专利标题 公开号/公告号 公开日期 摘要 专利状态
基于神经网络的数据生成方法及其系统 CN202310209833.8 - 本发明涉及基于神经网络的数据生成方法及其系统，首先构建以背景图和掩码图为输入，背景工件图为输出的神经网络模型，再采集训练样本集，训练优化神经网络模型，得到训练后的神经网络模型，以完成数据生成的学习过程，最后获取待生成合成图的背景图和掩码图，输入训练好的神经网络模型，以输出更多合成的背景工件图，即我们需要的数据。相较于现有技术，既降低了采集大量训练样本集的人力消耗和时间消耗且效果显著，而且能在工业产线建立初期就能生成大量数据样本，使深度学习模型保持一个稳定的效果，实现工业产线的快速部署，大大缩短了模型稳定所需的时间，为工业智能制造深度学习的快速部署打下了基础，具有重要的应用价值和研究意义。 实质审查
基于线性规划的机器人末端执行器工作空间边界生成方法 CN202310209843.1 - 本发明涉及一种基于线性规划的机器人末端执行器工作空间边界生成方法，包括步骤：S1、根据机器人的关节特性将关节运动用参数化表示来构建机器人运动的运动学建模；S2、分别构建生成机器人末端执行器工作空间边界需要的所有约束的线性方程；S3、确定生成机器人末端执行器工作空间边界需要满足的线性约束方程组；S4、获得所有满足约束方程组中线性方程的机器人关节运动参数；S5、从所有满足线性约束方程组的线性方程的机器人关节运动参数中找出同时满足部分约束的边界关节运动参数；S6、辩识并确定机器人末端执行器的工作空间边界点。在布局机器人和工业产线时，简化成将工业产线和机器人工作空间进行重合的工作，极大的简化了机器人布局工作。 实质审查
样本生成方法、目标检测模型训练、目标检测方法及系统 CN202310210125.6 - 本发明公开了样本生成方法、目标检测模型训练、目标检测方法及系统，样本生成方法包括：1，基于原始样本集训练获得目标检测模型；2，获取候选样本集，其包括N张待检测的候选样本图片；3，基于候选样本集和目标检测模型，输出各张候选样本图片上各处的目标信息；4，基于步骤3的输出信息，从候选样本集中筛选出目标样本图片并确定各目标样本图片上各处的目标位置和类别信息；5，将目标样本图片及图片上各处的目标位置和类别信息作为训练样本输出。本发明利用无标注候选样本集，自动生成目标检测模型训练用样本，大大降低人工成本；通过持续不断的迭代学习，不断提升目标检测模型对在线工作流中的数据适应能力，提高目标检测结果的准确度。 实质审查
工业仿真角色的构建方法、仿真系统及工业生产线 CN202310209828.7 - 本发明公开了工业仿真角色的构建方法、仿真系统及工业生产线，包括步骤：S1、在仿真环境中根据工业产线业务功能进行工位划分；S2、为每个工位的每个工序获取一个仿真角色；S3、当工业产线中生产产线上的工位为单功能工位时，直接调用仿真角色库中该工位对应的单仿真角色；当工业产线中生产产线上的工位为复合型功能工位时，根据复合型功能工位对应的工序流程的顺序从仿真角色库中调用相关的单仿真角色，对复合型功能工位的相关单仿真角色采用图层叠加的形式进行关联排序，叠加后的结果为仿真环境中对复合型功能工位构建的复合仿真角色；S4、根据每个工位的配置，对工业产线进行仿真调试。本发明便于仿真技术应用于更多工业生产线。 实质审查
一种图像处理方法及其计算机可读存储介质和电子设备 CN202310024107.9 - 本发明涉及一种图像处理方法及其计算机可读存储介质和电子设备，首先将待提取特征图像划分为多个局部图像，再根据图像中像素点的平滑度、亮度、斜率、梯度等特征参数，在每个图像中选定具有代表性的一个或多个点为特征点，其关键是基于局部图像的特征参数假设一致性原则，统计每个局部图像的代表点为待提取特征图像的特征点，既具有代表性和泛化性，又能保障特征点一定程度上分布均匀。 实质审查
目标检测模型、训练方法及系统、目标检测方法及系统 CN202310023892.6 - 本发明公开了目标检测模型、训练方法及系统、目标检测方法及系统，包括：获取已知场景A的已标注目标信息的数据集DA；获取新场景B的未标注目标信息的数据集DB；基于场景B的背景图和已知的目标图片生成标注有目标信息的数据集DC；获取DA的样本Xa及标签Ya，DB的样本Xb，DC的样本Xc及标签Yc；将Xa、Xb、Xc输入特征提取网络Cf提取得到特征fa、fb、fc；获取目标检测损失Ldet、分类损失Ladv；融合Ldet和Ladv，获取总损失；优化网络直至总损失收敛。本发明通过少量新场景的背景图片、少量新场景的无标注图片和已知场景的标注图片，就可以对新场景进行设配，获得适用于新场景的目标检测模型，解决跨场景的目标物体检测问题，检测效果好，人工成本低。 实质审查
工业仿真控制系统及控制方法 CN202310023891.1 - 本发明公开了工业仿真控制系统及控制方法，控制系统包括全局控制层、仿真智体层、解释器层、智体调控层和数据管理层，控制方法包括步骤：S1、创建仿真智体：通过仿真智体层模型库的仿真模型进行实例化生成仿真智体，设置好仿真智体各组件的参数内容；S2、对仿真智体完成仿真任务涉及的调控目标、决策方法和资设备队列进行配置，初始化仿真任务的起点；S3、创建所有仿真智体后布置仿真场景，运行仿真并完成仿真任务。将仿真中每个组成都以实例化后的仿真智体来体现，各仿真智体间相互独立，只在有任务关联时进行交互协作，仿真模拟通过一群仿真智体配合完成，从而实现仿真自驱动。精简了仿真智体的设计，简化仿真模拟时工业生产线仿真智体的控制。 实质审查
图像拼接方法及其计算机可读存储介质和终端设备 CN202310023889.4 - 本发明涉及图像拼接方法及其计算机可读存储介质和终端设备，包括：获取具有重合区域的至少两张待拼接图像，并根据待拼接图像确定拼接矩阵；根据拼接矩阵，将待拼接图像的重合区域，转换至同一坐标系；计算每个转化后的重合区域的相似度；根据重合区域的相似度，不断调整拼接矩阵，重复步骤S2和S3，选择最高相似度对应的拼接矩阵为最优拼接矩阵；根据最优拼接矩阵，拼接待拼接图像，得到拼接图像。其关键在于，引入一套评价机制，对转换的待拼接图像的重合区域，计算相似度，以点反映面，充分反映该拼接矩阵下的拼接效果，反向推导最高相似度下的最优拼接矩阵，从根本上优化更新拼接矩阵这个影响拼接效果的源头因素，实现最佳拼接效果。 实质审查
载具末端设备的定位方法、装置、载具、存储介质和终端 CN202310024111.5 - 本发明涉及载具末端设备的定位方法、装置、载具、存储介质和终端，打破常规方式，突破性的将载具视为虚拟机器人，将其旋转结构视为机器人的旋转关节，位移结构视为机器人的伸缩关节，构建载具的运动学模型，并计算每个旋转关节的旋量。在此基础上，能够根据载具末端设备的初始旋转姿态、初始位置、目标旋转姿态、目标位置和运动学模型以及每个旋转关节的旋量，精确计算出载具的旋转参数和位移参数，使得操作工人的工作从不断目测调节载具的反复劳动，转变为根据相应旋转参数和位移参数，将载具的各关节对准调节至相应参数，从而极大的降低了对安装工人的经验要求，又提高了安装效率和安装精度，是一种快速、精准的载具末端设备定位方法。 实质审查
货物分拣方法、装置及系统 CN202310023888.X - 本发明提供一种货物分拣方法、装置及系统，所述方法包括：获取待分拣货物的RGB图和深度图，并将所述RGB图输入数字码算法提取模型，得到所述待分拣货物的二维坐标；将所述RGB图和所述深度图输入货物算法提取模型，得到所述待分拣货物的深度平均值；基于所述二维坐标和所述深度平均值得到所述待分拣货物的三维坐标，并将所述三维坐标发送给分拣执行机构，以供所述分拣执行机构基于所述三维坐标对所述待分拣货物执行分拣动作。本发明提供的货物分拣方法、装置及系统，大幅提升了货物分拣的效率和准确率，节省了成本与人力的投入。 实质审查