国产精品天干天干在线播放,大尺度揉捏胸床戏视频,樱花草www日本在线观看,狠狠躁夜夜躁人人爽天天天天97

Document
拖動滑塊完成拼圖
個人中心

預訂訂單
服務訂單
發布專利 發布成果 人才入駐 發布商標 發布需求

在線咨詢

聯系我們

龍圖騰公眾號
首頁 專利交易 科技果 科技人才 科技服務 國際服務 商標交易 會員權益 IP管家助手 需求市場 關于龍圖騰
 /  免費注冊
到頂部 到底部
清空 搜索
當前位置 : 首頁 > 專利喜報 > 恭喜北京中鐵科客貨運輸技術有限公司;中國鐵道科學研究院集團有限公司運輸及經濟研究所;中國鐵道科學研究院集團有限公司寧健獲國家專利權

恭喜北京中鐵科客貨運輸技術有限公司;中國鐵道科學研究院集團有限公司運輸及經濟研究所;中國鐵道科學研究院集團有限公司寧健獲國家專利權

買專利賣專利找龍圖騰,真高效! 查專利查商標用IPTOP,全免費!專利年費監控用IP管家,真方便!

龍圖騰網恭喜北京中鐵科客貨運輸技術有限公司;中國鐵道科學研究院集團有限公司運輸及經濟研究所;中國鐵道科學研究院集團有限公司申請的專利鐵路集裝箱角件異常狀態檢測方法及相關設備獲國家發明授權專利權,本發明授權專利權由國家知識產權局授予,授權公告號為:CN119295903B 。

龍圖騰網通過國家知識產權局官網在2025-03-25發布的發明授權授權公告中獲悉:該發明授權的專利申請號/專利號為:202411823470.8,技術領域涉及:G06V10/98;該發明授權鐵路集裝箱角件異常狀態檢測方法及相關設備是由寧健;劉啟鋼;葉飛;孫文橋;王志敬;葛悅;韓梓非;陳存折設計研發完成,并于2024-12-12向國家知識產權局提交的專利申請。

鐵路集裝箱角件異常狀態檢測方法及相關設備在說明書摘要公布了:本發明涉及圖像處理技術領域,公開了一種鐵路集裝箱角件異常狀態檢測方法及相關設備。方法包括:獲取鐵路貨運空載過車圖像集,基于圖像分割算法提取每幅空載過車圖像中的F?TR鎖圖像;獲取鐵路貨運載箱過車圖像集,將每個F?TR鎖圖像分別疊加至載箱過車圖像集中每幅載箱過車圖像的預設角件位置處,獲得訓練數據集;基于訓練數據集進行模型訓練,得到以F?TR鎖作為檢測目標的目標檢測模型;基于目標檢測模型對待識別載箱過車圖像進行F?TR鎖檢測,根據檢測結果確定裝箱角件異常狀態。本發明能夠在樣本稀疏的情況下構建數據集,提升機器學習模型預測質量,從而有效實現集裝箱角件異常狀態的識別與告警。

本發明授權鐵路集裝箱角件異常狀態檢測方法及相關設備在權利要求書中公布了:1.一種鐵路集裝箱角件異常狀態檢測方法,其特征在于,包括:獲取鐵路貨運空載過車圖像集,基于圖像分割算法提取所述空載過車圖像集中每幅空載過車圖像中的F-TR鎖圖像;獲取鐵路貨運載箱過車圖像集,基于目標檢測和梯度閾融合將每個所述F-TR鎖圖像分別疊加至所述載箱過車圖像集中每幅載箱過車圖像的預設角件位置處,獲得訓練數據集;基于所述訓練數據集進行模型訓練,得到以F-TR鎖作為檢測目標的目標檢測模型;基于所述目標檢測模型對待識別載箱過車圖像進行F-TR鎖檢測,根據檢測結果確定集裝箱角件異常狀態;所述獲取鐵路貨運空載過車圖像集,基于圖像分割算法提取所述空載過車圖像集中每幅空載過車圖像中的F-TR鎖圖像,包括:S11:獲取鐵路貨運空載過車圖像集,具體地,通過線陣相機獲取未裝載集裝箱的鐵路貨車裝載狀態圖像,收集大量空平車與空集裝箱專用平車數據集樣本;S12:從鐵路貨運空載過車圖像集中每幅空載過車圖像中切割F-TR鎖位置的局部圖像,具體地,取左右側未裝載集裝箱的鐵路貨車裝載狀態圖像,對于每側圖像I,以圖像左上角坐標為0,0點,取三個矩形區域: 提取三個矩形區域,獲得包含F-TR鎖特征的小面積的局部圖像;S13:從局部圖像中提取F-TR鎖多邊形圖像,具體地,使用圖像編輯軟件,對局部圖像進行處理,沿F-TR鎖的輪廓特征進行標注,得到各F-TR鎖的多邊形輪廓標注數據;S14:利用局部圖像訓練實例分割模型,具體地,基于YOLOv8-seg模型,利用F-TR鎖的多邊形輪廓標注數據,基于局部圖像作為背景圖,訓練實例分割模型,用于空平車圖像上的F-TR鎖特征提??;S15:利用實例分割模型切割所有空載過車圖像,獲得F-TR鎖圖像。

如需購買、轉讓、實施、許可或投資類似專利技術,可聯系本專利的申請人或專利權人北京中鐵科客貨運輸技術有限公司;中國鐵道科學研究院集團有限公司運輸及經濟研究所;中國鐵道科學研究院集團有限公司,其通訊地址為:100081 北京市海淀區大柳樹路2號院一區9號樓D401房間;或者聯系龍圖騰網官方客服,聯系龍圖騰網可撥打電話0551-65771310或微信搜索“龍圖騰網”。

免責聲明
1、本報告根據公開、合法渠道獲得相關數據和信息,力求客觀、公正,但并不保證數據的最終完整性和準確性。
2、報告中的分析和結論僅反映本公司于發布本報告當日的職業理解,僅供參考使用,不能作為本公司承擔任何法律責任的依據或者憑證。
主站蜘蛛池模板: 秦皇岛市| 宣恩县| 西城区| 时尚| 凌云县| 绥棱县| 抚顺县| 民丰县| 新津县| 巨野县| 乐亭县| 湘潭县| 溧阳市| 徐闻县| 兴海县| 大丰市| 北碚区| 台北市| 林甸县| 海宁市| 宁河县| 奉新县| 上饶县| 双鸭山市| 阜宁县| 开封县| 昌乐县| 建始县| 宜都市| 莱州市| 泗水县| 丹寨县| 民丰县| 民勤县| 康乐县| 阳朔县| 乐业县| 上杭县| 晋江市| 永清县| 乌苏市|