-
公开(公告)号：CN116818158A
公开(公告)日：2023-09-29
申请号：CN202310578002.8
申请日：2023-05-22
Applicant: 常州大学
Abstract: 本发明提供了一种扭矩测试装置及方法。扭矩测试装置包括：触控显示屏，用于显示用户操作界面及发送控制指令；至少一个扭矩传感器，用于测量待测电机扭矩；变送器，与扭矩传感器电连接，用于将扭矩传感器的测试信号转换为直流电信号；测试芯片，与触控显示屏及扭矩传感器电连接，包括：信号采集电路，与扭矩传感器电连接，用于获取扭矩传感器的测试信号；模数转换电路，与信号采集电路电连接，用于将变送器输出的直流电信号转化为数字信号；控制电路，与模数转换电路电连接，用于接收触控显示屏发送的控制指令，并控制模数转换电路进行信号转换；安装槽，触控显示屏及测试芯片设置在安装槽中。本发明的装置降低了测试的成本，且提高了测试灵活性。
-
公开(公告)号：CN116579985A
公开(公告)日：2023-08-11
申请号：CN202310376091.8
申请日：2023-04-10
Applicant: 常州大学
IPC: G06T7/00 , G06T5/00 , G06T5/40 , G06N3/0464 , G06V10/80 , G06V10/764 , G06T7/73
Abstract: 本申请实施例涉及晶圆缺陷检测方法，特别涉及一种基于RefineDet模型的晶圆缺陷检测方法，包括以下步骤：首先，采集晶圆图像；然后，对晶圆图像进行滤波处理；接下来，对滤波处理后的晶圆图像依次进行去均值化和归一化处理，得到处理后的图像；然后，对处理后的图像进行数据增广，得到图像数据集；接下来，将图像数据集划分为训练集、验证集与测试集，对训练集、验证集的缺陷进行标注，得到标注后的数据集，并采用标注后的数据集训练RefineDet网络模型；最后，将测试集输入至训练后的RefineDet网络模型中，检测晶圆图像的缺陷种类和位置。本申请提供的晶圆缺陷检测方法，基于RefineDet网络模型，能够有效识别晶圆缺陷，适用于小目标的检测。
-
公开(公告)号：CN116994973A
公开(公告)日：2023-11-03
申请号：CN202310837410.0
申请日：2023-07-10
Applicant: 常州大学
Abstract: 本申请涉及计算机视觉技术领域，公开了一种利用Halcon进行视觉处理的晶圆LIV测试方法及系统，方法在实验室虚拟仪器工程平台中输入采集设备通讯地址；调用预先封装的动态链接库，利用动态链接库中集成的Halcon程序驱动目标采集设备采集晶圆图像，并根据晶圆图像进行识别，获得芯片图像；其中，目标采集设备是根据采集设备通讯地址确定的；最后在实验室虚拟仪器工程平台中显示芯片图像，并根据芯片图像进行芯片LIV测试。Halcon程序相对于实验室虚拟仪器工程平台自带的视觉算法效率更高，而且开发更加简便。因此，本申请实施例中集成了实验室虚拟仪器工程平台和Halcon的优势，实现了晶圆LIV测试的自动化，且测试效率高、准确性和稳定性好。
-
公开(公告)号：CN116824170A
公开(公告)日：2023-09-29
申请号：CN202310510919.4
申请日：2023-05-08
Applicant: 常州大学
Abstract: 本发明涉及图像处理技术领域，尤其涉及一种基于氯化氢合成炉火焰分析方法及系统，包括使用火焰传感器判断氯化氢合成炉中是否有火焰；采集火焰视频，并通过分帧获取火焰图像；将获得的图像在RGB和HSI混合颜色模型下进行颜色检测，获取火焰像素点分布矩阵得到初步含疑似火焰区域图像；将初步含疑似火焰区域图像进行灰度化处理，使用PSO搜索进行全局寻优，并将全局最优解回代到K‑means聚类算法中，对图像进行聚类；将初步含疑似火焰区域图像矩阵与经过聚类后的火焰图像矩阵相乘，得到最终的火焰区域；根据最终的火焰区域的RGB均值和色温，调整气体浓度。本发明解决人工观察火焰颜色的控制质量差的问题。
-
公开(公告)号：CN115862684A
公开(公告)日：2023-03-28
申请号：CN202210914054.3
申请日：2022-08-01
Applicant: 常州大学
IPC: G10L25/66 , G10L25/18 , G10L25/24 , G10L25/30 , G06F40/30 , G06N3/0464 , G06N3/049 , G06N3/0442 , G06N3/048 , G06N3/08
Abstract: 本发明公开了一种基于音频的双模式融合型神经网络的抑郁状态辅助检测的方法。首先本发明首先将一维的原始音频信号预处理后获得二维的梅尔谱图；其次本发明提出通过并行的卷积神经网络和时序神经网络同步从音频信号提取特征，对可能患有情感性精神疾病的人群进行抑郁状态检测的算法，卷积神经网络从音频信号中提取声音韵律特征，时序神经网络从音频信号中提取语义特征，通过搭建可学习的加权自注意力模块，充分融合两种通道的特征以提高对抑郁状态检测的准确率；然后本发明通过利用加权的交叉熵损失函数使网络更加专注于学习音频中抑郁症的特征表示，抑制干扰噪声对于网络学习能力的影响，从而进行准确的抑郁状态预测。
-
Patent Agency Ranking
公开(公告)号：CN115452328B
公开(公告)日：2025-03-18
申请号：CN202211109300.4
申请日：2022-09-13
Applicant: 常州大学
IPC: G01M11/02 , G06V10/26 , G06V10/40 , G06V10/82 , G06V10/764 , G06V10/25 , G06N3/0464 , G06N3/08
Abstract: 本发明属于半导体激光器测试技术领域，提出了一种VCSEL半导体激光器阵列近场发光孔检测装置及方法，对VCSEL半导体激光器腔面光斑进行自动采集和识别，通过探针引脚和步进指令控制的晶圆托盘，实现自动的精确触发方式，相比传统的手动调节节省大量时间，自动化程度高，降低了由于人工操作带来的误差；基于Mask RCNN网络提取多张近场图像特征，对每张图像中各发光孔进行实例分割，使用不同型号的VCSEL半导体激光器数据集训练，提高了VCSEL半导体激光器近场各发光孔质量判断的准确性。
-
公开(公告)号：CN116579398A
公开(公告)日：2023-08-11
申请号：CN202310367184.4
申请日：2023-04-07
Applicant: 常州大学
Abstract: 本申请涉及计算机视觉技术领域，公开了一种可穿越代价模型训练方法、路径生成方法以及装置，所述方法包括：根据预先采集的第一图像和对应的标注图像训练归一化植被网络，得到归一化植被模型；所述标注图像为根据所述第一图像的归一化植被指数标注的图像；利用所述归一化植被模型处理第二图像，得到所述第二图像的植被像素；根据所述植被像素和对应的深度值，训练可穿越代价网络，得到可穿越代价模型；所述深度值为通过预先采集所述第二图像的深度图得到的。本实施例中的方法可以能实时将采集到的图像输入可穿越代价模型，并通过可穿越代价模型实时预测植被的可穿越代价，并依据预测得到的可穿越代价规划出可行路径，可确保驾驶汽车的驾驶安全。
-
公开(公告)号：CN115359556A
公开(公告)日：2022-11-18
申请号：CN202210967448.5
申请日：2022-08-12
Applicant: 常州大学
Abstract: 本发明涉及人体姿态评估技术领域，尤其涉及一种基于树莓派的轻量化的人体姿态评估方法及控制方法，包括构建Lightweight Openpose网络，对人体姿态图像进行识别，并绘制出人体骨骼框架；根据人体骨骼框架，通过向量角度计算出各关节的角度；根据各关节的角度求出机器人舵机需要转动的位置信息，并采用PID控制舵机进行动作模仿。本发明通过轻量化的人体姿态评估算法，实现人体姿态的准确识别，解决了现有算法网络结构冗余，计算效率低的问题；另外，通过socket技术实现树莓派与机器人摄像头、总线舵机和PC机之间的交互，使图像处理与控制相互独立，解决树莓派单机处理能力不足的问题。
-
公开(公告)号：CN116978565A
公开(公告)日：2023-10-31
申请号：CN202310965387.3
申请日：2023-08-02
Applicant: 常州大学
Abstract: 本申请涉及计算机自然语言处理领域，公开了一种多模态抑郁症评估方法、装置、电子设备以及存储介质,所述方法通过核心关键词从目标对象的访谈数据中筛选核心问题，并基于核心问题提取多种视觉线索，以去除冗余信息；利用预设的特征提取网络从多种视觉线索中分别提取具有抑郁感知能力的多个判别特征；并使用包含注意力机制层的融合模块融合多个判别特征，获得融合特征，可以发挥不同视觉线索之间的互补性；将判别特征输入预设的回归器预测健康问卷抑郁量表分数；将健康问卷抑郁量表分数转换为权重，并将权重和判别特征输入分类器获得用于判断抑郁程度的抑郁标签，可以有效的缓解模型过拟合现象，通过上述方法，可以提高筛查抑郁症的准确率。
-
公开(公告)号：CN116934693A
公开(公告)日：2023-10-24
申请号：CN202310837425.7
申请日：2023-07-10
Applicant: 常州大学
Abstract: 本申请涉及半导体激光器测试技术领域，公开了一种半导体激光器模组远场图像检测方法及装置。所述方法利用相机拍摄半导体激光器模组发出的光束在透视膜上的成像，获得灰度图像；对所述灰度图像进行矫正、裁剪处理，获得目标图像；确定所述目标图像中每个像素的像素信息，并根据所述像素信息确定所述目标图像的质心位置；根据所述质心位置和所述目标图像的大小，确定目标切线；然后，计算所述目标图像上每个宫格内的均匀度，以及计算每条目标切线上的均一度。本申请实施例中可以每个宫格内的均匀度和每条切线的均一度确定所述半导体激光器模组发出的光束的质量，以确定判断半导体激光器模组的性能。
-
-
-
-
-
-
-
-
-
Search Results
12
records
(took 0.028 seconds)
