-
公开(公告)号：CN111144401A
公开(公告)日：2020-05-12
申请号：CN201911075065.1
申请日：2019-11-06
申请人： 华能国际电力股份有限公司海门电厂 , 汕头大学
发明人： 白玉峰 , 陈建忠 , 林楚伟 , 李洪 , 冯庭有 , 朱晨亮 , 曾向荣 , 成仕强 , 刘天宇 , 吴斌 , 江永 , 卢叙钿 , 潘凤萍 , 范衠 , 姜涛 , 安康 , 邱本章 , 罗晨林 , 熊宇
IPC分类号： G06K9/32 , G06K9/62 , G06N3/04 , G06N3/08 , G06F3/0488
摘要： 本发明涉及图像处理技术和视觉伺服技术领域，特别涉及基一种电厂集控室深度学习和视觉伺服的触屏控制操作方法。本操作方法包括：获取集控室电厂需要监测的界面图像并建立相应图像库；利用训练好的卷积神经网络识别界面局部的字符信息来判断当前所停留的工作页面；采用图像的模板匹配方法检测需要后续机械臂点击的字符按钮；利用摄像头采集显示屏的RGB图像，再通过卷积神经网络确定显示屏的位姿信息，结合操作界面的图像识别与定位，驱动机械臂末端完成操作。本发明采用深度学习技术，实现集控系统状况的快速、智能判断；引入视觉伺服技术，实现机械臂对控制界面的精准操作，安全性得到了大幅提高，保证电厂生产的信息安全。
-
公开(公告)号：CN110900599A
公开(公告)日：2020-03-24
申请号：CN201911075012.X
申请日：2019-11-06
申请人： 华能国际电力股份有限公司海门电厂 , 汕头大学
发明人： 孙伟鹏 , 朱晨亮 , 李洪 , 林楚伟 , 冯庭有 , 林业桂 , 徐应杰 , 刘宗茂 , 蔡纯 , 卢叙钿 , 江永 , 潘凤萍 , 朱亚青 , 范衠 , 安康 , 姜涛 , 邱本章 , 罗晨林 , 熊宇
摘要： 本发明涉及机械臂技术领域，具体而言，涉及一种手眼触屏机械臂。一种手眼触屏机械臂，包括底座、底座关节、臂关节、肘关节、腕关节、传感器和末端触屏指针以及设置在末端触屏指针外侧的摄像头，所述底座通过所述底座关节连接所述臂关节，所述臂关节通过所述肘关节连接所述腕关节，所述腕关节与所述末端触屏指针相连所述传感器包括第一关节力矩传感器、第二关节力矩传感器、第三关节力矩传感器、第四关节传感器、第五传感器。本发明的增益效果是:本技术方案采用多轴联动，通过机械臂与摄像头相互配合调度，实现操作效率高，触控位置精准，超程过载都会自动停止执行，保证不损伤其他设备，使用寿命长。
-
公开(公告)号：CN111144401B
公开(公告)日：2024-01-26
申请号：CN201911075065.1
申请日：2019-11-06
申请人： 华能国际电力股份有限公司海门电厂 , 汕头大学
发明人： 白玉峰 , 陈建忠 , 林楚伟 , 李洪 , 冯庭有 , 朱晨亮 , 曾向荣 , 成仕强 , 刘天宇 , 吴斌 , 江永 , 卢叙钿 , 潘凤萍 , 范衠 , 姜涛 , 安康 , 邱本章 , 罗晨林 , 熊宇
IPC分类号： G06V10/75 , G06V10/24 , G06V10/82 , G06N3/0464 , G06N3/084 , G06F3/0488
摘要： 本发明涉及图像处理技术和视觉伺服技术领域，特别涉及基一种电厂集控室深度学习和视觉伺服的触屏控制操作方法。本操作方法包括：获取集控室电厂需要监测的界面图像并建立相应图像库；利用训练好的卷积神经网络识别界面局部的字符信息来判断当前所停留的工作页面；采用图像的模板匹配方法检测需要后续机械臂点击的字符按钮；利用摄像头采集显示屏的RGB图像，再通过卷积神经网络确定显示屏的位姿信息，结合操作界面的图像识别与定位，驱动机械臂末端完成操作。本发明采用深度学习技术，实现集控系统状况的快速、智能判断；引入视觉伺服技术，实现机械臂对控制界面的精准操作，安全性得到了大幅提高，保证电厂生产的信息安
-
公开(公告)号：CN211682135U
公开(公告)日：2020-10-16
申请号：CN201921899215.6
申请日：2019-11-06
申请人： 华能国际电力股份有限公司海门电厂 , 汕头大学
发明人： 孙伟鹏 , 朱晨亮 , 李洪 , 林楚伟 , 冯庭有 , 林业桂 , 徐应杰 , 刘宗茂 , 蔡纯 , 卢叙钿 , 江永 , 潘凤萍 , 朱亚青 , 范衠 , 安康 , 姜涛 , 邱本章 , 罗晨林 , 熊宇
摘要： 本实用新型涉及机械臂技术领域，具体而言，涉及一种手眼触屏机械臂。一种手眼触屏机械臂，包括底座、底座关节、臂关节、肘关节、腕关节、传感器和末端触屏指针以及设置在末端触屏指针外侧的摄像头，所述底座通过所述底座关节连接所述臂关节，所述臂关节通过所述肘关节连接所述腕关节，所述腕关节与所述末端触屏指针相连所述传感器包括第一关节力矩传感器、第二关节力矩传感器、第三关节力矩传感器、第四关节传感器、第五传感器。本实用新型的增益效果是:本技术方案采用多轴联动，通过机械臂与摄像头相互配合调度，实现操作效率高，触控位置精准，超程过载都会自动停止执行，保证不损伤其他设备，使用寿命长。(ESM)同样的发明创造已同日申请发明专利
-
公开(公告)号：CN109815950A
公开(公告)日：2019-05-28
申请号：CN201811618063.8
申请日：2018-12-28
申请人： 汕头大学
摘要： 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。
-
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
申请人： 汕头大学
摘要： 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。
-
公开(公告)号：CN110929723A
公开(公告)日：2020-03-27
申请号：CN201911143610.6
申请日：2019-11-20
申请人： 汕头大学
摘要： 本发明公开了一种基于卷积神经网络的变电站指针式仪表的识别方法，包括：采集变电站指针式仪表图像，并建立由仪表图像组成的仪表图像库；利用仪表图像库训练一个用于定位指针式仪表区域的卷积神经网络，并确定卷积神经网络中的学习参数；利用所述仪表数据库训练一个用于仪表种类识别的卷积神经网络，并确定卷积神经网络中的学习参数；利用训练好的用于定位仪表区域的卷积神经网络定位仪表图像库中仪表图像的区域；利用训练好的用于仪表种类识别的卷积神经网络识别裁剪得到的仪表区域图像，输出仪表检测的结果；然后根据检测结果，不同类型的仪表采用相应的方法进行读数。
-
公开(公告)号：CN110929723B
公开(公告)日：2022-12-02
申请号：CN201911143610.6
申请日：2019-11-20
申请人： 汕头大学
IPC分类号： G06V30/146 , G06V30/148 , G06V10/26 , G06V10/82 , G06N3/04
摘要： 本发明公开了一种基于卷积神经网络的变电站指针式仪表的识别方法，包括：采集变电站指针式仪表图像，并建立由仪表图像组成的仪表图像库；利用仪表图像库训练一个用于定位指针式仪表区域的卷积神经网络，并确定卷积神经网络中的学习参数；利用所述仪表数据库训练一个用于仪表种类识别的卷积神经网络，并确定卷积神经网络中的学习参数；利用训练好的用于定位仪表区域的卷积神经网络定位仪表图像库中仪表图像的区域；利用训练好的用于仪表种类识别的卷积神经网络识别裁剪得到的仪表区域图像，输出仪表检测的结果；然后根据检测结果，不同类型的仪表采用相应的方法进行读数。
-
公开(公告)号：CN110263790A
公开(公告)日：2019-09-20
申请号：CN201910316734.3
申请日：2019-04-18
申请人： 汕头大学
摘要： 本发明实施例公开了一种基于卷积神经网络的电厂电表字符定位和识别方法，包括：整理电厂电表图像，建立由所述图像组成的含有字符的电表图像库；训练用于定位字符区域的卷积神经网络，确定网络中的学习参数；利用训练好的用于定位字符区域的卷积神经网络定位所述图像库中电表图像的字符区域，输出字符区域进行裁剪并导出；整理导出的含有数字序列图片并建立对应的图像库，利用其训练用于识别数字序列的卷积神经网络；利用训练好的卷积神经网络识别裁剪得到的数字序列图像，输出字符识别结果。本发明充分利用卷积神经网络的特征提取和学习能力，规避了传统图像处理中的噪声等问题，提高了系统的鲁棒性，高效准确地定位并识别电厂电表中的字符。
-
-
-
-
-
-
-
-
搜索结果
9 条记录 (耗时 0.063 秒)
