-
公开(公告)号：CN109127447A
公开(公告)日：2019-01-04
申请号：CN201810806308.3
申请日：2018-07-20
Applicant: 华侨大学
CPC classification number: B07C5/00 , B07C5/362 , B07C2501/0063
Abstract: 本发明涉及一种基于机械手触觉分类识别物料的装置，其包括传送带、机械手、控制器和分类盒，所述控制器连接机械手，所述机械手位于传送带上方；所述机械手的一侧安装有加速度传感器，所述加速度传感器连接控制器。本发明通过在机械手一侧设置加速度传感器，并通过加速度传感器检测机械手抓取物料时的加速度信息，控制器形成加速度曲线，从而获知当前夹取的物料种类，并控制机械手将物料放至相应的分类盒中，完成物料分类。该装置在进行物料分类时的分类精度高、速度快，且不受物料表面特征以及光线影响，局限性小。
-
公开(公告)号：CN115761205A
公开(公告)日：2023-03-07
申请号：CN202211464923.3
申请日：2022-11-22
Applicant: 华侨大学
Abstract: 本发明提供一种基于遗传算法的图像数据自动增强方法，包括：获取用于搜索的代理数据集；获取多种数据增强操作方法：根据增强操作原理把数据增强操作分为几何变换和颜色变换；构建离散搜索空间：把每种增强策略的操作方法、操作概率、操作幅度进行离散编码；搜索增强策略：采用遗传算法，随机生成若干个操作方法作为初始种群，通过种群的迭代寻优，在搜索空间中搜索出若干个最优的增强策略，确定最优的增强策略组合个数；通过在搜索时使用代理数据集，对几何变换和颜色变换分开进行寻优，减少单个搜索空间的参数量，即减少了搜索过程的时间成本，又能实现增强策略组合个数的优选，最大限度的保留了数据增强的有效性，普遍适用于各类数据集。
-
公开(公告)号：CN113807424A
公开(公告)日：2021-12-17
申请号：CN202111063333.5
申请日：2021-09-10
Applicant: 华侨大学
Abstract: 一种基于离线数据增强的固废数据集生成方法，具体包括：手动标注第一固废数据集A1；对第一固废数据集A1进行离线数据增强生成第二固废数据集A2，合并第一固废数据集A1和第二固废数据集A2，形成合并固废数据集；使用深度学习模型对合并固废数据集进行训练；使用训练好的深度学习模型对未标注的固废数据集D进行预测；通过查询函数找出深度学习模型预测不准确的图像集，并进行手动标注得到第三固废数据集B1；对第三固废数据集B1进行离线数据增强生成第四固废数据集B2。本发明提出的方法可以生成大量固废数据集，快速有效地构扩充固废数据集，从而有助于深度学习模型的训练，进一步提升固废识别的准确率。
-
公开(公告)号：CN111044419A
公开(公告)日：2020-04-21
申请号：CN201911388331.6
申请日：2019-12-30
Applicant: 华侨大学
Abstract: 本发明一种基于二维动态图像法的机制砂级配测量系统，包括：图像采集模块，用于获得颗粒在不同角度下的视频图像；颗粒定位模块，用于定位该颗粒在下落过程中每一帧图像的位置区域，并将视频分帧，得到颗粒下落若干张图像；图像二值化模块，用于将原始图像转化二值图像；颗粒轮廓分割模块，用于从二值图像中分割出颗粒轮廓；三维厚度计算模块，用于处理图像得到颗粒在不同角度下的片面厚度，并获得颗粒的三维真实厚度；投影面积计算模块，用于得到机制砂颗粒的投影面积；级配统计模块，结合机制砂颗粒的真实厚度与投影面积得到单颗粒体积，利用颗粒体积之和得到机制砂的级配参数。本发明能够减小由于仅依靠二维图像测量三维颗粒造成的检测误差。
-
公开(公告)号：CN110898960A
公开(公告)日：2020-03-24
申请号：CN201911140998.4
申请日：2019-11-20
Applicant: 华侨大学 , 福建南方路面机械有限公司
Abstract: 本发明提供了一种基于抛喷丸破碎废弃混凝土制备高品质再生骨料的系统，包括自磨机、喷丸机或抛丸机、传送带、返料装置、皮带磁选机、振动筛；所述自磨机用于破碎混凝土块并形成物料帘，所述喷丸机或抛丸机位于自磨机出料口上半部分，向物料帘发射高速弹丸；所述传送带设置在自磨机出料口下方；所述皮带磁选机设置在传送带上方，传送方向与传送带方向垂直；所述振动筛设置在传送带出口处下方；所述返料装置入料口设置在振动筛筛孔尺寸小于5mm的出料口处，所述返料带出料口设置在所述皮带磁选机上方。上述的系统，水泥砂浆剥离效果好、再生骨料性能良好、回收利用率高、经济性好。
-
Patent Agency Ranking
公开(公告)号：CN108829070A
公开(公告)日：2018-11-16
申请号：CN201810891075.1
申请日：2018-08-07
Applicant: 华侨大学
IPC: G05B19/418
Abstract: 本发明提供一种降低房间内电器设备无效能耗的系统，包括监控主机、路由器、房间，每个房间内包括监控设备、人工智能识别模块、电器设备、智能插座及供电插座，每一监控设备包括图像采集模块；通过无线网络将每个房间内的智能插座相互连接进行组网，将所有路由器相互连接进行组网；监控主机与所有路由器和所有智能插座连接，路由器连人工智能识别模块上，人工智能识别模块连图像采集模块；若人工智能识别模块为人工智能芯片，则集成于监控设备内，若人工智能识别模块为人工智能识别电路板，则设置于房间内且位于监控设备外。本发明还提供一种降低房间内电器设备无效能耗的方法，避免房间内无人使用电器设备的情况下，电器设备无效运行浪费能耗。
-
公开(公告)号：CN113807424B
公开(公告)日：2024-04-16
申请号：CN202111063333.5
申请日：2021-09-10
Applicant: 华侨大学
IPC: G06V10/774 , G06V10/82 , G06N3/04 , G06N3/08
Abstract: 一种基于离线数据增强的固废数据集生成方法，具体包括：手动标注第一固废数据集A1；对第一固废数据集A1进行离线数据增强生成第二固废数据集A2，合并第一固废数据集A1和第二固废数据集A2，形成合并固废数据集；使用深度学习模型对合并固废数据集进行训练；使用训练好的深度学习模型对未标注的固废数据集D进行预测；通过查询函数找出深度学习模型预测不准确的图像集，并进行手动标注得到第三固废数据集B1；对第三固废数据集B1进行离线数据增强生成第四固废数据集B2。本发明提出的方法可以生成大量固废数据集，快速有效地构扩充固废数据集，从而有助于深度学习模型的训练，进一步提升固废识别的准确率。
-
公开(公告)号：CN117636091A
公开(公告)日：2024-03-01
申请号：CN202311486528.X
申请日：2023-11-09
Applicant: 华侨大学
IPC: G06V10/774 , G06V10/26 , G06N3/0475 , G06N3/0455 , G06N3/09 , G06N3/084
Abstract: 本发明公开了一种基于生成对抗网络的固废图像数据增强方法及系统，应用于目标检测、图像分割等领域，用于通过生成器网络和判别器网络的协同作用，对原始图像进行多种变换和扩充；方法包括如下步骤：获取原始固废图像数据集；通过构建基于pix2pixHD的深度学习生成对抗网络进行样本扩充；使用生成器网络和实例级特征编码器网络对原始固废数据集进行变换扩充，形成扩充后的数据。本发明方法可以充分学习到原始图像数据的概率密度分布，以提高数据样本的多样性和数量，将生成的图像样本添加到原始数据集中，形成扩充后的数据集，以提高深度学习模型的精度和鲁棒性。
-
公开(公告)号：CN110898960B
公开(公告)日：2023-07-28
申请号：CN201911140998.4
申请日：2019-11-20
Applicant: 华侨大学 , 福建南方路面机械有限公司
Abstract: 本发明提供了一种基于抛喷丸破碎废弃混凝土制备高品质再生骨料的系统，包括自磨机、喷丸机或抛丸机、传送带、返料装置、皮带磁选机、振动筛；所述自磨机用于破碎混凝土块并形成物料帘，所述喷丸机或抛丸机位于自磨机出料口上半部分，向物料帘发射高速弹丸；所述传送带设置在自磨机出料口下方；所述皮带磁选机设置在传送带上方，传送方向与传送带方向垂直；所述振动筛设置在传送带出口处下方；所述返料装置入料口设置在振动筛筛孔尺寸小于5mm的出料口处，所述返料带出料口设置在所述皮带磁选机上方。上述的系统，水泥砂浆剥离效果好、再生骨料性能良好、回收利用率高、经济性好。
-
公开(公告)号：CN114429573A
公开(公告)日：2022-05-03
申请号：CN202210022048.7
申请日：2022-01-10
Applicant: 华侨大学
IPC: G06V10/774 , G06V10/22 , G06V10/46 , G06K9/62 , G06V20/10 , G06F16/51 , G06F16/55 , G06F16/583
Abstract: 一种基于Copy‑Paste数据增强的生活垃圾数据集生成方法，具体包括：将生活垃圾分作若干批次，每一批次为相同类别，并且分批将生活垃圾稀疏放置在传送带上；使用RGB‑D采集系统对物体进行彩色图和高度图的图像采集；利用高度图中物体的轮廓信息和高度信息，对彩色图进行自动标注；以没有生活垃圾的纯传送带背景作为图片模板，通过Copy‑Paste将N个物体随机粘贴到图像模板上，N为整数，生成第一批生活垃圾数据集A1；使用第一批生活垃圾数据集A1对深度学习模型进行训练；使用训练好的深度学习模型对未标注的生活垃圾数据集D进行预测；以带有伪标签的数据集作为图像模板，对第一批生活垃圾数据集A1通过Copy‑Paste进行数据增强生成第二批生活垃圾数据集A2；合并第一批生活垃圾数据集A1和第二批生活垃圾数据集A2，形成合并生活垃圾数据集B1。本发明提出的方法可以生成大量的生活垃圾数据集，快速高效地扩充生活垃圾数据集，有助于深度学习模型的训练，提高生活垃圾识别的准确率。
-
-
-
-
-
-
-
-
-
Search Results
41
records
(took 0.015 seconds)
