-
公开(公告)号：CN112766165B
公开(公告)日：2022-03-22
申请号：CN202110076029.8
申请日：2021-01-20
Applicant: 燕山大学
Abstract: 本发明提出了一种基于深度神经网络与全景分割方法相结合的跌倒预判方法，其能够高效快速的实现跌倒检测预判功能，结合了深度神经网络与图像全景分割方法，对即将发生的跌落风险进行短期实时评估和通知，以及对未来风险进行长期行为学习和预测。本发明采用深度学习中的深度神经网络(DNN)构建全景分割网络，然后通过图像全景分割算法对跌倒检测中的视频图像进行像素级分割，从而实现被看护者与所处环境情况的场景理解，对危险环境实现跌倒预判。
-
公开(公告)号：CN111806646B
公开(公告)日：2021-12-24
申请号：CN202010583822.2
申请日：2020-06-23
Applicant: 燕山大学
IPC: B63B59/06 , B63B59/10 , B62D57/024 , H04N7/18 , B25J11/00
Abstract: 本发明提供一种智能船壁清洁机器人，其包括双目摄像头、高压水射管道、钕磁铁、清洁组件和履带。双目摄像头通过摄像头支架和机器人本体顶部的上表面固连，高压水射管道的第一端设有高压水射阀门，高压水射管道的第一端通过高压水射支架和机器人本体固连，履带位于机器人本体的两侧，钕磁铁位于履带的表面。清洁组件位于机器人本体底部的下表面，清洁组件中，脏水刷和脏水刷连接轴的第一端固连，脏水刷连接轴的第二端和机器人本体进行连接，工具转换盘和工具转换盘连接轴的第一端固连，工具转换盘连接轴的第二端和机器人本体进行连接。本发明不仅提高了船壁清洁的工作效率，而且提高当下船壁清洁机器人的智能化程度，使其实用性更强。
-
公开(公告)号：CN112783813A
公开(公告)日：2021-05-11
申请号：CN202110077719.5
申请日：2021-01-20
Applicant: 燕山大学
Abstract: 本发明提供一种可互联HART通信协议芯片的架构及其使用方法，其包括供电电源模块、AXI4总线模块、CLK时钟管理模块、RAM数据存储模块、数据帧解析模块、纵向奇偶校验模块、数据打包模块和信号调制解调模块。其工作方法具体包括：芯片发送数据的方法：CPU向从设备写入数据时芯片接收数据，并将数据存入RAM存储器和寄存器堆栈；进行纵向奇偶校验后将数据打包，将数据信号调成方波作为芯片输出信号；以及芯片发送数据的方法：将接收的方波信号转换成数字量，并传输给数据帧解析模块解析出DATA数据字节，经过纵向奇偶校验后，保存到RAM存储器，最后通过AXI4总线上传给CPU进行处理。本发明使HART芯片更加灵活、统一、标准化；提高CPU与HART芯片数据交互。
-
公开(公告)号：CN111867194B
公开(公告)日：2021-05-18
申请号：CN202010634159.4
申请日：2020-07-02
Applicant: 燕山大学
Abstract: 本发明提供一种基于多传感器信息融合的太阳能路灯控制器，首先，用选定的声音、光照和人体传感器检测太阳能路灯周围的状态；然后，将传感器采集的测量信号进行预处理，对预处理后的测量信号进行特征选择，并进行归一化处理，为神经网络的输入提供标准形式；最后，通过RNN中LSTM网络进行信息的融合，将通过归一化处理的测量信号与已知的太阳能路灯周围状态信息作为训练样本，送给神经网络进行训练，直到满足要求为止；在此过程中，主要是进行信息的获取，更新以及遗忘功能，并能够与之前的网络结构进行信息的交互和传递。本发明通过LSTM神经网络把安装地的数据、光照时长和多种传感器的数据进行输入，达到智能化的开关灯以及控制灯的亮度的效果。
-
公开(公告)号：CN112116048A
公开(公告)日：2020-12-22
申请号：CN202010910111.1
申请日：2020-09-02
Applicant: 燕山大学
Abstract: 本发明公开了一种用于动力电池溯源管理的改进Lorenz与Zigzag变换的加密方法，其包括如下步骤：建立完整的溯源管理体系，将动力电池生产、销售、报废、回收、拆解再利用等生命周期的信息分阶段编码进QR码；将彩色QR图像分解为RGB三个通道的灰度QR码图像，进行改进Lorenz混沌加密与Zigzag变换，得到加密后的灰度QR码图像，对其三通道合并，最后生成加密的彩色QR码并上传形成数据库；解密是加密的逆过程，还原出初始QR码图像，用户通过扫描设备就可查询到电池的溯源信息。本发明增加了解密难度，大幅度提高了QR码信息的保密性和隐私性，有效地保护了动力电池的信息，构建了动力电池信息在各个阶段加密、解密、上传的溯源管理体系，对电池的回收利用提供了前提保障。
-
Patent Agency Ranking
公开(公告)号：CN111951224B
公开(公告)日：2022-03-22
申请号：CN202010700112.3
申请日：2020-07-20
Applicant: 燕山大学
Abstract: 本发明提供一种基于机器视觉的抽水马桶固体物检测方法及检测装置，检测方法包括S1、识别马桶体中的水封区域；S2、根据马桶体中的水封区域确定固体物检测区域；S3、通过检测冲水后固体物检测区域内PP球的剩余数量，判断抽水马桶的排放能力；S4、检测其它固体物的排放能力。检测装置包括点光源阵列、工业相机、冲水电机、齿轮、冲水杆、水管、电磁阀和降压阀等，点光源阵列用于识别水封区域，工业相机用于识别固体物，冲水电机、齿轮、冲水杆组成传动机构。该检测装置与检测方法能提高抽水马桶设计及检测过程的自动化水平，同时快速高效地满足标准中抽水马桶固体物排放功能检测的要求。
-
公开(公告)号：CN112766185A
公开(公告)日：2021-05-07
申请号：CN202110090638.9
申请日：2021-01-22
Applicant: 燕山大学
Abstract: 本发明提供一种基于深度学习的头部姿态监控方法、装置及系统。方法包括以下步骤：S1，采集的历史图像数据；S2，训练神经网络；S3，采集实时图像；S4，将预处理后的实时图像传入第一神经网络获得需要进行监控的人脸边界框；S5，第二神经网络确定人脸图像的角度；S6，返回步骤S3。系统包括：采集数据模块、图像处理模块和报警模块。装置包括：床、相机、相机固定支架、计算机和警报器。本发明采用第一神经网络和第二神经网络，第一神经网络先是使用改进YOLOv3算法框选出图像中出现的人脸，解决多人脸出现在监控范围内的问题；第二神经网络使用改进的VGG16网络，从图像中提取多个特征并进行融合，可以实时监控头部姿态。
-
公开(公告)号：CN112037175A
公开(公告)日：2020-12-04
申请号：CN202010779902.5
申请日：2020-08-05
Applicant: 燕山大学
Abstract: 本发明提供一种基于机器视觉的陶瓷产品表面斑点检测方法，步骤S1、获得不同光源下图像信息并对图像进行预处理；步骤S2、识别斑点边缘的候选初始点；步骤S3、通过边缘检测模型确定粗边缘点及边缘颜色；步骤S4、基于反正切函数的亚像素表面斑点边缘检测，S5、对步骤S4得到的黑色斑点直径、红色斑点直径以及黄色斑点直径进行判断。本方法针对陶瓷产品三色斑点在三种光照环境下的亮度差异识别三色斑点粗边缘，又应用反正切函数亚像素拟合方法识别斑点边缘并确定斑点直径，具有检测时间短、结果准确的优越性，满足实际检测需要。
-
公开(公告)号：CN111951224A
公开(公告)日：2020-11-17
申请号：CN202010700112.3
申请日：2020-07-20
Applicant: 燕山大学
Abstract: 本发明提供一种基于机器视觉的抽水马桶固体物检测方法及检测装置，检测方法包括S1、识别马桶体中的水封区域；S2、根据马桶体中的水封区域确定固体物检测区域；S3、通过检测冲水后固体物检测区域内PP球的剩余数量，判断抽水马桶的排放能力；S4、检测其它固体物的排放能力。检测装置包括点光源阵列、工业相机、冲水电机、齿轮、冲水杆、水管、电磁阀和降压阀等，点光源阵列用于识别水封区域，工业相机用于识别固体物，冲水电机、齿轮、冲水杆组成传动机构。该检测装置与检测方法能提高抽水马桶设计及检测过程的自动化水平，同时快速高效地满足标准中抽水马桶固体物排放功能检测的要求。
-
公开(公告)号：CN111806646A
公开(公告)日：2020-10-23
申请号：CN202010583822.2
申请日：2020-06-23
Applicant: 燕山大学
IPC: B63B59/06 , B63B59/10 , B62D57/024 , H04N7/18 , B25J11/00
Abstract: 本发明提供一种智能船壁清洁机器人，其包括双目摄像头、高压水射管道、钕磁铁、清洁组件和履带。双目摄像头通过摄像头支架和机器人本体顶部的上表面固连，高压水射管道的第一端设有高压水射阀门，高压水射管道的第一端通过高压水射支架和机器人本体固连，履带位于机器人本体的两侧，钕磁铁位于履带的表面。清洁组件位于机器人本体底部的下表面，清洁组件中，脏水刷和脏水刷连接轴的第一端固连，脏水刷连接轴的第二端和机器人本体进行连接，工具转换盘和工具转换盘连接轴的第一端固连，工具转换盘连接轴的第二端和机器人本体进行连接。本发明不仅提高了船壁清洁的工作效率，而且提高当下船壁清洁机器人的智能化程度，使其实用性更强。
-
-
-
-
-
-
-
-
-
Search Results
20
records
(took 0.021 seconds)
