-
公开(公告)号：CN119762833A
公开(公告)日：2025-04-04
申请号：CN202411523088.5
申请日：2024-10-29
Applicant: 重庆大学 , 中电科特种飞机系统工程有限公司
IPC: G06V10/764 , G06V10/774 , G06V10/80 , G06V10/82
Abstract: 本发明涉及仿生无人机识别技术领域，具体为一种跨模态语义对齐和特征融合的仿生无人机与飞鸟智能识别方法，包括，S1按照以下策略构建神经网络：神经网络的输入为由目标的图像和一定长度的运动行为序列组成的样本对；目标为仿生无人机或飞鸟；输入的图像由第一特征提取器提取图像特征向量，运动行为序列由第二特征提取器提取序列特征向量；由特征融合模块融合图像特征向量和序列特征向量，得到一高级特征；由分类器基于高级特征进行分类；S2训练神经网络，其中，所用到的损失函数包含用于趋近图像特征向量和序列特征向量间的差距的语义对齐目标损失函数；S3使用训练好的神经网络进行仿生无人机和飞鸟的识别，实现对仿生无人机与飞鸟的稳健性判别。
-
公开(公告)号：CN118779751B
公开(公告)日：2025-03-11
申请号：CN202410776968.7
申请日：2024-06-17
Applicant: 重庆大学 , 应急管理部四川消防研究所
IPC: G06F18/2415 , G06N3/082 , G06N3/042 , G06N3/0464 , G06N3/044 , G06F18/213 , G06N3/06
Abstract: 本发明公开了一种面向多元热量输出的电缆耐火性能测试温度实时重构方法，包括如下步骤：步骤一：采集温度数据：11)采用灰色关联与时序响应相结合的方式确定耐火性能检测装置内的温度采集点；12)针对耐火性能检测装置内选取的温度采集点，采集各个温度采集点处的喷灯的温度数据，得到各个温度采集点的温度序列数据；步骤二：温度预测：21)将各个温度采集点的温度序列数据作为滑动时间窗的输入，得到超前m步的温度序列数据；22)将滑动时间窗输出的温度数列数据输入图神经网络GCN，采用傅立叶卷积操作，对温度数列数据进行特征提取；23)将图神经网络GCN提取的特征输入递归神经网络SRU，得到电缆燃烧温度数据。
-
公开(公告)号：CN118779751A
公开(公告)日：2024-10-15
申请号：CN202410776968.7
申请日：2024-06-17
Applicant: 重庆大学 , 应急管理部四川消防研究所
IPC: G06F18/2415 , G06N3/082 , G06N3/042 , G06N3/0464 , G06N3/044 , G06F18/213 , G06N3/06
Abstract: 本发明公开了一种面向多元热量输出的电缆耐火性能测试温度实时重构方法，包括如下步骤：步骤一：采集温度数据：11)采用灰色关联与时序响应相结合的方式确定耐火性能检测装置内的温度采集点；12)针对耐火性能检测装置内选取的温度采集点，采集各个温度采集点处的喷灯的温度数据，得到各个温度采集点的温度序列数据；步骤二：温度预测：21)将各个温度采集点的温度序列数据作为滑动时间窗的输入，得到超前m步的温度序列数据；22)将滑动时间窗输出的温度数列数据输入图神经网络GCN，采用傅立叶卷积操作，对温度数列数据进行特征提取；23)将图神经网络GCN提取的特征输入递归神经网络SRU，得到电缆燃烧温度数据。
-
公开(公告)号：CN116520025A
公开(公告)日：2023-08-01
申请号：CN202310559565.2
申请日：2023-05-17
Applicant: 重庆大学 , 应急管理部四川消防研究所
IPC: G01R27/02
Abstract: 本发明公开了一种耐火电缆在受火条件下的绝缘电阻测试方法，包括以下步骤：S1，制备待测试的电缆样品并将其安装在电缆支架上；S2，将电缆支架连同电缆样品置于加热装置中；S3，通过一条连接线将样品待测绝缘电阻的线芯与绝缘电阻测试仪的测量端相连，另一条连接线将样品其余线芯与绝缘电阻测试仪的高压端相连；第三条连接线将电缆支架与绝缘电阻测试仪的屏蔽端相连；S4，启动加热装置，模拟电缆所处的火灾场景；S5，启动绝缘电阻测试仪和计数器，记录待测试电缆样品的绝缘电阻值和测试时间。本发明提供的测试数据有助于了解电缆在火灾条件下的绝缘电阻行为，分析不同结构的耐火电缆的耐火性能，揭示耐火电缆耐火性能失效机理。
-
公开(公告)号：CN116124832A
公开(公告)日：2023-05-16
申请号：CN202310259740.6
申请日：2023-03-16
Applicant: 应急管理部四川消防研究所 , 重庆大学
Abstract: 本发明公开的一种建筑火灾升温条件下电缆耐火性能测试系统及方法，该方法首先制备样品并将其安装在试验炉内；然后通过连接线连接样品两端，样品一端接电源，样品另一端接负载装置；最后，启动试验炉，按照规定的升温条件进行升温，模拟火灾场景，记录电缆在该建筑火灾升温条件下的持续供电时间。系统用于实现该方法，本方法可评价在模拟民用建筑等场所发生火灾时电缆为关键设备持续供电的能力。本方法提供的测试结果可为耐火电缆开发、耐火电缆结构优化、耐火材料研究、消防用电设备安全评估等方面提供数据支持，具有较广阔的应用前景。
-
Patent Agency Ranking
公开(公告)号：CN108445866B
公开(公告)日：2021-06-08
申请号：CN201810206344.6
申请日：2018-03-13
Applicant: 重庆大学
Abstract: 本发明公开一种基于卷积神经网络的LDW误漏报测试方法：S1，设置摄像头；S2，设定最大横向距离L，并平均离散化为n个类；S3，采集实时图像A并输入到深度卷积神经网络模型，计算获得车道边线的实际距离di；S4，判断LDW系统是否误报或漏报；S5，统计LDW系统的误作率；一种测试系统，包括图像采集装置、车载数据采集机构、分析器、运算处理器；所述图像采集装置连接分析器，所述运算处理器分别与分析器、车载数据采集机构连接。有益效果：本方法操作简单，识别速度快、识别精度高，对各路况的车道都适用；本测试系统可以最简化地仅设置图像采集装置、车载数据采集机构、分析器和运算处理器，无需另设车道边线标尺即可全自动识别偏离情况。
-
公开(公告)号：CN108445866A
公开(公告)日：2018-08-24
申请号：CN201810206344.6
申请日：2018-03-13
Applicant: 重庆大学
Abstract: 本发明公开一种基于卷积神经网络的LDW误漏报测试方法：S1，设置摄像头；S2，设定最大横向距离L，并平均离散化为n个类；S3，采集实时图像A并输入到深度卷积神经网络模型，计算获得车道边线的实际距离di；S4，判断LDW系统是否误报或漏报；S5，统计LDW系统的误作率；一种测试系统，包括图像采集装置、车载数据采集机构、分析器、运算处理器；所述图像采集装置连接分析器，所述运算处理器分别与分析器、车载数据采集机构连接。有益效果：本方法操作简单，识别速度快、识别精度高，对各路况的车道都适用；本测试系统可以最简化地仅设置图像采集装置、车载数据采集机构、分析器和运算处理器，无需另设车道边线标尺即可全自动识别偏离情况。
-
公开(公告)号：CN118941495A
公开(公告)日：2024-11-12
申请号：CN202410732299.3
申请日：2024-06-06
Applicant: 重庆大学 , 中电科特种飞机系统工程有限公司
IPC: G06T7/00 , G06V10/82 , G06V10/25 , G06V10/44 , G06V10/80 , G06V10/764 , G06V10/766 , G06V20/10 , G06V10/143 , G06N3/042 , G06N3/0464 , G06N3/0455 , G06N3/0985 , G06N3/048
Abstract: 本发明涉及智能检测技术领域，具体涉及一种知识引导的红外电力线智能检测方法。基于RetinaNet模型建立从红外图像中分类出电力线的检测模型，其中，在特征金字塔网络的特征融合阶段后嵌认知解码器，形成KRNet模型，训练中，对应回归子网络的输出的边框回归结果，采用RACIoU损失函数，该损失函数针对电力线的固有非定向性而定制，通过额外考虑旋转角度来扩展现有的CIoU损失；对应于分类子网络的输出，采用了二元交叉熵函数作为损失函数，同时纳入边界回归和分类损失。通过采用知识嵌入策略，在模型构建和训练中考虑电力线的先验信息，实现在复杂背景下对电力线的全面感知，从而提高检测准确性。
-
公开(公告)号：CN111862157A
公开(公告)日：2020-10-30
申请号：CN202010699138.0
申请日：2020-07-20
Applicant: 重庆大学
IPC: G06T7/246 , G06T7/277 , G06T7/62 , G06T7/90 , G06K9/00 , G06K9/46 , G06K9/62 , G01S13/58 , G01S13/72
Abstract: 本发明提供一种机器视觉与毫米波雷达融合的多车辆目标跟踪方法，利用毫米波雷达获取道路目标信息，根据运动学参数涉及滤波模型筛选车辆目标；利用视觉信息检测道路前方车辆，并基于检测结果进行多车辆目标跟踪；采用机器视觉与毫米波雷达融合模型将车辆目标投影到图像中，设定关联判定策略将视觉跟踪目标与车辆目标关联，并基于毫米波雷达探测的距离信息对视觉跟踪边界框在图像中的位置与尺寸进行修正。本发明可以解决现有技术中存在的对前方多车辆连续跟踪时，视觉跟踪边界框尺寸过大或过小造成误差累计后，丢失有效目标的技术问题。
-
公开(公告)号：CN109031323B
公开(公告)日：2020-09-11
申请号：CN201810990629.3
申请日：2018-08-28
Applicant: 重庆大学
IPC: G01S15/931 , G08G1/14
Abstract: 本发明公开一种基于超声波测距雷达的车位检测方法，该方法包括：首先根据泊车方向控制两个超声测距雷达采集距离数据，根据泊车模式信息确定最小尺寸阈值，并对汽车速度进行积分。然后根据距离数据和速度积分数据检测停车位，再然后融合两个超声波测距雷达的检测结果确定有效停车位，最后根据最小距离数据确定障碍点位置坐标。本发明基于一侧前后两个超声波测距雷达能有效地检测停车位。同时将前后两个雷达的检测结果进行融合，增加检测到有效停车位的成功率，对于各种停车模式均有较高的准确率。能够迅速有效的寻找到障碍点，并准确计算相对位置信息，便于后续准确进行自动泊车路径规划。能源损耗低，有利于环境保护，安全可靠。
-
-
-
-
-
-
-
-
-
Search Results
23
records
(took 0.031 seconds)
