-
公开(公告)号：CN116149338A
公开(公告)日：2023-05-23
申请号：CN202310397866.X
申请日：2023-04-14
Applicant: 哈尔滨工业大学人工智能研究院有限公司 , 哈尔滨工业大学(深圳)(哈尔滨工业大学深圳科技创新研究院) , 哈尔滨工业大学
Abstract: 本发明提供了一种自动驾驶控制方法、系统及喷雾机，涉及自动驾驶技术领域，方法包括：获取视觉装置采集的车辆的环境信息、GNSS装置采集的车辆的第一定位信息和INS装置采集的车辆的第二定位信息；确定第一定位信息和第二定位信息之间的误差，采用信息融合算法对误差进行估计，确定误差的最优估计值；根据最优估计值对第二定位信息进行校正，获得组合导航信息；将环境信息和组合导航信息输入训练好的强化学习网络，输出控制决策，其中，训练好的强化学习网络通过模仿学习和强化学习相结合的方式训练得到；根据控制决策控制车辆行驶。本发明解决了现有技术中的车辆自动驾驶方法在复杂路况中应对能力和车辆安全性较差的问题。
-
公开(公告)号：CN116118855A
公开(公告)日：2023-05-16
申请号：CN202310397867.4
申请日：2023-04-14
Applicant: 哈尔滨工业大学人工智能研究院有限公司 , 哈尔滨工业大学(深圳)(哈尔滨工业大学深圳科技创新研究院) , 哈尔滨工业大学
Abstract: 本发明提供了一种自动驾驶控制系统、控制方法及喷雾机，涉及自动驾驶技术领域，控制系统包括：支架，用于与车辆固定连接；方向盘夹具，与支架连接，用于夹持车辆的方向盘；第一电机，与方向盘夹具驱动连接，用于驱动方向盘夹具以带动车辆的方向盘转动；第一踏板，用于与车辆的油门踏板抵接；第二踏板，用于与车辆的刹车踏板抵接；第二电机和第二传动机构，第二电机通过第二传动机构分别与第一踏板和第二踏板驱动连接，第二电机按第一方向转动时驱动第一踏板以踩动油门踏板，第二电机按第二方向转动时驱动第二踏板以踩动刹车踏板；控制器，分别与第一电机和第二电机电连接。本发明解决了人工驾驶植保车辆工作时安全性较低，人力成本较高的问题。
-
公开(公告)号：CN118158633A
公开(公告)日：2024-06-07
申请号：CN202410150958.2
申请日：2024-02-02
Applicant: 哈尔滨工业大学(深圳)(哈尔滨工业大学深圳科技创新研究院)
Abstract: 本申请提供了一种植物地下生物量测量方法、装置、设备，若干无线传感器节点围绕植物周围均匀布置构成无线传感器节点网；基于所述无线传感器节点网发送、接收信号信息和带植物根系像素标注的图像信息训练构建神经网络模型；将待预测的无线传感器节点网发送、接收信号信息输入构建的所述神经网络模型，得到植物地下根系分割预测结果，进而对生物量进行估计。本申请设置的无线传感器获取信息、构建无线传感器收发信息的三维矩阵、利用训练的神经网络模型来传力无线传感器收发信息的三维矩阵进而进行植物地下生物信息的测量，减少了对人工操作的依赖，并且成本低廉可操作性高、准确度高。
-
公开(公告)号：CN116306938A
公开(公告)日：2023-06-23
申请号：CN202211603460.4
申请日：2022-12-13
Applicant: 哈尔滨工业大学 , 哈尔滨工业大学(深圳)
Abstract: 本发明提出了一种面向自动驾驶全场景感知的多模型推理加速系统及方法，将自动驾驶全场景感知中的多个DNN模型转换为基于有向无环图DAG的计算图，设计一个调度框架POS，并采用深度强化学习DRL方法得到最优的POS调度策略，构建基于最大熵深度强化学习的算子调度算法以选择最佳并行策略，完成自动驾驶全场景的感知；本发明与最先进的深度学习推理框架和特定调度方法相比，POS可以始终实现1.2倍～3.9倍的推理加速以及28％～55％的GPU利用率提升。此外，最优调度的搜索开销比基线缩短了1.2倍～2.9倍。
-
公开(公告)号：CN119169471A
公开(公告)日：2024-12-20
申请号：CN202411631891.0
申请日：2024-11-15
Applicant: 哈尔滨工业大学(深圳)(哈尔滨工业大学深圳科技创新研究院)
IPC: G06V20/10 , G06V10/44 , G06V10/762 , G06V10/764
Abstract: 本发明提供了一种基于状态空间模型与傅里叶变换的植物病害检测方法，涉及植物病害检测技术领域，包括：采集植物叶片图像，并对植物叶片图像进行预处理，得到病斑区域图像；对病斑区域图像进行特征提取，得到频域特征和时域特征；根据病斑区域图像的特征参数和频域特征构建初始状态空间模型；利用Mamba算法优化初始状态空间模型的模型参数，得到优化状态空间模型；使用已标注的植物病害数据集对优化状态空间模型进行训练，得到训练好的植物病害检测模型；将待测图像输入至植物病害检测模型中，得到检测结果。本发明通过结合快速的傅里叶变换特征提取和Mamba优化算法，旨在为植物病害检测提供一种高效、准确且具有良好泛化能力的解决方案。
-
Patent Agency Ranking
公开(公告)号：CN118552417A
公开(公告)日：2024-08-27
申请号：CN202410475232.6
申请日：2024-04-19
Applicant: 哈尔滨工业大学(深圳)(哈尔滨工业大学深圳科技创新研究院)
Abstract: 本申请公开了一种基于跟踪算法的高效视频场景图生成方法和装置，采用对象元素跟踪方法获取每帧画面中的元素信息，再联系时间上下文信息拟合出每帧画面中对象元素之间的场景关系，并根据场景关系生成对应的场景图。本申请避免了传统获取元素信息方案中对每帧画面进行对象元素识别的方法，减少对象元素的检测次数，较大程度上提高了场景图生成效率。此外，本申请仅对元素预测置信度最高的对象元素进行跟踪，丢弃了低置信度对象的预测结果对获取元素信息准确度的干扰。
-
公开(公告)号：CN117746102A
公开(公告)日：2024-03-22
申请号：CN202311624219.4
申请日：2023-11-30
Applicant: 哈尔滨工业大学重庆研究院 , 哈尔滨工业大学
IPC: G06V10/764 , G06V10/774 , G06V10/762 , G06V10/82 , G06V10/74 , G06V10/77 , G06T7/00
Abstract: 本发明属于半导体晶圆检测技术领域，具体涉及一种用于晶圆缺陷分类的机器视觉方法、设备及存储介质。其中一种用于晶圆缺陷分类的机器视觉方法包括：S1：拟合正样本数据，建立正样本模型；S2：将样品晶圆数据输入所述正样本模型，通过特征信息比对，筛选出负样本数据；S3：对所述负样本数据进行聚类分析，获得缺陷种类；S4：输入生产线上采集到的晶圆数据进行比对，当判断所检测的晶圆为具有缺陷的晶圆时，与所述缺陷种类进行比对，获得有缺陷的晶圆的缺陷分类结果。其目的是：解决传统的晶圆检测过程中只能识别出晶圆是否为缺陷产品，无法对具有缺陷的晶圆的缺陷进行分类的问题。
-
公开(公告)号：CN117593604A
公开(公告)日：2024-02-23
申请号：CN202311608733.9
申请日：2023-11-28
Applicant: 哈尔滨工业大学重庆研究院 , 哈尔滨工业大学
Abstract: 本发明涉及半导体检测技术领域，公开了一种自适应晶圆正样本筛选方法，包括：阶段1，采用缺陷模拟策略，生成模拟缺陷样本；阶段2，设置训练集和测试集；所述训练集中包括由整片晶圆分割而成的多个Die；所述测试集中包括模拟缺陷样本和正样本；采用预设迭代算法，基于测试集对训练集中的样本进行数据清洗，并筛选得到训练集中的正样本。本发明无需人工干预即可实现对晶圆样本的正样本筛选，能够为后续基于正样本的无监督异常检测模型提供大规模的正样本训练集，有助于降低样本采集成本，提高采集效率和精准度。
-
公开(公告)号：CN114298973A
公开(公告)日：2022-04-08
申请号：CN202111457519.9
申请日：2021-12-01
Applicant: 哈尔滨工业大学 , 哈尔滨工业大学人工智能研究院有限公司
Abstract: 本发明公开了一种基于红外图像分割的智能供热监测方法，属于智能供热监测技术领域，解决现有技术用户接受度低、设备成本高且难以管理和鲁棒性差的问题。本发明的方法包括：采集建筑热力图，选取用于预测室内温度的目标区域；利用标注后的建筑热力图对图像分割模型进行训练，获得基于深度学习的红外图像分割模型，利用基于深度学习的红外图像分割模型获取若干个目标区域热力图；采集目标区域热力图对应的室内温度；选取与室内温度最接近线性变化规律的温度数据为室外温度采集数据；建立室外温度采集数据和室内温度的温度拟合方程；根据室外温度采集数据和温度拟合方程，获取室内温度预测值。本发明适用于智能供热中对室内温度的监测。
-
公开(公告)号：CN119169471B
公开(公告)日：2025-01-21
申请号：CN202411631891.0
申请日：2024-11-15
Applicant: 哈尔滨工业大学(深圳)(哈尔滨工业大学深圳科技创新研究院)
IPC: G06V20/10 , G06V10/44 , G06V10/762 , G06V10/764
Abstract: 本发明提供了一种基于状态空间模型与傅里叶变换的植物病害检测方法，涉及植物病害检测技术领域，包括：采集植物叶片图像，并对植物叶片图像进行预处理，得到病斑区域图像；对病斑区域图像进行特征提取，得到频域特征和时域特征；根据病斑区域图像的特征参数和频域特征构建初始状态空间模型；利用Mamba算法优化初始状态空间模型的模型参数，得到优化状态空间模型；使用已标注的植物病害数据集对优化状态空间模型进行训练，得到训练好的植物病害检测模型；将待测图像输入至植物病害检测模型中，得到检测结果。本发明通过结合快速的傅里叶变换特征提取和Mamba优化算法，旨在为植物病害检测提供一种高效、准确且具有良好泛化能力的解决方案。
-
-
-
-
-
-
-
-
-
Search Results
104
records
(took 0.027 seconds)
