-
公开(公告)号：CN112486320B
公开(公告)日：2022-10-11
申请号：CN202011365025.3
申请日：2020-11-27
Applicant: 青岛理工大学
Abstract: 本发明涉及一种基于回归神经网络的装配扭矩监测系统及监测方法，其中系统包括可穿戴测量设备、扭矩回归模块和计算机；可穿戴测量设备包括无线通信单元、肌肉测量单元和惯性测量单元；肌肉测量单元和惯性测量单元分别采集操作人员在装配过程中产生的sEMG信号和惯性信号，通过无线通信单元发送至计算机；还包括扭矩样本采集装置，用于采集操作人员对装配体样本进行装配过程中产生的扭矩信息并发送至计算机上；计算机包括回归神经网络模型，所述计算机将sEMG信号和惯性信号作为输入，扭矩信息作为输出，对回归神经网络模型进行训练，得到扭矩监测模型；扭矩回归模块嵌入有扭矩监测模型，用于通过sEMG信号和惯性信号计算装配扭矩并反馈给操作人员。
-
公开(公告)号：CN112288750A
公开(公告)日：2021-01-29
申请号：CN202011310983.0
申请日：2020-11-20
Applicant: 青岛理工大学
Abstract: 本发明涉及一种基于深度学习网络的机械装配体图像分割方法，包括以下步骤：通过深度学习网络构建由编码器网络和解码器网络组成的机械装配体轻量化语义分割模型；建立机械装配体数据集；将机械装配体数据集中的深度图像输入到编码器网络中进行特征提取，获取高信息质量的特征图；将高信息质量的特征图输入至解码器网络中，恢复图像大小并进行特征融合，得到多维分割图；根据多维分割图与对应的标签图像之间的误差，更新编码器网络中的参数；利用训练集中的深度图像，迭代执行上述步骤，直到达到预设的训练次数；测试后输出机械装配体轻量化语义分割模型；利用训练好的机械装配体轻量化语义分割模型进行图像分割，分割出机械装配体的各零件。
-
公开(公告)号：CN112486320A
公开(公告)日：2021-03-12
申请号：CN202011365025.3
申请日：2020-11-27
Applicant: 青岛理工大学
Abstract: 本发明涉及一种基于回归神经网络的装配扭矩监测系统及监测方法，其中系统包括可穿戴测量设备、扭矩回归模块和计算机；可穿戴测量设备包括无线通信单元、肌肉测量单元和惯性测量单元；肌肉测量单元和惯性测量单元分别采集操作人员在装配过程中产生的sEMG信号和惯性信号，通过无线通信单元发送至计算机；还包括扭矩样本采集装置，用于采集操作人员对装配体样本进行装配过程中产生的扭矩信息并发送至计算机上；计算机包括回归神经网络模型，所述计算机将sEMG信号和惯性信号作为输入，扭矩信息作为输出，对回归神经网络模型进行训练，得到扭矩监测模型；扭矩回归模块嵌入有扭矩监测模型，用于通过sEMG信号和惯性信号计算装配扭矩并反馈给操作人员。
-
公开(公告)号：CN112288750B
公开(公告)日：2022-09-20
申请号：CN202011310983.0
申请日：2020-11-20
Applicant: 青岛理工大学
Abstract: 本发明涉及一种基于深度学习网络的机械装配体图像分割方法，包括以下步骤：通过深度学习网络构建由编码器网络和解码器网络组成的机械装配体轻量化语义分割模型；建立机械装配体数据集；将机械装配体数据集中的深度图像输入到编码器网络中进行特征提取，获取高信息质量的特征图；将高信息质量的特征图输入至解码器网络中，恢复图像大小并进行特征融合，得到多维分割图；根据多维分割图与对应的标签图像之间的误差，更新编码器网络中的参数；利用训练集中的深度图像，迭代执行上述步骤，直到达到预设的训练次数；测试后输出机械装配体轻量化语义分割模型；利用训练好的机械装配体轻量化语义分割模型进行图像分割，分割出机械装配体的各零件。
-
-
-
Search Results
4
records
(took 0.054 seconds)
