-
公开(公告)号：CN116740001A
公开(公告)日：2023-09-12
申请号：CN202310624369.9
申请日：2023-05-29
Applicant: 华南理工大学
IPC: G06T7/00 , G06V10/764 , G06V10/82 , G06V10/80 , G06V10/32 , G06V10/40 , G06N3/0464 , G06N3/048
Abstract: 本发明公开了一种激光选区熔化缺陷在线监测方法，该方法包括下述步骤：采集零件铺粉、激光扫描后的图像，剪裁成单个零件图像；预处理后的单个零件图像经降采样得到第一特征图；构建零件缺陷参数向量，在一维格式线性扩展、排列为二维格式后经上采样得到第二特征图，融合第一特征图和第二特征图得到融合特征图；融合特征图经卷积层、批归一化层、LeakyReLU激活函数得到第三特征图；提取第三特征图特征得到第四特征图；采用全局平均池化将第四特征图转为第五特征图，第五特征图经过第一卷积、LeakyReLU激活函数、第二卷积、归一化指数函数得到缺陷对应类别。本发明提升缺陷检测的准确率，对不同激光选区熔化设备有很好的适应性。
-
公开(公告)号：CN118926551A
公开(公告)日：2024-11-12
申请号：CN202410480829.X
申请日：2024-04-22
Applicant: 华南理工大学
IPC: B22F10/30 , B22F10/28 , B22F10/85 , B22F12/90 , B33Y10/00 , B33Y40/00 , B33Y50/02 , G06T7/00 , G06V10/26 , G06V10/764 , G06V10/82
Abstract: 本发明公开一种激光粉末床熔融过程的零件表面缺陷线监测和质量控制方法，该方法包括下述步骤：在加工过程逐层采集零件表面铺粉图像和激光扫描后图像，并对零件表面铺粉图像进行图像增强处理，得到增强后的零件表面铺粉图像；将增强后的零件表面铺粉图像输入训练好的Unet语义分割模型，进行表面缺陷区域的分割，生成掩模图；对表面缺陷进行量化得到表面缺陷量化指标Ap；将激光扫描后的图像输入判断零件表面的熔化状态的三分类四层卷积神经网络，获得信号M；将表面缺陷量化指标Ap、信号M输入比例控制系统，计算出下一层所需的工艺参数，并逐层调整工艺参数，直至最终成型。本发明能有效监测和量化零件表面缺陷，提高零件质量与生产效率。
-
公开(公告)号：CN108663681A
公开(公告)日：2018-10-16
申请号：CN201810465437.0
申请日：2018-05-16
Applicant: 华南理工大学
Abstract: 本发明公开了一种基于双目摄像头与二维激光雷达的移动机器人导航方法，包括步骤：建立二维栅格地图模型；建立移动机器人位姿模型；建立激光雷达数据模型；建立双目摄像头与激光雷达的联合标定模型；利用Dijkstra算法和A-Star算法进行路径规划与避障导航。该方法能够通过三角形联合标定法，确定双目摄像头与二维激光雷达的相对位置与相对朝向；能够在已知环境二维栅格地图环境下，使用双目摄像头探测环境中高于和低于二维激光雷达平面的障碍物，并且将障碍物映射到环境地图中，通过最短路径算法与启发式搜索优化，得到避开障碍物的导航路径线，可以使移动机器人在运动过程中沿着避开障碍的路径到达目的地。
-
公开(公告)号：CN109447239B
公开(公告)日：2022-03-25
申请号：CN201811121051.4
申请日：2018-09-26
Applicant: 华南理工大学
Abstract: 本发明公开了一种基于ARM的嵌入式卷积神经网络加速方法，克服了嵌入式设备硬件资源的不足，卷积神经网络计算复杂度高的问题。对轻量化卷积神经网络中常用的耗时严重的1×1卷积和3×3深度可分离卷积使用ARM NEON技术进行优化。特别的，对1×1卷积先进行内存重排，然后使用ARM NEON向量优化，对3×3深度可分离卷积，直接进行ARM NEON向量优化，加速了卷积神经网络的计算，充分利用了嵌入式设备的硬件计算资源，使得部署在嵌入式终端的卷积神经网络运行速度加快，更加实用。
-
公开(公告)号：CN108663681B
公开(公告)日：2021-01-19
申请号：CN201810465437.0
申请日：2018-05-16
Applicant: 华南理工大学
IPC: G01S17/08 , G01S17/04 , G01S17/931 , G01C21/20
Abstract: 本发明公开了一种基于双目摄像头与二维激光雷达的移动机器人导航方法，包括步骤：建立二维栅格地图模型；建立移动机器人位姿模型；建立激光雷达数据模型；建立双目摄像头与激光雷达的联合标定模型；利用Dijkstra算法和A‑Star算法进行路径规划与避障导航。该方法能够通过三角形联合标定法，确定双目摄像头与二维激光雷达的相对位置与相对朝向；能够在已知环境二维栅格地图环境下，使用双目摄像头探测环境中高于和低于二维激光雷达平面的障碍物，并且将障碍物映射到环境地图中，通过最短路径算法与启发式搜索优化，得到避开障碍物的导航路径线，可以使移动机器人在运动过程中沿着避开障碍的路径到达目的地。
-
Patent Agency Ranking
公开(公告)号：CN108549237B
公开(公告)日：2020-04-28
申请号：CN201810465382.3
申请日：2018-05-16
Applicant: 华南理工大学
IPC: G05B13/04
Abstract: 本发明公开了一种基于深度增强学习的预观控制仿人机器人步态规划方法，包括步骤：1)通过装配在仿人机器人上的传感器获取状态信息；2)改进现有的深度强化学习网络，定义全新的状态、动作向量和奖励函数；3)使用定义的动作向量对预观控制器的输出进行修正，计算出仿人机器人双腿各舵机的角度，指导仿人机器人行走；4)在仿人机器人行走过程中，用状态、动作向量、奖励函数的值更新改进的深度强化学习网络。本发明方法可有效解决仿人机器人在复杂环境下的行走问题，且在仿真平台和实体机器人上进行了测试，验证了此方法的有效性。
-
公开(公告)号：CN120023348A
公开(公告)日：2025-05-23
申请号：CN202510002075.1
申请日：2025-01-02
Applicant: 华南理工大学
IPC: B22F10/85 , B22F12/90 , B33Y10/00 , B33Y30/00 , G01B11/16 , G01J5/48 , G06T7/00 , G06V10/46 , G06V10/52 , G06V10/80 , G06V10/44
Abstract: 本发明公开了一种在线监测的激光定向能量沉积应变预测方法及装置，该方法包括：获取加工零件制造过程中的图像数据集并进行数据预处理，得到预处理后的图像数据集；引入显著性特征分析，构建多尺度多模态融合预测模型；基于多尺度多模态融合预测模型对预处理后的图像数据集进行激光定向能量沉积应变预测，得到加工零件制造过程中的激光定向能量沉积应变值预测结果。该装置包括：激光DED制造系统和制造监测系统。本发明实施例能够提高激光定向能量沉积应变预测的效率以及激光定向能量沉积应变预测的准确率。本发明作为一种在线监测的激光定向能量沉积应变预测方法及装置，可广泛应用于激光定向能量沉积技术领域。
-
公开(公告)号：CN120009282A
公开(公告)日：2025-05-16
申请号：CN202510002077.0
申请日：2025-01-02
Applicant: 华南理工大学
IPC: G01N21/88 , B22F10/28 , B33Y10/00 , G06F18/25 , G06N3/045 , G06N3/0464 , G06F18/213 , G06F18/2415 , G01N29/02 , G01N29/44 , G01N29/46
Abstract: 本发明公开了一种基于数据融合的激光粉末床熔融缺陷监测方法及系统，该方法包括：获取激光粉末融合图像与激光粉末融合声信号并进行数据预处理，得到预处理后的激光粉末融合图像与预处理后的激光粉末融合声信号；基于交叉注意力融合机制，构建双支路跨模态融合模型；基于双支路跨模态融合模型对预处理后的激光粉末融合图像与预处理后的激光粉末融合声信号进行激光粉末床熔融缺陷监测，得到激光粉末床熔融缺陷监测结果。通过使用本发明，能够通过图像与声信号之间的跨模态融合，提高激光粉末床熔融过程的智能化超高监测的精度。本发明作为一种基于数据融合的激光粉末床熔融缺陷监测方法及系统，可广泛应用于人工智能交互技术领域。
-
公开(公告)号：CN119910201A
公开(公告)日：2025-05-02
申请号：CN202510002595.2
申请日：2025-01-02
Applicant: 华南理工大学
Abstract: 本发明公开了基于数据融合的激光近净成形工作距离监测方法及系统，该方法包括：获取声发射信号与熔池温度信号并进行数据预处理与向量融合处理，得到激光近净成形的融合信号特征向量；通过激光近净成形的融合信号特征向量对高斯朴素贝叶斯回归模型进行数据训练，得到训练后的高斯朴素贝叶斯回归模型；基于训练后的高斯朴素贝叶斯回归模型对声发射信号与熔池温度信号进行激光近净成形工作距离监测，得到激光近净成形工作距离值。通过使用本发明，能够在不受遮挡影响下通过采用特征级信号融合方法，进而提高激光近净成形工作距离监测的精度。本发明作为基于数据融合的激光近净成形工作距离监测方法及系统，可广泛应用于智能人工交互技术领域。
-
公开(公告)号：CN109447239A
公开(公告)日：2019-03-08
申请号：CN201811121051.4
申请日：2018-09-26
Applicant: 华南理工大学
Abstract: 本发明公开了一种基于ARM的嵌入式卷积神经网络加速方法，克服了嵌入式设备硬件资源的不足，卷积神经网络计算复杂度高的问题。对轻量化卷积神经网络中常用的耗时严重的1×1卷积和3×3深度可分离卷积使用ARM NEON技术进行优化。特别的，对1×1卷积先进行内存重排，然后使用ARM NEON向量优化，对3×3深度可分离卷积，直接进行ARM NEON向量优化，加速了卷积神经网络的计算，充分利用了嵌入式设备的硬件计算资源，使得部署在嵌入式终端的卷积神经网络运行速度加快，更加实用。
-
-
-
-
-
-
-
-
-
Search Results
11
records
(took 0.025 seconds)
