检索结果-内蒙古大学图书馆

计算机工程 2025年第2期51卷 312-321页

作者：王杨宋世佳王鹤琴袁振羽赵立军吴其林安徽师范大学计算机与信息学院安徽芜湖241000 长三角哈特机器人产业技术研究院安徽芜湖241000

光照一致性是增强现实(AR)系统中实现虚实有机融合的关键因素之一。由于拍摄视角的局限性和场景光照的复杂性,开发者在估计全景照明信息时通常忽略局部光照一致性,从而影响最终的渲染效果。为解决这一问题,提出一种基于改进视觉Transfor... 详细信息

光照一致性是增强现实(AR)系统中实现虚实有机融合的关键因素之一。由于拍摄视角的局限性和场景光照的复杂性,开发者在估计全景照明信息时通常忽略局部光照一致性,从而影响最终的渲染效果。为解决这一问题,提出一种基于改进视觉Transformer(ViT)结构的局部光照一致性估计框架(ViTLight)。首先利用ViT编码器提取特征向量并计算回归球面谐波(SH)系数,进而恢复光照信息;其次改进ViT编码器结构,引入多头自注意力交互机制,采用卷积运算引导注意力头之间相互联系,在此基础上增加局部感知模块,扫描每个图像分块并对局部像素进行加权求和,捕捉区域内的特定特征,有助于平衡全局上下文特征和局部光照信息,提高光照估计的精度。在公开数据集上对比主流特征提取网络和4种经典光照估计框架,实验和分析结果表明,ViTLight在图像渲染准确率方面高于现有框架,其均方根误差(RMSE)和结构相异性(DSSIM)指标分别为0.1296和0.0426,验证了该框架的有效性与正确性。

关键词：增强现实光照估计球面谐波系数视觉Transformer 多头自注意力

来源：评论

学校读者我要写书评

暂无评论

基于深度卷积和多层尺度特征融合的冠脉造影图像血管分割

引用

中国生物医学工程学报 2025年第1期44卷 34-42页

作者：许洋翟楠楠倪维臻谭强王金甲燕山大学信息科学与工程学院河北秦皇岛066000 智能机器人湖北省重点实验室(武汉工程大学) 武汉430205 长三角哈特机器人产业技术研究院安徽芜湖241000 秦皇岛市第一医院心内科河北秦皇岛066000

冠状动脉造影是诊疗冠心病等心血管疾病的一种重要手段,快速而准确的血管分割对诊疗心血管疾病具有十分重要的意义。针对现有冠状动脉造影血管分割算法对细微血管的分割能力不强、分割血管的连通性较差、抗噪声及伪影能力弱等问题,本研... 详细信息

冠状动脉造影是诊疗冠心病等心血管疾病的一种重要手段,快速而准确的血管分割对诊疗心血管疾病具有十分重要的意义。针对现有冠状动脉造影血管分割算法对细微血管的分割能力不强、分割血管的连通性较差、抗噪声及伪影能力弱等问题,本研究吸取了Transformer结构长距离依赖与跨域跳转连接的优点,分别采用上下文分层聚合和多尺度特征融合的方法,对U型分割网络进行改进,称HAM-UNet。首先,采取必要的图像预处理方法,对原有的冠脉造影图像进行一些特征强化,并扩大了实验数据;然后,将预处理好的图片以HAM-UNet的方法进行分割。编码器同时结合深度卷积与残差结构,可以高效的捕获全局特征并有效增强网络细节感知力,提升分割精度的同时提高分割连通性。解码器进行了多尺度的特征融合,并且加入上采样跳转连接,网络的全局感知得到提高,有效降低了无关信息的影响。所使用数据集来自于天津市医科大学总医院的221张图像和秦皇岛市第一医院的494张图像,在两个数据集上,HAM-UNet算法的准确率分别为0.983和0.998,IOU分别为0.857和0.908,Dice分数分别为0.842和0.883;综合分割性能比U-Net和Att-UNet等算法有较大提升。

关键词：图像分割冠脉造影图像分割 U-Net 深度卷积多层尺度融合

来源：评论

学校读者我要写书评

暂无评论

基于小样本和随机化的跨域人体动作泛化识别模型

引用

计算机应用研究 2025年第3期42卷 849-855页

作者：胡明许佳炜赵立军王杨欧阳少雄后海伦芜湖职业技术学院网络工程学院安徽芜湖241002 安徽师范大学计算机与信息学院安徽芜湖241000 长三角哈特机器人产业技术研究院安徽芜湖241000

随着IEEE 802.11bf标准的发布,WiFi感知技术已从学术研究走向工业应用。针对现有人体动作识别在域内能够准确感知,但面对跨域场景时模型识别性能差的问题,提出了一种基于小样本和随机化的跨域人体动作泛化识别模型SSRCD-Fi。首先,使用... 详细信息

随着IEEE 802.11bf标准的发布,WiFi感知技术已从学术研究走向工业应用。针对现有人体动作识别在域内能够准确感知,但面对跨域场景时模型识别性能差的问题,提出了一种基于小样本和随机化的跨域人体动作泛化识别模型SSRCD-Fi。首先,使用特征提取器将输入样本映射到向量空间,实现同一动作的样本聚集、不同动作的样本分离;然后针对新的场景域,通过随机化方法和少量被标记样本计算出动作的原型表示;最后,计算查询样本与动作原型之间的距离,从而实现了人体动作的分类。实验结果和分析表明,SSRCD-Fi能够实现鲁棒的跨域人体动作的泛化感知,在不可见的用户和位置上实验准确率分别为92.73%和97.99%。实验代码公开在:https://***/4three2one/SSRCD-Fi。

关键词：人体动作识别小样本随机化跨域泛化感知

来源：评论

学校读者我要写书评

暂无评论

聚丙烯酰胺/假酸浆复合材料制备及其对刚果红的吸附性能

引用

工程科学与技术 2025年第03期 299-309页

作者：郭万金孙浩曹雏清赵立军长安大学道路施工技术与装备教育部重点实验室埃夫特智能机器人股份有限公司长三角哈特机器人产业技术研究院芜湖哈特机器人产业技术研究院有限公司

为去除染料废水中的刚果红（CR）分子，以假酸浆、聚丙烯酰胺（PAM）和改性石墨为原料，采用冷冻干燥法制备了一种复合材料吸附剂，通过扫描电镜（SEM）、傅里叶变换红外光谱（FTIR）和Zeta电位对复合材料进行了表征，研究了pH、加入量... 详细信息

为去除染料废水中的刚果红（CR）分子，以假酸浆、聚丙烯酰胺（PAM）和改性石墨为原料，采用冷冻干燥法制备了一种复合材料吸附剂，通过扫描电镜（SEM）、傅里叶变换红外光谱（FTIR）和Zeta电位对复合材料进行了表征，研究了pH、加入量、吸附时间、温度和溶液浓度对其吸附CR性能的影响，并利用吸附动力学、吸附等温线和吸附热力学研究了吸附过程，并分析了重复利用性。材料表征结果表明：所制备复合材料具有较好的空间结构，表面粗糙不均且存在大量活性位点和多种官能团，有明显的褶皱，比表面积较大。吸附实验结果表明：pH是影响复合材料对CR的吸附性能的主要因素，复合材料对CR的吸附性能在酸性和中性溶液中较好，碱性条件下较差；当溶液pH=7时，CR去除率可达89.6%；初始溶液浓度为80 mg/L时，随吸附剂投入量增加，CR去除率由76.5%提高至86.6%；当初始溶液浓度为100 mg/L及复合材料投入量为100 mg时，吸附平衡的时间约为826 min,CR去除率为84.5%；复合材料对CR的吸附属于放热过程，在303～323 K温度范围内，复合材料对CR的吸附性能随温度的增加而降低。吸附动力学分析结果表明，复合材料对CR的吸附符合伪1级动力学模型。等温线分析结果表明，吸附反应更加符合Freundlich等温线模型，吸附过程主要发生在复合材料的非均相吸附位点上，且以化学吸附为主。热力学分析结果表明，复合材料对CR的吸附是自发的放热过程。重复利用性分析研究表明，所制备的复合材料具有良好的重复利用性。所制备复合材料吸附剂对刚果红具有良好的吸附性能，为制备去除染料废水中刚果红的吸附剂提供了参考。

关键词：假酸浆聚丙烯酰胺改性石墨吸附性能刚果红

来源：评论

学校读者我要写书评

暂无评论

考虑动态因素影响的机器人磨削表面粗糙度预测

引用

仪器仪表学报 2025年第03期 110-122页

作者：郭万金郝钦磊徐明坤曹雏清赵立军王力长安大学道路施工技术与装备教育部重点实验室长三角哈特机器人产业技术研究院埃夫特智能机器人股份有限公司安徽工程大学计算机与信息学院哈尔滨工业大学机器人研究所北京理工大学机械与车辆学院

机器人磨削过程受到动态因素与静态因素的综合影响,具有复杂耦合、高度时变非线性等动态特性。为解决动态因素特征选择困难与仅考虑静态因素致使表面粗糙度预测精度低的问题,结合深度学习技术,提出一种考虑动态因素影响的机器人磨削表... 详细信息

机器人磨削过程受到动态因素与静态因素的综合影响,具有复杂耦合、高度时变非线性等动态特性。为解决动态因素特征选择困难与仅考虑静态因素致使表面粗糙度预测精度低的问题,结合深度学习技术,提出一种考虑动态因素影响的机器人磨削表面粗糙度预测方法。首先,利用卷积神经网络自动提取磨削过程中动态因素的空间特征,捕捉机器人磨削的复杂动态行为;通过双向长短期记忆网络从获得的空间特征中提取时序特征,表征机器人磨削的动态变化;引入注意力机制实现空间特征、时序特征和静态因素的自动权重分配;利用改进的鲸鱼优化算法自适应优化双向长短期记忆网络的超参数,提高收敛速度和适应机器人磨削动态变化。其次,根据所提预测方法,构建一种考虑动态因素影响的IWOA-CNN-BiLSTM-Attention表面粗糙度预测模型。再次,开展机器人磨削加工实验,将提取的动态因素空间特征和时序特征、采集的静态因素和表面粗糙度测量值归一化处理,构建实验数据集。最后,将实验数据集输入预测模型进行模型训练,实现同时考虑动态因素和静态因素的机器人磨削表面粗糙度预测;并通过对比实验验证所提预测方法的有效性,其对应预测模型的平均绝对百分比误差、均方根误差和决定系数分别为0.027 6、0.029 5和0.998 8,与对比预测模型相比,预测精度分别提高17.14%、13.65%和21.35%。

关键词：机器人磨削表面粗糙度预测动态因素静态因素深度学习

来源：评论

学校读者我要写书评

暂无评论

基于数字孪生与BP神经网络的RV减速器故障诊断

引用

安徽科技学院学报 2025年第2期39卷 104-111页

作者：孙笑笑江本赤陈智君李公文安徽工程大学机械与汽车工程学院安徽芜湖241000 长三角哈特机器人产业技术研究院安徽芜湖241007 芜湖安普机器人产业技术研究院有限公司安徽芜湖241060

本文为解决RV减速器的故障诊断及分类问题,提出一种基于数字孪生和神经网络的故障诊断方法。首先,构建RV减速器的数字孪生模型,并建立数据通信完成虚实交互;其次,基于BP神经网络构建减速器故障诊断模型,并引入Adam算法对其优化;最后,结... 详细信息

本文为解决RV减速器的故障诊断及分类问题,提出一种基于数字孪生和神经网络的故障诊断方法。首先,构建RV减速器的数字孪生模型,并建立数据通信完成虚实交互;其次,基于BP神经网络构建减速器故障诊断模型,并引入Adam算法对其优化;最后,结合仿真数据库和传感器实时数据对减速器孪生模型和诊断模型进行修正更新。训练集的诊断准确率达到96.5%,测试集的准确率达到96%,验证了该方法的可行性。本文通过融合数字孪生技术与BP神经网络,可以有效提升故障诊断的准确率。

关键词：数字孪生神经网络 RV减速器故障诊断

来源：评论

学校读者我要写书评

暂无评论

应用元素级注意力机制和角点特征的重定位网络

引用

计算机工程 2024年第11期50卷 130-141页

作者：曹雏清罗海南马玉洁安徽工程大学计算机与信息学院安徽芜湖241000 长三角哈特机器人产业技术研究院安徽芜湖241000

视觉重定位技术是室内服务机器人关键技术之一,其主要目的是精确确定机器人在场景中的六自由度位姿。在室内环境中,稀疏纹理区域的普遍存在对视觉重定位的精度构成了挑战,因为这些区域中的相似图像块会大幅干扰定位准确性。此外,现有的... 详细信息

视觉重定位技术是室内服务机器人关键技术之一,其主要目的是精确确定机器人在场景中的六自由度位姿。在室内环境中,稀疏纹理区域的普遍存在对视觉重定位的精度构成了挑战,因为这些区域中的相似图像块会大幅干扰定位准确性。此外,现有的视觉重定位网络往往忽视图像中角点的重要性,限制了卷积神经网络在编码场景信息时的能力,因为角点中蕴含着丰富的几何特征。为此,提出一种结合元素级注意力机制和角点特征的视觉重定位网络。为了解决相似图像块的问题,提出元素级注意力机制,通过预测元素级注意力加权系数来评估特征图中每个元素的重要性。该方法可有效融合多级特征图,利用低级特征图中的几何结构信息与高级特征图中的语义信息来提升相似图像块的区分度。针对角点特征被忽视的问题,提出一种角点特征整合模块,利用角点提取网络SuperPoint提取大量角点进行聚类,并选择距离聚类中心最近的角点来保证其均匀地分布在图像中。该网络将提取的角点特征整合进高维特征图中,从而保证网络充分地提取角点中所包含的图像几何特征,进而提升网络的场景解析能力。在7-Scenes数据集上的实验结果表明,在包含大量稀疏纹理的室内场景中,提升相似图像块间的区分度并整合角点特征可有效提升视觉重定位精度,使该方法实现了0.025 m的中值平移误差、0.83°的中值旋转误差以及87.43%的重定位准确率。

关键词：视觉重定位室内服务机器人卷积神经网络多级特征融合角点特征

来源：评论

学校读者我要写书评

暂无评论

无先验模型曲面的机器人打磨主动自适应在线轨迹预测方法

引用

浙江大学学报（工学版） 2023年第8期57卷 1655-1666页

作者：郭万金赵伍端于苏扬赵立军曹雏清长安大学道路施工技术与装备教育部重点实验室陕西西安710064 哈尔滨工业大学机器人技术与系统国家重点实验室黑龙江哈尔滨150001 芜湖哈特机器人产业技术研究院有限公司博士后工作站安徽芜湖241007 长三角哈特机器人产业技术研究院安徽芜湖241007

为了解决工业机器人打磨的作业柔顺性不足问题,设计了机器人柔顺浮动打磨力控末端执行器.为了解决无先验模型曲面工件的机器人打磨轨迹自适应性较差的问题,提出无先验模型曲面的机器人打磨主动自适应在线轨迹预测方法.该方法根据打磨工... 详细信息

为了解决工业机器人打磨的作业柔顺性不足问题,设计了机器人柔顺浮动打磨力控末端执行器.为了解决无先验模型曲面工件的机器人打磨轨迹自适应性较差的问题,提出无先验模型曲面的机器人打磨主动自适应在线轨迹预测方法.该方法根据打磨工具与工件的接触状态预测曲面法线方向,以有向进给平面与曲面切平面的截交线作为进给导向,自适应在线预测机器人打磨系统末端执行器的位姿,使末端执行器主轴轴线实时主动跟踪曲面法线,实现对无先验模型曲面工件的机器人打磨轨迹的主动自适应在线预测.通过仿真分析和实验验证了所提出方法的有效性,最大综合位置预测误差与曲面法线跟踪误差分别为0.506 mm和4.912°.所提出方法可以为无先验模型曲面工件的机器人打磨提供在线轨迹预测.

关键词：工业机器人无先验模型曲面在线轨迹预测曲面法线跟踪机器人打磨

来源：评论

学校读者我要写书评

暂无评论

农业物料移运机器人协同作业时间最优轨迹规划方法

引用

农业机械学报 2024年第1期55卷 22-38页

作者：郭万金李儒郝钦磊曹雏清赵立军长安大学道路施工技术与装备教育部重点实验室西安710064 芜湖哈特机器人产业技术研究有限公司博士后工作站芜湖241007 长三角哈特机器人产业技术研究院芜湖241007 哈尔滨工业大学机器人技术与系统国家重点实验室哈尔滨150001

为了解决机器人将农产品从收获场所转移到仓库或运输车辆存在的移动轨迹和作业轨迹相对独立且耗时长的问题,本文设计一种物料移运机器人,并提出一种物料移运机器人协同作业时间最优轨迹规划方法,获得机器人作业系统和行驶系统协同作业... 详细信息

为了解决机器人将农产品从收获场所转移到仓库或运输车辆存在的移动轨迹和作业轨迹相对独立且耗时长的问题,本文设计一种物料移运机器人,并提出一种物料移运机器人协同作业时间最优轨迹规划方法,获得机器人作业系统和行驶系统协同作业的时间最优轨迹。该方法建立机器人协同作业的运动学模型和动力学模型,对物料移运机器人开展时间最优轨迹规划,并基于Lyapunov理论设计控制律减少跟踪误差,最后通过Matlab/Simulink和ADAMS联合仿真验证方法的有效性。结果表明,提出的轨迹规划方法可使机器人在抓放料协同作业和避障协同作业中取得平滑且时间最优的运动轨迹,机器人各关节的位移、速度、加速度、力/力矩曲线变化平缓,两履带牵引力满足机器人的要求且可快速稳定跟踪时间最优路径。

关键词：物料移运机器人轨迹规划时间最优协同作业 A*算法

来源：评论

学校读者我要写书评

暂无评论

基于集成概率模型的变阻抗机器人打磨力控制

引用

浙江大学学报（工学版） 2023年第12期57卷 2356-2366,2374页

作者：郭万金赵伍端利乾辉赵立军曹雏清长安大学道路施工技术与装备教育部重点实验室陕西西安710064 哈尔滨工业大学机器人技术与系统国家重点实验室黑龙江哈尔滨150001 芜湖哈特机器人产业技术研究院有限公司博士后工作站安徽芜湖241007 长三角哈特机器人产业技术研究院安徽芜湖241007

工业机器人对工件柔顺打磨作业的适应性差,为此设计机器人柔顺浮动力控末端执行器,基于集成贝叶斯神经网络模型的强化学习,提出主动自适应变阻抗的机器人打磨力控制方法.所提方法根据打磨作业的接触环境信息,利用自助法获取小量数据的... 详细信息

工业机器人对工件柔顺打磨作业的适应性差,为此设计机器人柔顺浮动力控末端执行器,基于集成贝叶斯神经网络模型的强化学习,提出主动自适应变阻抗的机器人打磨力控制方法.所提方法根据打磨作业的接触环境信息,利用自助法获取小量数据的多次采样样本,训练集成贝叶斯神经网络模型以描述机器人打磨系统与工况环境交互作用,采用协方差矩阵自适应进化策略(CMA-ES)求解最优阻抗参数.构建机器人打磨系统虚拟样机平台,开展叶片工件的打磨仿真实验,验证所提方法的有效性.实验结果表明,所提方法在十几次训练后,能够将打磨力的绝对跟踪误差减小至较小值,较好地实现了机器人打磨系统的主动自适应变阻抗打磨力控制,提高了机器人打磨力控制的柔顺性和鲁棒性.

关键词：工业机器人打磨力控制自适应变阻抗强化学习集成贝叶斯神经网络

来源：评论

学校读者我要写书评

暂无评论

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案：

请选择收藏分类：

通借通还

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：