|
搜索
搜 索
高等教育领域数字化综合服务平台
一种基于磁表征的铁磁性材料表面轮廓检测识别方法
本发明提供一种基于磁表征的铁磁性材料表面轮廓检测识别方法，该方法先将磁敏元件以 0-5<i>mm</i>的提离距离靠近待检铁磁性材料表面，拾取近表空气域内磁场特征，并转化为电压信号；再采用电压信号幅值比较识别判断法，或者检测信号波形图方法进行表面轮廓识别判断。本发明为非接触式提离检测方式，可以实现在线轮廓检测识别；检测手段能够直接穿透灰尘及污垢等物质而不受干扰，不需要高的待检测表面清洁度及检测工况环境光线要求。该方法原理是基于铁磁性材料在加工完后的剩磁在地磁场作用下的磁表征现
华中科技大学
2021-04-14
一种前视雷达成像海面目标关键点检测识别方法
本发明公开了一种前视雷达成像海面目标关键点检测识别方法，所述方法包括：将雷达回波数据量化为灰度图像；对灰度图像提取感兴趣区、分割，得到目标区域分割图像；利用雷达回波数据和图像感兴趣区，得到目标区域峰值点信息矩阵；对目标区域分割图像和目标区域峰值点信息矩阵进行信息融合，统计融合结果中目标区域内峰值点数目 K，选取前 K 个峰值点作为目标有效峰值点，二值化为目标有效峰值点图像，提取目标轴向特征，确定目标位置；计算目标能量
华中科技大学
2021-04-14
指纹识别技术
包括基于流量分析的移动应用指纹识别技术以及基于应用程序和浏览器的设备指纹识别技术等。移动应用指纹识别技术通过综合应用动态流量采集和静态特征抽取技术，在保证应用规模和流量覆盖率的前提下，实现流量数据的大规模自动化采集。设备指纹识别技术针对Android系统终端，在零权限的前提下分别基于应用程序和浏览器提取层次化标识符组合形成指纹实现设备识别。
东南大学
2021-04-11
物体识别与抓取
工业或轻工业环境下的抓取和分拣操作一直是劳动密集型的生产环节。本研究室搭建了以视觉感知 为基础的机械手臂控制系统，核心硬件包括 UR 机械臂和 Barratte Hand 三指灵巧手。能够准确、快速地识别与定位抓取目标，并实现可靠地运动控制。该技术对提高相关产业的自动化、智能化、以及劳动生 产率具有重要的应用价值。
北京工业大学
2021-04-13
人脸识别门禁系统
利用手机上的 APP 刷人脸，进行识别后，驱动门禁开关。由于手机比较普及，出入门禁的人，无需携带其他识别物，就能自由进出。成本低、方便快捷。
扬州大学
2021-04-14
健康检测智能马桶
在用户入厕时自动对人体相关健康指标进行检测和AI分析，解决人体健康数据采集与管理的痛点和难点，突破通过智能马桶采集和管理人体健康指标的难题，在技术上的优势为：① 无需培养用户习惯，将检测过程融入日常生活；② 实现AI全自动检测，无需手动操作；③ 检测功能多元化，体脂、尿检、便检、尿流率、孕期指标等一体化集成。目前该成果已获得30多项知识产权，是国际上唯一实现量产的全自动健康检测智能马桶，是老年、孕妇、肥胖、慢病等人群的福音。
重庆交通大学
2025-02-21
一种极化码和多比特奇偶校验码级联的纠错编码方法
本发明公开了一种极化码和多比特偶校验码级联的纠错编码方法，该方法发送端编码器采用多比特偶校验码作为外码，极化码作为内码；接收端译码器采用修正的 SCL 译码算法进行译码。在纠错性能上，相对于采用 SCL 译码算法的中短码长非级联极化码，本发明可以显著提升系统的误帧率性能，并可明显突破后者不可突破的最大似然界限(ML-Bound)；在工程实现上，本发明外码采用多比特偶校验码，编码简单，译码采用修正的 SCL 译码算法，译码过程中比特判决与偶校验联合进行，相对于原始 SCL 译码算法无译码复杂度的提升，有利于工程实现。
华中科技大学
2021-04-11
小码王少儿编程培训班
立足线下，构建孩子面向未来的思维方式。成立至今，小码王已开设了70多家旗舰校区，遍布北京、上海、杭州、广州、深圳等全国20多个主要城市。
杭州小码教育科技有限公司
2021-02-01
一种基于无人机图像识别的桥墩倾斜度批量检测方法
本发明公开了一种基于无人机图像识别的桥墩倾斜度批量检测方法，包括无人机批量采集桥墩图像、桥墩轮廓左右边线提取、计算桥墩左右边线的倾斜角度、计算桥墩的倾斜度、返回倾斜度列表及超额预警共五个步骤，从图像采集、图像处理、图像信息识别、关键参数提取及计算等方面出发，得到桥墩倾斜度列表，并返回倾斜度超过限制值的桥墩编号和总数目。整体流程具有大批量、快速、地形适用范围广的优点，无需额外使用全站仪、GPS接收设备。
南京工业大学
2021-01-12
智能表记识别系统
项目简介： 本项目针对复杂的实际工业环境，基于机器学习最新理论成果和机器视觉基本原理，研究并实现了具有较强鲁棒性的变电站传统机械式电表远程智能读数系统。首先通过图像的预处理对电表区域进行初步定位，然后在此有效范围中利用电表指针的几何形状特点对其进行精准定位，最后通过指针与表盘刻度的相对位置计算电表读数，最终实现了在复杂环境下对电表快速、可靠、精确地远程智能读数，代替了低效的传统人工抄表和数据录入，具有可推广应用的工业价值。 运用机器学习和计算机视觉技术，首先获取指针式仪表表盘图像，然后采用数字图像处理技术提取和识别目标，最后实现指针式仪表示值的自动判读，从而避免人工判读示值工作量大、容易出错等问题。本项目的主要工作内容有：电表特征配置、指针类表计读数判别、建立前馈式神经网络模型、图像智能化判断。 由于工业环境复杂多变，在数据采集过程中不定期地会出现各种故障和干扰。这些极端情况下所采集到的图片若进入系统进行智能读数分析，所得到的分析结果往往是不可信或者无意义的。所以，根据图像的像素分布特点进行分析，系统将自动拒绝对质量过差的问题图像进行分析判断，并向变电站工作人员发送相关警告提示。在提高系统读数结果可靠性的同时，及时发现设备问题并通知工作人员，有利于尽早排除故障、防患于未然。主要技术指标：识别正确率：92.5%；识别速度<3s。 应用范围：项目目前已进入产业化阶段，成果权属为我校独自拥有。
四川大学
2021-04-11