一种复杂工况下基于深度学习的皮带跑偏检测方法

被引：0

专利类型：

发明

申请号：

CN202211701861.3

申请日：

2022-12-29

公开(公告)号：

CN115924455B

公开(公告)日：

2025-08-05

发明(设计)人：

张鹏徐少川张彩霞何静黄景园张东江海志

申请人：

辽宁科技大学鞍山市海汇自动化有限公司

申请人地址：

114051 辽宁省鞍山市高新区千山路185号

IPC主分类号：

B65G43/02

IPC分类号：

B65G15/00

代理机构：

鞍山嘉讯科技专利事务所(普通合伙) 21224

代理人：

王艳荣

法律状态：

授权

国省代码：

江苏省常州市

引用

下载

收藏

法律状态

法律状态公告日	法律状态	法律状态信息
2025-08-05	授权	授权

共 50 条

[1]

一种基于深度学习的皮带跑偏检测方法 [P].

饶刚 ;

朱倓 .

中国专利 :CN121033738A ,2025-11-28

[2]

一种基于深度学习的皮带跑偏检测方法 [P].

降小龙 ;

但林 ;

赵世琛 .

中国专利 :CN119284467A ,2025-01-10

[3]

一种基于多任务学习的皮带跑偏检测方法及装置 [P].

沙跃庆 ;

赵黄健 ;

金勇 ;

余升林 .

中国专利 :CN119551386B ,2025-11-18

[4]

一种基于多任务学习的皮带跑偏检测方法及装置 [P].

沙跃庆 ;

赵黄健 ;

金勇 ;

余升林 .

中国专利 :CN119551386A ,2025-03-04

[5]

一种基于图像分割的皮带跑偏检测方法 [P].

张宏帆 ;

齐明锐 ;

赵炎 ;

张依凡 ;

邱利文 .

中国专利 :CN120510446A ,2025-08-19

[6]

基于视觉的皮带跑偏检测方法 [P].

伍云霞 ;

孙继平 .

中国专利 :CN104828517A ,2015-08-12

[7]

复杂环境下基于深度学习的异常检测方法 [P].

邱鹏 ;

霍瑛 ;

黄陈蓉 ;

陈行 .

中国专利 :CN107330410A ,2017-11-07

[8]

一种基于深度学习的变压器复杂工况识别方法 [P].

张利强 ;

刘刚 ;

焦邵华 ;

白淑华 ;

葛亮 ;

张天侠 ;

王立敏 ;

许翠娟 ;

杨常府 ;

谢晓冬 ;

赵纪元 ;

詹庆才 ;

徐延明 .

中国专利 :CN108896857B ,2018-11-27

[9]

一种复杂环境下基于深度迁移学习的植被检测方法 [P].

陈亚勇 ;

周蓓蓓 ;

韩小杰 ;

叶大鹏 ;

陈晓鹏 ;

马昌坤 ;

吴山山 ;

范东亮 .

中国专利 :CN117746188A ,2024-03-22

[10]

一种皮带跑偏检测的系统和方法 [P].

穆冉 ;

陈炜 ;

王盼雄 ;

郭志杰 .

中国专利 :CN120397618A ,2025-08-01

← 1 2 3 4 5 →