陈禹伶
- 作品数：13 被引量：4H指数：1
- 供职机构：西南科技大学更多>>
- 发文基金：四川省科技计划项目更多>>
- 相关领域：自动化与计算机技术更多>>
- 小型个性化字库的设计与实现
- 2008年
- 为满足小型系统中文字库的需求,减小汉字图像字库的存储量以及实现个性化的需要,提出一种可用于小型系统中的小型个性化字库建立的方法。该方法总结包含基本部件的汉字,通过分割个性化汉字得到所需要的基本部件,设计基本部件库,利用仿射变换和图像卷绕来实现部件自动生成个性化汉字。试验表明该方法可行。
- 陈禹伶李小霞
- 关键词：仿射变换
- 基于Smith预估补偿与RBF神经网络的PID控制在工业平缝机脚踏板调速模块中的应用
- 2013年
- 针对工业缝纫机调速模块的伺服系统普遍存在耦合、大滞后的现象，提出了一种将smith预估补偿和RBF神经网络算法与PID控制器相结合的smith-RBF-PID控制算法。该方法利用了Smith预估补偿能克服纯滞后和RBF能处理非线性问题、在线自学习整定PID参数的优点，在调速模块的伺服控制系统中更加有效。
- 陈禹伶
- 关键词：调速SMITH预估补偿RBF神经网络PID控制
- 生物组织光传输的几何推导求解模型被引量：1
- 2006年
- 受到光束扩散模型和漫射近似理论的启发,提出了一种改进的光传输求解模型。这个新的几何推导模型采用了光束扩散的思想,但是光束扩散不是由散射系数经验公式直接得到,而是考虑了激光在生物组织中高度前向散射的特点,根据散射角和纵向深度的几何关系推导出来的。该模型还结合了扩散近似中的有效衰减系数作为轴向指数衰减因子。计算结果显示该模型提供了更加合理的光通量密度分布预测,得到的光分布接近蒙特卡罗模拟,而且能更加方便地应用到光传输相关的数值模拟中。
- 李小霞陈禹伶
- 关键词：光传输生物组织
- 基于卷积神经网络的小目标特征增强和检测方法研究
- 小目标检测是计算机视觉领域的重要研究课题,具有广泛的应用前景。然而,小目标由于尺寸小、像素有限,使得有效特征信息的提取变得异常困难。与此同时,不同应用场景的复杂性和多样性,使得小目标容易受到光照变化、遮挡、噪声等多种因素...
- 陈禹伶
- 关键词：小目标检测
- 模糊PID控制在缝纫机压框调速的踏板控制系统中的应用
- 2010年
- 为实现工业缝纫机压框调速的踏板控制系统,针对传统踏板控制系统鲁棒性弱的缺点,提出一种基于模糊PID控制在缝纫机压框调速的踏板控制系统中应用的方法。详细分析了该方法的构造原理,并对模糊PID控制器进行设计,通过实例进行了仿真结果分析。结果表明,该方法能有效地实现缝纫机压框调速过程中的平稳运动,是有效、实用的。
- 陈禹伶何臻祥
- 关键词：模糊PID控制调速
- 圆扣眼锁眼机电脑控制系统
- 本实用新型提供了一种圆扣眼锁眼机电脑控制系统，包括由工业控制计算机、运动控制卡、I/O组成的电脑控制单元；由交流伺服电机和步进电机构成的伺服驱动单元；由带触摸功能的彩色液晶显示器构成的人机界面单元；由开关电源和变压器构成...
- 赵逸鸣刘华建袁敏娟李杰祝本明陈禹伶殷丹刘玲
- 文献传递
- 基于部件融合的“我”体字库的建立
- 2008年
- 为丰富计算机字库,传承中国文化,减少人工手写工作量和汉字图像字库的存储量,提出了一种基于部件融合的"我"体个性字库的建立的方法。该方法通过提取个人手写稿的部件与352个部件匹配,由Gabor小波提取部件特征,利用仿射变换和图象卷绕来实现部件融合为"我"体汉字。试验表明,该方法可行,在减少人工手写工作量和降低汉字图像字库的存储量上具有显著的优点。
- 陈禹伶李小霞
- 关键词：GABOR小波仿射变换
- 圆扣眼锁眼机电脑控制系统
- 本发明提供了一种圆扣眼锁眼机电脑控制系统，包括由工业控制计算机、运动控制卡、I/O组成的电脑控制单元；由交流伺服电机和步进电机构成的伺服驱动单元；由带触摸功能的彩色液晶显示器构成的人机界面单元；由开关电源和变压器构成的系...
- 赵逸鸣刘华建袁敏娟李杰祝本明陈禹伶殷丹刘玲
- 文献传递
- 磨边机数控系统
- 赵毅忠赵逸鸣李杰袁敏鹃杨奕昕王泓仁方浩舟刘玲陈禹伶
- 磨边机数控系统的研制成功、推向市场，将对玻璃周边磨行业产生深远的影响。数控技术应用于该这类磨边机是一项创新，数控技术的引入大大提高磨边机的技术水平改进了产品的加工工艺，给磨边机的发展开辟了新的道路。同时由于数控磨边机的使...
- 关键词：
- 关键词：磨边机数控系统
- 对比特征增强的高架库小目标检测方法
- 2024年
- 针对高架库区场景下安全帽检测中目标特征信息少、分类精度低等问题,提出小目标对比特征增强网络。首先提出快速空间金字塔池化跨层融合模块,减少空间维度上的目标信息丢失。然后提出小目标对比特征增强模块,使用双路并行空洞卷积获取不同感受野,利用通道注意力获取特征图在通道维度上更为精准的特征信息,采用浅层特征图减去深层特征图的方法削弱浅层特征图中大目标信息,以增强小目标特征信息表达。加入高效通道注意力解耦检测头,通过将检测头解耦为分类和回归分支,分别学习目标的语义信息和位置信息。实验结果表明,在TT100K数据集上,所提方法的mAP@0.5比基准网络YOLOv5提高了6.4个百分点,比YOLOv7提高了1.9个百分点。在自建高架库数据集上,所提方法的mAP@0.5相比基准网络提高了4.9个百分点,其中安全帽的mAP@0.5相比基准网络提高了6.9个百分点。
- 朱贺卞长智张婧王力李小霞陈禹伶
- 关键词：小目标检测
