-
公开(公告)号：CN118550299A
公开(公告)日：2024-08-27
申请号：CN202410651128.8
申请日：2024-05-24
申请人： 常州大学
IPC分类号： G05D1/43 , G05D1/246 , G05D1/644 , G05D109/10
摘要： 本发明公开了一种基于改进A‑star算法的移动机器人路径规划方法，包括以下步骤：S1、机器人获取当前地图周围的环境信息并建立栅格地图，在每个栅格中建立无障碍状态区域和障碍状态区域，并根据所建立的格栅地图规划出起始节点和目标节点；S2、对传统A‑star算法进行改进以获取更多方向上的扩展路径，并经由改进后的A‑star算法获取最优路径；S3、为改进后的A‑star算法中的代价函数增加权重系数，以使整个代价更贴近实际代价；S4、根据A‑star算法所获取的全局路径，并采用DWA算法进行局部路径规划调整；S5、通过MPC算法进行局部路径规划控制，以控制机器人沿着全局规划出的最佳路径行程移动。本发明用于在具有未知障碍物环境中规划机器人的路径和控制机器人的运动。
-
公开(公告)号：CN118736303A
公开(公告)日：2024-10-01
申请号：CN202410846437.0
申请日：2024-06-27
申请人： 常州大学
IPC分类号： G06V10/764 , G06V10/82 , G06V10/80 , G06N3/0464 , G06N3/10 , G06F9/445 , G06N3/048 , G06N3/047
摘要： 本申请涉及图像智能识别领域，尤其涉及一种电子元器件的检测识别方法，包括以下步骤，收集含有电子元器件的图片，标记出电子元器件，形成数据集；在YOLOv8网络模型的基础上构建改进模型，利用MLCA模块替换head中的C2f模块，在模型中引入注意力机制，在检测头部分用Detect_ASFF模块替换Detect模块，使用MLCA模块替换backbone中的C2f模块，改进网络模型中的特征融合技术；训练和优化YOLO网络模型，生成权重文件并保存到本地，利用这些权重文件对常用电子元器件进行识别和分类。该方法在YOLO v8n的基础上改进模型，使得电子元器件识别具有高精度、实时监测、尺度不变性、降低维护成本、处理多尺度问题和改善语义一致性的特点，有效提升了自动化组装过程中电子元器件检测的效率和可靠性。
-
公开(公告)号：CN118469984A
公开(公告)日：2024-08-09
申请号：CN202410689921.7
申请日：2024-05-30
申请人： 常州大学
IPC分类号： G06T7/00 , G06N3/0464 , G06V10/774 , G06V10/82 , G06V10/764
摘要： 本申请涉及缺陷检测技术领域，尤其涉及一种基于YOLO v8改进模型的金属表面缺陷的检测方法，包括以下步骤：建立金属表面数据集，数据集包括不同的表面缺陷种类；建立YOLO v8n网络模型，调整和配置相应的参数；建立YOLO v8n改进模型，利用RCS模块替换C2f模块，在模型中引入注意力机制，用Rhead替换Detect模块，优化卷积神经网络中neck部分的结构；训练和优化YOLO v8n改进模型，使用训练优化后的YOLO v8n改进模型对金属表面缺陷进行检测。本申请在YOLO v8n模型中利用RCS模块替换C2f模块，在模型中引入注意力机制，用Rhead替换Detect模块优化卷积神经网络中neck部分的结构，从而提高了缺陷检测的检测精度与速度。
-
公开(公告)号：CN118196023A
公开(公告)日：2024-06-14
申请号：CN202410271720.5
申请日：2024-03-11
申请人： 常州大学
IPC分类号： G06T7/00 , G06V10/764 , G06V10/82 , G06N3/0464 , G06N3/08
摘要： 本发明涉及图像处理技术领域，尤其涉及基于轻量化卷积的yolo磁瓦表面缺陷检测方法及系统，包括下载磁瓦数据集；将主干网络中五个卷积模块中的卷积替换为深度可分离卷积；将主干网络中四个C3模块的卷积替换为深度可分离卷积，以及C3模块的Bottleneck的两个卷积替换为深度可分离卷积；利用深度可分离卷积对卷积进行替换，实现主干网络的轻量化；对yolov5网络的颈部网络中的卷积模块和C3模块进行轻量化改进；利用损失函数对yolov5网络的进行锚框回归。本发明对yolo5网络进行轻量化改进，在保证准确率的基础上，减轻对硬件资源的依赖，加快检测速度，从而满足实际生产的要求。
-
公开(公告)号：CN118192547A
公开(公告)日：2024-06-14
申请号：CN202410247439.8
申请日：2024-03-05
申请人： 常州大学
IPC分类号： G05D1/43 , G05D1/243 , G05D1/65 , G05D1/633 , G05D1/644 , G05D1/247 , G05D1/648 , G06F40/20 , G06V10/82 , G06N3/0464 , G06N3/0442 , G06N3/045 , G06N3/092 , G06N3/084 , G05D109/10
摘要： 本发明涉及机器人控制领域，具体涉及一种基于GPT大模型的仓储物流机器人控制方法，包括以下步骤，向YOLO模型输入指令，YOLO模型调取视觉传感器识别目标物，获取目标物位置信息形成新的指令；将新的指令传递给分层式DDPG控制模型；分层式DDPG控制模型中的底层控制器接收YOLO模型的指令执行任务，根据任务初始点与目标点并控制顶层控制器输出多套路线及动作；顶层控制器根据奖励函数计算各套动作的奖励值，并判断出最优动作；机器人执行最优动作。本申请综合运用了YOLO模型、分层式DDPG控制模型以及GPT大模型帮助机器人通过对环境的感知和预测在复杂的仓储环境中进行运动，并通过奖励函数判断选择最优动作，以提高机器人动作控制效率。
-
公开(公告)号：CN118071724A
公开(公告)日：2024-05-24
申请号：CN202410328087.9
申请日：2024-03-21
申请人： 常州大学
IPC分类号： G06T7/00 , G06V10/82 , G06N3/0464 , G06N3/08
摘要： 本发明属于缺陷检测技术领域，尤其涉及一种电工绝缘纸表面缺陷的检测方法。包括以下步骤：步骤S1、收集电工绝缘纸表面缺陷图片；步骤S2、采用数据增强技术处理所述图片，扩充缺陷图像样本，得到数据集；步骤S3、使用Labelimg标注所述数据集，将所述数据集按照7：2：1的比例划分为训练集、验证集和测试集；步骤S4、搭建改进YOLOV5的电工绝缘纸表面缺陷检测模型；步骤S5、基于训练集和验证集训练所述表面检测模型，得到最优表面缺陷检测模型；步骤S6、将测试集输入最优表面缺陷检测模型，得到电工绝缘纸表面缺陷的检测结果。本发明的方法，首先在数据采集方面能够得到一个高质量、多样化的数据集，在检测方面检测效率高，检测结果准确度高。
-
公开(公告)号：CN118822985A
公开(公告)日：2024-10-22
申请号：CN202410900956.0
申请日：2024-07-05
申请人： 常州大学
IPC分类号： G06T7/00 , G06V10/774 , G06V10/77 , G06V10/80 , G06V10/82
摘要： 本发明涉及绝缘子装置技术领域，尤其涉及一种基于改进YOLOv8模型的绝缘子缺陷检测方法。方法包括：获取绝缘子的原始图像，并对原始图像进行预处理，得到数据集；构建原始YOLOv8模型，原始YOLOv8模型包括：BackBone模块、Neck模块和Head模块，Backbone模块用于提取多尺度特征，Neck模块用于将Backbone模块提取的多尺度特征进行融合，Head模块用于对Neck模块融合的多尺度特征进行回归预测，对BackBone模块和Head模块改进，得到改进后的YOLOv8模型；将数据集输入至改进后的YOLOv8模型，对改进后的YOLOv8模型进行训练，直至损失函数收敛，得到训练好的改进YOLOv8模型；使用训练好的改进YOLOv8模型对绝缘子进行缺陷检测，得到缺陷类型。本发明的基于改进YOLOv8模型的绝缘子缺陷检测方法，提高了检测效率和检测精度。
-
公开(公告)号：CN118362539A
公开(公告)日：2024-07-19
申请号：CN202410455251.2
申请日：2024-04-16
申请人： 常州大学
摘要： 本发明属于胶水浓度检测技术领域，尤其涉及一种多线程光电式胶水浓度实时监测系统以及采用该系统的监测方法，本发明的系统包括：浓度检测端，所述浓度检测端包括：光电传感器、LED灯、支架以及第一控制器，光电传感器和LED灯均与第一控制器信号连接，第一控制器设置在支架的上端，光电传感器和LED灯设置在支架的下端，且光电传感器和LED灯间隔设置，光电传感器和LED灯同时浸入待检测胶水；用户控制端，用户控制端包括：触屏显示模块、报警模块，以及第二控制器，触屏显示模块和报警模块均与第二控制器信号连接，第二控制器和第一控制器信号连接。本发明的监测系统以及监测方法，使得胶水浓度检测简单易实现，检测精度高且价格低廉。
-
-
-
-
-
-
-
搜索结果
8 条记录 (耗时 0.023 秒)
