-
-
公开(公告)号：CN111273562A
公开(公告)日：2020-06-12
申请号：CN202010043912.2
申请日：2020-01-15
Applicant: 安徽理工大学
Abstract: 本发明公开一种基于膜计算实现井下机器人路径优化方法,路径优化方法包括如下步骤：煤矿井下机器人细胞型膜系统构建、构建膜控制器结构、膜算法设计、移动机器人仿真及实验结果分析。本发明机器人路径优化方法通过改变进化代数，机器人移动的速度误差相对较小，具备很好的收敛性，与传统的算法相比较，速度误差较小，膜算法在井下移动机器人速度解算上准确度更高；通过仿真及实验表明，所提膜算法具有快速收敛性和有效性，所设计的装置能够有效解决煤矿井下复杂环境下的巡检问题，以其高效的计算性能和快速的优化性能为煤矿未来精准开采提供了理论支撑和现实应用价值。
-
公开(公告)号：CN111292346B
公开(公告)日：2023-05-12
申请号：CN202010049720.2
申请日：2020-01-16
Applicant: 安徽理工大学
Abstract: 本发明公开了一种噪声环境下浇铸箱体轮廓的检测方法，属于图像边缘检测技术领域，其包括以下步骤：步骤1，输入待检测含噪声图像；步骤2，使用双边滤波对输入噪声图像进行降噪处理；步骤3，构建随机结构森林；步骤4，使用训练好的随机结构森林对降噪后图像进行初步轮廓检测；步骤5，对初步轮廓检测结果进行二值化处理；步骤6，通过Hough圆变换拟合浇铸箱体浇口；步骤7，输出最终检测结果图像。本发明的主要用途是可在满足准确检测浇铸箱体直线轮廓的同时也准确拟合出箱体的圆形浇口，并精准定位出圆形浇口的圆心。
-
公开(公告)号：CN111292346A
公开(公告)日：2020-06-16
申请号：CN202010049720.2
申请日：2020-01-16
Applicant: 安徽理工大学
Abstract: 本发明公开了一种噪声环境下浇铸箱体轮廓的检测方法，属于图像边缘检测技术领域，其包括以下步骤：步骤1，输入待检测含噪声图像；步骤2，使用双边滤波对输入噪声图像进行降噪处理；步骤3，构建随机结构森林；步骤4，使用训练好的随机结构森林对降噪后图像进行初步轮廓检测；步骤5，对初步轮廓检测结果进行二值化处理；步骤6，通过Hough圆变换拟合浇铸箱体浇口；步骤7，输出最终检测结果图像。本发明的主要用途是可在满足准确检测浇铸箱体直线轮廓的同时也准确拟合出箱体的圆形浇口，并精准定位出圆形浇口的圆心。
-
公开(公告)号：CN111641993B
公开(公告)日：2022-06-03
申请号：CN202010516915.3
申请日：2020-06-09
Applicant: 安徽理工大学
Abstract: 本发明公开了一种能量感知动态拓扑控制的时间同步方法，在网络拓扑生成阶段根据节点的距离和自身剩余能量来综合选择簇首节点，在时间同步阶段对于簇首节点采用双向信息交换方式进行同步，对于簇内节点采用双向交换和单向监听结合方式进行同步。该方法在保证一定的同步精度前提下也有效均衡了节点的能耗，同时保证了网络的健壮性，能够有效延迟整个网络的寿命。
-
Patent Agency Ranking
公开(公告)号：CN111681223A
公开(公告)日：2020-09-18
申请号：CN202010517286.6
申请日：2020-06-09
Applicant: 安徽理工大学
Abstract: 本发明公开了一种基于卷积神经网络的低照度条件下矿井井壁检测方法，其包括训练阶段和在线检测阶段。训练阶段包括构建图像分解网络和图像检测网络，通过获取图像分解数据集和图像检测数据集分别对图像分解网络和图像检测网络进行训练；在线检测阶段由图像分解、图像增强和图像检测组成，获取现场的矿井井壁图像经过训练完成的图像分解网络分解为反射图像和光照图像，再通过图像增强对井壁图像进行光亮增强，最后由训练完成的图像检测网络对其检测，实现低光照条件下的矿井井壁状态检测。本发明提高了矿井井壁检测的准确性，降低了矿井井壁检测的运行成本，提高了安全性。
-
公开(公告)号：CN111641993A
公开(公告)日：2020-09-08
申请号：CN202010516915.3
申请日：2020-06-09
Applicant: 安徽理工大学
Abstract: 本发明公开了一种能量感知动态拓扑控制的时间同步方法，在网络拓扑生成阶段根据节点的距离和自身剩余能量来综合选择簇首节点，在时间同步阶段对于簇首节点采用双向信息交换方式进行同步，对于簇内节点采用双向交换和单向监听结合方式进行同步。该方法在保证一定的同步精度前提下也有效均衡了节点的能耗，同时保证了网络的健壮性，能够有效延迟整个网络的寿命。
-
-
公开(公告)号：CN113793269B
公开(公告)日：2023-10-31
申请号：CN202111198281.2
申请日：2021-10-14
Applicant: 安徽理工大学
IPC: G06T3/40 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种基于改进邻域嵌入与先验学习的超分辨率图像重建方法，包括以下步骤，S1：训练集中的高分辨率图像降质；S2：高、低分辨率训练图像分块；S3：待重构的低分辨率输入图像放大2倍预处理，然后分块；S4：搜索与低分辨率输入图像块最相似的K个低分辨率图像块组成邻域集，计算邻域集中每个图像块的重构权值；S5：组合重构权值与对应的K个高分辨率训练图像块，重构高分辨率图像块及高分辨率图像；S6：构造非局部正则化项与局部正则化项对高分辨率图像重构结果进行最大后验概率估计，得到最终的超分辨率重建图像。本发明中的方法取得较好的图像重建效果，图像细节更丰富，纹理更清晰。
-
公开(公告)号：CN111681223B
公开(公告)日：2023-04-18
申请号：CN202010517286.6
申请日：2020-06-09
Applicant: 安徽理工大学
IPC: G06T7/00 , G06T5/00 , G06N3/08 , G06N3/0464
Abstract: 本发明公开了一种基于卷积神经网络的低照度条件下矿井井壁检测方法，其包括训练阶段和在线检测阶段。训练阶段包括构建图像分解网络和图像检测网络，通过获取图像分解数据集和图像检测数据集分别对图像分解网络和图像检测网络进行训练；在线检测阶段由图像分解、图像增强和图像检测组成，获取现场的矿井井壁图像经过训练完成的图像分解网络分解为反射图像和光照图像，再通过图像增强对井壁图像进行光亮增强，最后由训练完成的图像检测网络对其检测，实现低光照条件下的矿井井壁状态检测。本发明提高了矿井井壁检测的准确性，降低了矿井井壁检测的运行成本，提高了安全性。
-
-
-
-
-
-
-
-
-
Search Results
12
records
(took 0.021 seconds)
