专利交易市场

0本发明公开了一种基于多尺度通道分离卷积特征提取的说话人聚类方法，属于声纹识别技术领域，包括以下步骤：将VoxCeleb和AMI数据集切分为训练集、开发集和测试集；对VoxCeleb和AMI数据进行预处理；在ECAPA‑TDNN网络框架的基础上搭建多尺度通道分离卷积模块；选用AAM‑softmax损失函数对模型进行多次训练得到最优模型；利用多尺度通道分离卷积模型对AMI会议数据提取特征，并运用谱聚类进行聚类分析；使用标准的分割聚类错误率DER对聚类结果打分。本发明能够提取到具有判别性的声纹特征，并在谱聚类算法上取得良好的效果，以相对较小的参数量为代价取得了更低的分割聚类错误率。

0一种基于极曲线几何的鱼眼图像稠密立体算法，首先根据鱼眼相机成像模型推导出鱼眼立体系统的极曲线解析式；然后根据极曲线解析式为基础规范对应点的搜索路径和选取正确的窗口邻域以计算初始匹配代价；最后利用动态规划算法对初始匹配代价进行优化得到鱼眼图像的初始视差图。本发明算法规范了对应点的搜索范围，具有匹配速度快、鱼眼图像匹配精度高等优点。

0本发明提供了一种基于GPS定位的堆取料机防碰撞方法及系统，该方法包括：根据获取的堆场和堆取料机单机的经纬度坐标信息分别对各堆取料机单机的大臂和配重进行轮廓建模，然后根据堆场和各单机的经纬度坐标信息计算选取的各防碰撞特征点的经纬度坐标信息，并计算各堆取料机单机之间的防碰撞目标距离，进而根据各堆取料机单机之间的防碰撞目标距离控制对应的堆取料机单机进行无碰撞作业。采用上述技术方案，克服了现有技术中防碰撞计算精确度过低的问题，同时解决了传统方法中计算过程繁琐，数据冗余量大的问题，不仅对单机的底盘、大臂和配重实现全方位防碰撞，且保障了防碰撞计算的高效性和精确性，相当程度上促进了无人化堆取料技术的发展。

0本发明公开了一种基于深度学习的传送带缺陷检测方法，包括以下步骤：A1：采用一字线激光扩大传送带缺陷特征，高清工业相机采集视频数据；A2：模拟撕裂积累深度学习所需数据集，为深度学习算法积累数据集；A3：激光条纹中心线偏移分析算法检测传送带跑偏缺陷；A4：采用Yolov4深度学习算法判断传送带撕裂缺陷；A5：通过相邻帧判断策略确认缺陷；A6：当确认发生缺陷后，发出报警并连锁传送带停机，同时存储真实或误报撕裂图片，扩充深度学习数据集，进行不断学习。