下、装车成本高、工人劳动强度大的问题。
-
Patent Agency Ranking
公开(公告)号：CN119091156B
公开(公告)日：2025-02-25
申请号：CN202411099972.0
申请日：2024-08-12
Applicant: 中国矿业大学(北京)
IPC: G06V10/44 , G06V10/52 , G06V10/26 , G06V10/75 , G06V10/82 , G06N3/0464 , G06N3/0455
Abstract: 本发明公开了一种煤泥浮选泡沫图像的静态特征提取方法，包括：获取煤泥浮选泡沫视频，并对若干帧图像进行人工点标注，生成与图像分辨率相同的二维矩阵。通过高斯核对点集进行卷积平滑，生成泡沫绵密度图谱，并对其进行标准化处理。设计并训练一个密度回归网络，以预测煤泥浮选泡沫的绵密程度并实现区域划分。将显著气泡的二值边缘图转换为边缘置信度图谱，设计并训练一个边缘回归网络，利用自适应断点续连算法优化边缘预测结果，得到完整的显著气泡边缘信息。最终，结合密度图谱和边缘回归图谱，提取并分析泡沫的密度、边界及其空间分布特征。本发明能够全面提取煤泥浮选泡沫图像的静态特征，为浮选过程的监控和优化提供有效支持。
-
公开(公告)号：CN114399066B
公开(公告)日：2023-04-18
申请号：CN202210045220.0
申请日：2022-01-15
Applicant: 中国矿业大学(北京)
IPC: G06Q10/20 , G06Q10/04 , G06N3/0455 , G06N3/0442 , G06N3/0895
Abstract: 本发明公开了一种基于弱监督学习的机械设备预知性维护系统和维护方法，多源异构数据融合模块对原始工况数据关联分析进行融合，增加数据完整性；数据重构模块结合工况优化数据空间分布，经过特征选择制作弱标签数据集；故障检测模块基于弱监督学习，对序列型工况数据建模；实时预测通过对实时工况数据拉取并处理原始数据，输入到训练好的模型，达到预知性维护的目的；模型压缩模块通过对模型的优化，压缩至可边缘计算级，满足部署要求；分布式部署可实现设备的并行预测，同时对系统具有高度复用性与维护性。本发明更加高效便捷，减少了标注成本，解决了故障数据规模小，标注难的问题。
-
公开(公告)号：CN113192058B
公开(公告)日：2021-11-23
申请号：CN202110561202.3
申请日：2021-05-21
Applicant: 中国矿业大学(北京)
Abstract: 本发明公开了一种基于计算机视觉的砖垛智能装车系统及其装车方法，包括图像采集模块、视觉识别模块、控制模块、执行模块。图像采集模块通过工业相机采集砖垛和车厢的实时图像，通过采集的图像，视觉识别模块获取砖垛和车厢的位姿信息，控制模块处理实时的位姿信息，控制执行模块逐层抓取砖垛放置到货车车厢中。本发明通过视觉识别模块对砖垛和车厢位置进行精准识别，控制执行模块逐层将砖垛抓取放置到车厢的预定位置，该方法解决了现有技术中以人工进行砖垛的搬运装车时，存在效率低下、装车成本高、工人劳动强度大的问题。
-
公开(公告)号：CN119091156A
公开(公告)日：2024-12-06
申请号：CN202411099972.0
申请日：2024-08-12
Applicant: 中国矿业大学(北京)
IPC: G06V10/44 , G06V10/52 , G06V10/26 , G06V10/75 , G06V10/82 , G06N3/0464 , G06N3/0455
Abstract: 本发明公开了一种煤泥浮选泡沫图像的静态特征提取方法，包括：获取煤泥浮选泡沫视频，并对若干帧图像进行人工点标注，生成与图像分辨率相同的二维矩阵。通过高斯核对点集进行卷积平滑，生成泡沫绵密度图谱，并对其进行标准化处理。设计并训练一个密度回归网络，以预测煤泥浮选泡沫的绵密程度并实现区域划分。将显著气泡的二值边缘图转换为边缘置信度图谱，设计并训练一个边缘回归网络，利用自适应断点续连算法优化边缘预测结果，得到完整的显著气泡边缘信息。最终，结合密度图谱和边缘回归图谱，提取并分析泡沫的密度、边界及其空间分布特征。本发明能够全面提取煤泥浮选泡沫图像的静态特征，为浮选过程的监控和优化提供有效支持。
-
公开(公告)号：CN114399066A
公开(公告)日：2022-04-26
申请号：CN202210045220.0
申请日：2022-01-15
Applicant: 中国矿业大学(北京)
Abstract: 本发明公开了一种基于弱监督学习的机械设备预知性维护系统和维护方法，多源异构数据融合模块对原始工况数据关联分析进行融合，增加数据完整性；数据重构模块结合工况优化数据空间分布，经过特征选择制作弱标签数据集；故障检测模块基于弱监督学习，对序列型工况数据建模；实时预测通过对实时工况数据拉取并处理原始数据，输入到训练好的模型，达到预知性维护的目的；模型压缩模块通过对模型的优化，压缩至可边缘计算级，满足部署要求；分布式部署可实现设备的并行预测，同时对系统具有高度复用性与维护性。本发明更加高效便捷，减少了标注成本，解决了故障数据规模小，标注难的问题。
-
-
-
-
-
Search Results
6
records
(took 0.021 seconds)
