基于改进YOLO的水面漂浮物识别方法及水面清污机器人

    公开(公告)号:CN119810416A

    公开(公告)日:2025-04-11

    申请号:CN202411888420.8

    申请日:2024-12-20

    Applicant: 常州大学

    Abstract: 本发明涉及漂浮物识别领域,具体涉及一种基于改进YOLO的水面漂浮物识别方法及水面清污机器人。方法包括:构建水面漂浮物数据集,搭建改进YOLO网络模型;其中,改进YOLO网络模型在骨干网络和颈部网络中通过空间特征重组模块提取图像的不同尺度特征;在颈部网络通过交叉路径聚合模块对不同特征层进行多路径交互融合,并通过背景噪声抑制模块增强图像前景中的漂浮物特征;最后由检测头根据颈部网络输出进行目标分类;使用水面漂浮物数据集训练改进YOLO网络模型,得到训练好的网络模型;利用训练好的网络模型对待识别的水域图像进行识别,得到识别结果。本发明可以显著提高漂浮物的检测精度,更加适应存在噪声干扰的水面漂浮物检测场景。

    小样本目标的检测方法、装置、设置及可读存储介质

    公开(公告)号:CN119107446A

    公开(公告)日:2024-12-10

    申请号:CN202411248474.8

    申请日:2024-09-06

    Applicant: 常州大学

    Abstract: 本发明涉及目标检测领域,具体涉及一种小样本目标的检测方法、装置、设置及可读存储介质。小样本目标的检测方法包括:利用训练好的小样本目标检测模型对目标图片进行检测,输出目标检测结果;其中,小样本目标检测模型的骨干网络之后增加有背景抑制模块、多尺度特征提取模块和综合原型金字塔蒸馏模块,所述背景抑制模块用于抑制支持特征中的背景特征;所述多尺度特征提取模块对背景抑制后的支持特征进行多尺度池化、融合;所述综合原型金字塔蒸馏模块用于对多尺度池化、融合后的特征进行层级蒸馏。本发明可以提取到更纯净的类原型,泛化性强,能够准确检测出小样本目标。

    基于改进LMS多跨转子不对中振动控制方法及系统

    公开(公告)号:CN117908358A

    公开(公告)日:2024-04-19

    申请号:CN202410036047.7

    申请日:2024-01-10

    Applicant: 常州大学

    Abstract: 本发明涉及不对中振动控制技术领域,尤其涉及基于改进LMS多跨转子不对中振动控制方法及系统,包括采集磁悬浮转子振动输入信号;利用改进LMS自适应算法对输入信号分析,更新权值向量不断迭代计算输出信号,并设置期望信号,计算输出信号和期望信号的差得到误差值,满足迭代终止条件后输出最终误差信号。本发明解决现有LMS自适应算法的变步长因子存在调节参数多、收敛速度、误差大及稳定性差的问题。

    一种基于微云智能终端的电梯故障分析预警系统及其方法

    公开(公告)号:CN106672733A

    公开(公告)日:2017-05-17

    申请号:CN201611095625.6

    申请日:2016-12-02

    Applicant: 常州大学

    CPC classification number: B66B5/02 B66B5/0031

    Abstract: 本发明公开了一种基于微云智能终端的电梯故障分析预警系统及其方法,该系统包括微云智能终端模块、云服务中心模块和客户端模块,其特征在于所述的微云智能终端模块与云服务中心模块之间相互局域网连接,微云智能终端模块与客户端模块之间相互GSM连接,云服务中心模块和客户端模块之间相互互联网连接。本发明可以在电梯运行现场部署一种低价稳定的微云智能终端,并在其上搭载电梯故障分析预警相关软件,实现电梯现场运行数据采集、本地化存储、预警分析和预警结果实时推送。预警分析采用电梯故障案例库的方法。本发明可以提升电梯运行现场的数据处理和数据分析能力,对缓解云服务中心的数据处理压力也有很大帮助。

    基于小样本学习的水面垃圾识别方法

    公开(公告)号:CN117496348A

    公开(公告)日:2024-02-02

    申请号:CN202311468585.5

    申请日:2023-11-07

    Applicant: 常州大学

    Abstract: 本发明涉及图像处理技术领域,具体涉及一种基于小样本学习的水面垃圾识别方法,方法包括:构建水面垃圾识别的训练集和测试集,训练集和测试集均包括支持集和查询集,支持集中的图像为标注图像,查询集内的图像为未标注图像;构建基于特征匹配和场景解析的小样本语义分割模型,模型包括特征提取网络、瓶颈层和多尺度解码器,瓶颈层包括匹配模块和场景解析模块;利用训练集对模型进行训练,保存训练效果最好的模型权重;加载训练效果最好的模型及其权重,输入测试集中的水面垃圾图像进行识别。本发明结合场景解析的方法,在标注样本较少的情况下,通过匹配实现较高精度的识别。

    基于改进ANF的磁悬浮双转子谐振抑制方法及系统

    公开(公告)号:CN117118295A

    公开(公告)日:2023-11-24

    申请号:CN202310968105.5

    申请日:2023-08-02

    Applicant: 常州大学

    Abstract: 本发明涉及磁悬浮双转子技术领域,尤其涉及基于改进ANF的磁悬浮双转子谐振抑制方法及系统,包括利用位移传感器采集转子电压信号,并进行预处理;将预处理后的转子电压信号输入带阻角频率的陷波滤波器得到输出信号,将输出信号负反馈给待测电压信号得到误差信号,通过改进ANF不断迭代使得误差信号不断逼近0,从而完成对转子电压信号的自适应陷波与频率估计;将频率估计值作为滤波器的中心频率,滤除同频振动位移信号与谐振位移信号,得到滤除同频后的输出信号;将滤除同频后的输出信号送入控制器中,通过闭环反馈实现零电流控制。本发明解决双转子联轴器不对中及质量分布不平衡问题伴随着产生谐振的问题。

Patent Agency Ranking