-
公开(公告)号：CN118682765A
公开(公告)日：2024-09-24
申请号：CN202410953810.2
申请日：2024-07-16
Applicant: 重庆大学
IPC: B25J9/16
Abstract: 本发明公开了一种灵巧臂手机器人建模方法，包括机械臂系统和多指系统，多指系统安装在机械臂系统上；所述机械臂系统和多指系统均由连杆和旋转关节组成，连杆安装在旋转关节上组成灵巧臂手机器人单元，多个灵巧臂手机器人单元分别串联连接并通过对照臂‑手结构实现灵巧臂手机器人组装；所述驱动旋转关节由电机驱动；通过模拟人体臂手的自然动作和功能，采用臂‑手状态传递的策略，通过设计机械臂系统与多指系统之间的状态传递方程，可以实现机械臂系统与多指系统状态之间的传递，按照控制需求独立设计机械臂和多指系统的控制器。实现臂手之间的同步操作，使控制更加协调。本发明显著降低了计算成本降低了对高性能计算资源的依赖。
-
公开(公告)号：CN115035534B
公开(公告)日：2024-07-19
申请号：CN202210801997.5
申请日：2022-07-08
Applicant: 重庆大学 , 星际(重庆)智能装备技术研究院有限公司
IPC: G06V30/18 , G06V30/19 , G06V10/44 , G06V10/764 , G06V10/82 , G06N3/0464 , G06N3/084
Abstract: 本发明涉及一种基于多特征融合的中文手写识别分类方法，对输入图像进行预处理；构建中文手写识别分类系统并进行训练，该系统包括深度学习网络和传统图像特征提取模型；对于待分类的图像经过预处理后分别输入训练后系统的两个模块中；最优深度学习网络输出的分类结果为X，X为好、中或差，其对应的分值分别为A、B、C；传统图像特征提取模型输出的特征进行量化，量化后的特征的值如果落在[a,b]就给X对应的分类得分加c分，否则减c分；最后根据X最后的分类得分将待分类的图像分为好、中或差。本发明的分类方法无需过多数据就可以实现深度学习的分类，同时规避了主观打分的情况，分类结果更客观。
-
公开(公告)号：CN119446492A
公开(公告)日：2025-02-14
申请号：CN202411528626.X
申请日：2024-10-30
Applicant: 重庆大学
IPC: G16H50/20 , G16H15/00 , G16H30/20 , G06T7/00 , G06V10/771 , G06V10/77 , G06V10/80 , G06V10/82 , G06N5/022
Abstract: 本发明公开了基于特征蒸馏多模态大模型自主诊断系统，涉及医疗设备领域，包括输入模块、预处理模块、第一分析模块、本地知识库、第二分析模块、输出模块和显示模块；通过多模态数据的融合和深度学习模型的应用，显著提高了肺结节诊断的准确性和精度，减少了误诊和漏诊的概率；实现了诊断流程的自动化，大大缩短了诊断时间，能够快速提供高质量的诊断结果，提高了医院的工作效率；结合本地知识库的信息，能够根据患者的具体情况提供个性化的治疗建议，提高了医疗服务的针对性和有效性；减少了人工干预，降低了人力资源的消耗，并通过提高诊断效率和准确性，减少了不必要的重复检查和治疗，节省了医疗资源和成本。
-
公开(公告)号：CN114429473A
公开(公告)日：2022-05-03
申请号：CN202210069299.0
申请日：2022-01-21
Applicant: 重庆大学 , 星际(重庆)智能装备技术研究院有限公司 , 迪比(重庆)智能科技研究院有限公司
IPC: G06T7/10 , G06T7/00 , G06K9/62 , G06V10/44 , G06V10/764
Abstract: 本发明涉及一种肺结节性质判定方法，S1获取多位病人的病理特征数据，分别提取影像结构化数据和基因甲基化数据的特征；S2对病理特征数据进行数据清洗得到小规模数据集；S3将小规模数据集中的每个样本进行特征选择得到最佳小规模数据集；将最佳小规模数据集中所有最佳样本分割为训练集和测试集；S4选择现有M种分类方法，使用训练集中分别对M种分类方法进行训练得到M种最佳分类方法；S5将测试集输入M种最佳分类方法中选择最终分类方法，S6对于一个待预测病人的病理特征数据处理后输入最终分类方法中，输出该待预测病人肺结节属于良性和恶性。该方法能用于本领域专家能够对肺结节良恶性进行辅助诊断参考性，而且实时性较高。
-
公开(公告)号：CN118707846A
公开(公告)日：2024-09-27
申请号：CN202410637246.3
申请日：2024-05-22
Applicant: 重庆大学
IPC: G05B13/04
Abstract: 本发明公开了基于改进自适应遗传算法的多机器人协同运动控制方法，包括机器人跟随运动学模型建模；跟随机器人坐标系旋转映射；控制器设计；对跟随机器人RF的运动进行分析，将PID控制器简化为比例控制器：基于改进自适应遗传算法解决PID控制器的系统其最优参数选取问题。针对一个多机器人领航跟随编队协同运动系统，将每组控制参数设为一个个体，每组个体设为一个群体，以整个过程的编队误差最小化的适应度函数值作为指标来迭代求解最优子代群体，这一方法省去仿真实验中控制参数调节时间，并且能迭代出一组较好的控制参数。本发明根据种群的适应度动态调整，能够根据搜索过程的实际情况进行调整，从而快速找到最优解。
-
Patent Agency Ranking
公开(公告)号：CN118471225A
公开(公告)日：2024-08-09
申请号：CN202410637249.7
申请日：2024-05-22
Applicant: 重庆大学
IPC: G10L15/25 , G10L15/16 , G10L15/26 , G10L13/08 , G06V40/20 , G06V40/16 , G06V20/40 , G06V10/44 , G06V10/52 , G06V10/764 , G06V10/82 , G06N3/0455 , G06N3/0464 , G06N3/0985 , G06N5/04
Abstract: 本发明公开了一种基于人工智能算法移动端可用的辅助发声系统，包括唇语识别模块和文字转语音模块；该系统将用户的唇部运动实时转换为语音输出。所述唇语识别模块利用移动设备前置摄像头捕捉用户的唇部动作，通过预处理和特征提取步骤，将图像数据转换为对应的文本信息。包括视觉前段、视觉特征提取、唇动识别、自然语言处理。通过深度学习和用户反馈，使系统能够学习并适应每个用户的唇形、语言习惯等个人特征，提供定制化的沟通体验。在大量数据上进行训练，这提高了模型的泛化能力，使其能够适应不同的说话者和环境。本发明创造不仅能够提高听力受损和语言障碍人士的生活质量，还能够推动医学辅助通讯技术的发展，使其更加普及和便捷。
-
公开(公告)号：CN118664595A
公开(公告)日：2024-09-20
申请号：CN202410908893.3
申请日：2024-07-08
Applicant: 重庆大学
IPC: B25J9/16
Abstract: 本发明公开了一种不依赖于模型的灵巧臂手机器人保性能控制方法，首先，根据灵巧臂手机器人的空间结构获取其简化模型；其次，设计预设性能函数，对灵巧臂手机器人各关节角位移跟踪误差进行性能约束，灵巧臂手机器人的简化模型包含角位移信息，同时引入非对称的屏障函数及误差变换，保证输出角位移误差位于预定的性能范围内。最后设定自适应参数更新率进行补偿，使设计的灵巧臂手控制方法不依赖于灵巧臂手机器人简化模型，同时保证预设性能，提高方法的鲁棒性和普适性。本发明通过采用鲁棒技术，使设计的自适应计算转矩控制器不依赖于系统模型，降低了计算成本。相比深度学习等其他不依赖系统模型的控制方法，规避系统模型因而无需进行模型训练。
-
公开(公告)号：CN119247962A
公开(公告)日：2025-01-03
申请号：CN202411374901.7
申请日：2024-09-29
Applicant: 重庆大学
Abstract: 本发明公开了基于冲突搜索算法的拥挤自动化仓库多AGV路径规划方法，包括以下步骤：构建AGV所处环境的栅格地图模型；冲突搜索算法的底层：根据栅格地图模型得到AGV环境信息并使用A*算法得到AGV的路径解和该路径所携带的冲突信息；冲突搜索算法的顶层：根据所得到的AGV路径解和冲突信息构建改进的约束树，在约束树中选择最小损失的节点进行冲突检测，若不存在冲突则规划成功，若存在冲突，则对冲突的AGV施加相应约束，循环整个过程直到规划成功。本发明简化走廊冲突的搜索过程，通过搜索来自适应的确定走廊允许的行驶方向，同时还引入冲突优先级和绕过冲突来加速规划过程，该方法能尽可能的兼顾规划时间和路径解的质量，有效提高AGV的工作效率。
-
公开(公告)号：CN114429473B
公开(公告)日：2024-10-29
申请号：CN202210069299.0
申请日：2022-01-21
Applicant: 重庆大学 , 星际(重庆)智能装备技术研究院有限公司 , 迪比(重庆)智能科技研究院有限公司
IPC: G06F30/27
Abstract: 本发明涉及一种肺结节性质判定方法，S1获取多位病人的病理特征数据，分别提取影像结构化数据和基因甲基化数据的特征；S2对病理特征数据进行数据清洗得到小规模数据集；S3将小规模数据集中的每个样本进行特征选择得到最佳小规模数据集；将最佳小规模数据集中所有最佳样本分割为训练集和测试集；S4选择现有M种分类方法，使用训练集中分别对M种分类方法进行训练得到M种最佳分类方法；S5将测试集输入M种最佳分类方法中选择最终分类方法，S6对于一个待预测病人的病理特征数据处理后输入最终分类方法中，输出该待预测病人肺结节属于良性和恶性。该方法能用于本领域专家能够对肺结节良恶性进行辅助诊断参考性，而且实时性较高。
-
公开(公告)号：CN116188404A
公开(公告)日：2023-05-30
申请号：CN202310075797.0
申请日：2023-02-07
Applicant: 重庆大学
IPC: G06T7/00 , G06T7/12 , G06V10/44 , G06V10/80 , G06V10/764 , G06V10/82 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种基于深度学习的肺结节检测方法，包括以下步骤：肺结节的目标检测、肺结节的边缘分割、肺结节的三维重构。本发明基于深度学习的肺结节检测方法提出了一种基于2DCNN的快速两阶段结节检测、分割和分类CAD系统，不仅可以检测结节的恶性程度，还可以检测其形态特征；引入分割注意模块，提高模型的可解释性，增强对小结节的特征提取；将原先的骨干网络替换成轻量级网络，以简化网络并减少模型参数量，降低计算成本；获取完整的结节切片后，裁剪待训练的结节，解决了样本正负分布不平衡的问题。
-
-
-
-
-
-
-
-
-
Search Results
11
records
(took 0.017 seconds)
