-
公开(公告)号：CN118545404A
公开(公告)日：2024-08-27
申请号：CN202410693886.6
申请日：2024-05-31
Applicant: 南通大学
Abstract: 本发明提供一种生活垃圾分类垃圾桶及垃圾分类方法，涉及垃圾桶技术领域，解决了现有技术中垃圾桶依旧依靠集中回收后的再分类处理，导致大部分城市垃圾以集中回收后填埋为主要处理方式，垃圾处理效率较低，并不能起到垃圾分类的技术问题；其技术方案为：通过将垃圾从垃圾投放孔投入壳体内，垃圾置于暂存机构上，此时摄像头识别模块对暂存机构上暂时存放的垃圾进行识别；判断其垃圾种类，并将信息传递给分拣机构内的控制系统，控制系统控制分拣机构将垃圾拣入对应的垃圾腔进行存储；本发明可在垃圾投入垃圾桶后便可自动进行分类，提高垃圾的回收效率。
-
公开(公告)号：CN119962615A
公开(公告)日：2025-05-09
申请号：CN202510117836.8
申请日：2025-01-24
Applicant: 南通大学
Abstract: 本发明提供了一种无人机目标分配追踪控制模型训练方法、使用方法及设备，训练方法包括以下步骤：步骤一、利用UWB获取双方无人机位置信息，并建立无人机相对运动模型，为第一无人机实施追踪提供位置数据；步骤二、建立约束模型并设计评分函数；步骤三、根据第一无人机在不同位置时的适应度选取第一无人机的最佳适应度，并确定需要追踪的第二无人机；步骤四、使用YOLO‑V5处理得到第二无人机态势信息，基于TD3算法持续调整第一无人机自身动作状态，实现快速稳定的追踪；使用方法应用于第一无人机；设备包括UWB模块、处理器、存储器以及存储在存储器上由处理器执行的计算机程序指令。本发明提高了无人机空战作战能力。
-
公开(公告)号：CN117178972A
公开(公告)日：2023-12-08
申请号：CN202310703566.X
申请日：2023-06-14
Applicant: 南通大学
Abstract: 本发明公开一种机械类农用喷药装置，包括固定连接在车架侧面中部的横板和通过螺栓连接在水箱下表面中部的马达，横板的内壁卡接有用于支撑的竖柱，竖柱的底端卡接有用于限位的立柱，立柱的底端固定连接有用于限位的圆盘，圆盘的内壁卡接有存液盒，存液盒的一侧贯通连接有用于输水的输水管，输水管远离存液盒的一端贯通连接有用于喷洒的喷头。该机械类农用喷药装置，通过水箱、马达和刀头的设置，将药液和水液倒入水箱的内部后，将马达打开，马达输出端的转动会带动刀头进行转动，对水箱内部的药水混合液进行混合搅拌，有利于使药液与水液混合的更加均匀，提高了对药液的稀释混合效果。
-
公开(公告)号：CN120047808A
公开(公告)日：2025-05-27
申请号：CN202510132058.X
申请日：2025-02-06
Applicant: 南通大学
IPC: G06V20/05 , G06V10/12 , G06V10/84 , G06V10/82 , G06V10/774 , G06N3/047 , G06N3/09 , G06N3/0464 , G06V10/764 , G06V10/25
Abstract: 本发明提供了一种基于贝叶斯神经网络的水下图像识别方法，属于水下图像识别技术领域；解决了通用的目标识别方法在视觉退化的水下环境下鲁棒性较差的技术问题。该方法步骤包括：S1、构建水下潜艇图像数据集；S2、构建基于贝叶斯神经网络的水下图像识别模型；S3、使用构建数据集进行深度学习模型训练，得到水下图像识别模型；S4、根据训练好预测模型，对潜航器执行水下任务时采集的图像进行预测分析，获取图像目标分类结果及不确定度。
-
公开(公告)号：CN119183774A
公开(公告)日：2024-12-27
申请号：CN202411355883.8
申请日：2024-09-27
Applicant: 南通大学
Abstract: 本申请公开了一种智能萝卜收获清分包装装置，包括车架、视觉组件、行走组件、夹拔组件、传动组件、清洁组件、分拣组件、封袋组件、主控组件以及通信组件；视觉组件设置于车架前端的固定架上；行走组件设置于车架下端四周；夹拔组件设置于固定架下侧，传动组件设置于车架中部并位于夹拔组件末端下方，清洁组件位于传动组件表层；分拣组件位于清洁组件末端；封袋组件位于分拣组件侧端技能；主控组件与视觉组件连接；通信组件与主控组件连接。本申请通过视觉组件进行识别，自动调节拔夹装置的间距，以便同时高效收获两排作物。收割下的作物块根通过传输组件进行清理，并最终被送入智能存储箱，大幅提高了农作物收割的效率和精度。
-
Patent Agency Ranking
公开(公告)号：CN119180844A
公开(公告)日：2024-12-24
申请号：CN202411247476.5
申请日：2024-09-06
Applicant: 南通大学
IPC: G06T7/246 , G06V10/25 , G06V10/82 , G06N3/0464 , G06N3/092
Abstract: 本发明提供了一种基于深度强化学习的无人机空战对抗目标追踪方法，属于无人机空战对抗技术领域，解决了在未知环境下己方无人机对目标无人机无法进行实时、快速跟踪的技术问题。其技术方案为：包括以下步骤：S1：对UWB定位系统进行堆栈式数据处理，为后续追踪控制提供位置数据；S2：建立目标探测算法YOLO‑V5对单目标追踪任务进行目标检测；S3：基于TD3算法，设计奖励函数、动作空间、状态空间，建立无人机目标跟踪控制模型；S4：根据训练的无人机目标跟踪控制模型对无人机目标追踪过程中的数据分析处理，获取该方法在空战对抗中的有效性。本发明实现对目标无人机较为迅速准确的追踪，并给出追踪的不确定性，增强模型的鲁棒性。
-
公开(公告)号：CN117895207A
公开(公告)日：2024-04-16
申请号：CN202311817876.0
申请日：2023-12-27
Applicant: 南通大学
IPC: H01P5/18
Abstract: 本发明属于微波通信技术领域，具体涉及一种可调腔体定向耦合器。本发明通过带孔扇形轮盘的转动来切换不同大小的圆形耦合窗，实现该腔体定向耦合器的耦合度三档可调，即实现了“三合一耦合器”的效果，从而减小了系统体积。本发明中的金属腔体使用TE102模，通过两个扇形轮盘以及隔板上的圆形耦合窗进行能量耦合传输。在三种耦合度输出状态下，两个带孔扇形轮盘上大小相同的圆形耦合窗所在位置刚好对应于TE102模的电场最强处，有效提升了耦合度的调节效果。隔板中间的通孔处于TE102模的电场强度最弱处，用于少量补偿耦合能量，可以对三种耦合度进行微调，从而得到更为准确的耦合能量值。
-
公开(公告)号：CN119556722A
公开(公告)日：2025-03-04
申请号：CN202411663334.7
申请日：2024-11-20
Applicant: 南通大学
Abstract: 本发明提供了一种基于分层强化学习的无人机空战对抗方法，属于无人机控制技术领域。本发明解决了在复杂空战环境中提升无人机的自主决策和控制能力的技术问题。其技术方案为：包括以下步骤：S1：态势获取；S2：分层动作空间设计；S3：分层奖励函数与策略训练；S4：模型部署与实时优化。本发明的有益效果为：本发明通过将复杂问题分解为多个子问题，并在不同层次上进行学习和决策，能够更好地处理这种复杂性，提高无人机的自主性和适应性，并推动无人机控制技术的发展，显著提升了无人机在复杂空战环境中的自主决策和控制能力。
-
公开(公告)号：CN119440057A
公开(公告)日：2025-02-14
申请号：CN202411572934.2
申请日：2024-11-06
Applicant: 南通大学
IPC: G05D1/46 , G05D1/695 , G05D109/20
Abstract: 本发明提供了一种基于分层深度强化学习框架的无人机空战目标追踪方法，属于无人机空战对抗技术领域，解决了在未知环境下己方无人机对敌方无人机难以快速、合理分配目标并实施追踪的技术问题。其技术方案为：包括以下步骤：S1：建立无人机相对运动模型，为后续追踪不同目标提供位置信息；S2：设计约束模型以及奖励函数；S3：利用上层控制器分配追踪目标；S4：基于下层控制器控制己方无人机对敌方无人机进行追踪。本发明的有益效果为：本发明实现为己方无人机较为快速合理地分配目标无人机，并给出追踪的不确定性，增强模型的鲁棒性。
-
公开(公告)号：CN119205906A
公开(公告)日：2024-12-27
申请号：CN202411197212.3
申请日：2024-08-29
Applicant: 南通大学
IPC: G06T7/73 , G06V20/17 , G06N3/0464 , G06V10/82
Abstract: 本发明提供一种基于贝叶斯深度学习的海上停机平台动态位置预测方法，涉及无人机动态预测海上停机平台动态位置技术领域，解决了无人机在复杂环境下动态预测海上停机平台位置的技术问题，其技术方案为：包括以下步骤：S1、建立海上无人机停机平台图像数据集；S2建立基于贝叶斯深度学习的海上停机平台动态位置预测模型；S3、获取海上停机平台动态位置预测模型；S4、获取海上停机平台相对于无人机的位置及不确定性。本发明的有益效果为：本发明解决了无人机在海面上降落过程中高度、位置、角度、海风、海浪、抖动等因素的影响，实现对海上停机平台动态位置较为准确的预测，并给出预测的不确定性，提高模型的鲁棒性。
-
-
-
-
-
-
-
-
-
Search Results
12
records
(took 0.015 seconds)
