摘要：本发明公开一种半导体元件及其制作方法。其中，该半导体元件包含多个鳍状结构，一沟槽，一侧壁层以及一虚置栅极结构。该些鳍状结构是设置于一基底上。该沟槽是设置于该些鳍状结构之间。该侧壁层，设置在该沟槽的侧壁上，其中，该侧壁层具有一顶面，该顶面低于该鳍状结构的一顶表面。该虚置栅极结构是设置在该鳍状结构上且横跨该沟槽。

摘要：本发明公开一种半导体存储器元件及其制作方法，其中该半导体存储器元件包含一基底，其上设有一导体区域；一层间介电层，设于所述基底上；一导电通孔，电连接到所述导体区域，其中所述导电通孔包括嵌入在所述层间介电层中的一下部和从所述层间介电层的一顶面突出的一上部，其中所述上部具有一圆弧形顶面；以及一存储结构，顺形地覆盖所述圆弧形顶面。

摘要：本发明公开一种非挥发性存储器元件及其制造方法。所述非挥发性存储器元件包括基底、内连线结构、多个存储器单元、多个导电通孔以及多个虚设通孔。基底具有存储器区域以及虚设区域，其中虚设区域围绕存储器区域。内连线结构设置于基底上，且位于存储器区域中。所述多个存储器单元设置于内连线结构上，且自俯视方向来看以阵列方式排列，其中所述多个存储器单元包括位于存储器区域中的多个第一存储器单元以及位于虚设区域中的多个第二存储器单元。所述多个导电通孔设置于存储器区域中，且位于所述多个第一存储器单元与内连线结构之间，以分别电连接第一存储器单元中的每一个与内连线结构。所述多个虚设通孔设置于虚设区域中，且围绕存储器区域。

摘要：一种冲床设计系统与设计方法。冲床设计系统包含零件数据库模块、知识库模块、绘图软件程序库模块、记忆体以及处理器。冲床设计方法包含：接收一使用者所输入的多笔输入参数数据；以及进行一冲床模型产生步骤，以根据输入参数数据以及标准品零件库、共用零件库及客户需求规格表中的至少一者以及冲床设计知识库、材料选用知识库及马达选用知识库中的至少一者来利用计算机辅助设计软件产生冲床零件模型，并将冲床零件模型组立成对应目标冲床的一冲床模型。如此，便可自动地产生出使用者所需的冲床模型，避免繁琐的计算、缩短冲床的开发周期、减少人为的误差、降低设计的门槛，并且达到设计经验的累积参数化。

摘要：本发明实施例提供一种变电站自动巡检航线规划方法，属于变电站巡检领域。所述方法包括：获取变电站的三维模型；根据所述变电站的三维模型生成对应的三维激光点云模型；将所述变电站中的设备的三维坐标在所述三维激光点云模型中标记出来；根据所述设备在所述三维激光点云模型中的三维坐标生成航拍点；选择需要巡检的设备和与所述设备对应的航拍点；获取所述变电站的巡检入口和巡检出口；根据需要巡检的所述航拍点、巡检入口和巡检出口，通过路径最优算法生成最优巡检航线。该方法可以规划无人机在变电站的巡检路线，及时发现变电站的电力设备的缺陷隐患。

摘要：本发明实施例提供一种单阶段的设备缺陷的识别方法及装置，属于电力设备运维技术领域。所述识别方法包括：获取待识别的近景状态下的设备图片；对设备图片进行去色操作；对去色操作后的设备图片依次执行至少三次第一卷积操作；对执行完三次第一卷积操作后的设备图片依次执行第二卷积操作和池化操作；对执行完三次第一卷积操作后的设备图片和池化操作后的设备图片执行第一矩阵乘法操作；对第一矩阵乘法操作后的设备图片执行全局平均池化操作；对全局平均池化操作后的设备图片执行第二卷积操作；对第二卷积操作后的设备图片执行第二矩阵乘法操作；采用全连接网络对第二矩阵乘法操作后的设备图片进行处理，以得到对应的缺陷类型。

摘要：本发明实施例提供一种障碍物识别方法，属于目标识别领域。所述方法包括：获取同一时刻同一物体的左右两幅图像对；提取所述左右两幅图像对中的特征点；将所述左右两幅图像对中的特征点进行匹配；计算目标点的特征点在所述左右两幅图像对中的视差；根据三角关系和所述视差计算得到所述目标点的深度；将所述目标点的深度信息转换入世界坐标系中，以得到所述目标点在所述世界坐标系中的位置。该方法能够快速确定障碍物的位置。

摘要：本发明实施例提供一种用于电气设备的近景图像采集装置，属于电力运维技术领域。所述采集装置包括：密封舱，固定于电气设备的外表面，且所述密封舱具有一开口，所述开口贴合与所述电气设备的外表面；短焦图像采集设备，设置于所述电气设备的外表面，用于采集所述电气设备的近景图像；照明设备，设置于所述密封舱内，用于照明以便于所述短焦图像采集设备采集所述近景图像。通过上述技术方案，本发明提供的用于电气设备的近景图像采集装置通过在密封舱内设置近景图像采集设备，避免了图像采集过程中受到外部光线和灰尘等因素的影响，从而便于后续的图像识别算法的处理。

摘要：本发明实施例提供一种基于深度学习的单目标跟踪方法及系统，属于电力运维现场的监控技术领域。所述单目标跟踪方法包括：获取现场的历史静态图片的灰度图片，以作为初始训练集；采用所述初始训练集训练第一深度学习网络；获取现场的历史单目标灰度图片，以作为目标训练集；采用所述目标训练集训练第二深度学习网络；获取当前现场的视频数据；按照预设的帧数时间截取所述视频数据中的图片；将所述图片输入所述第一深度学习网络中以得到背景图像；依据所述背景图像和所述图片确定差异图像；将所述差异图像输入所述第二深度学习网络以得到前景图像；选择相互叠加的所述前景图像，并将每个所述前景图像的中心点连接，以得到单目标轨迹。

摘要：本发明实施例提供一种设备文本的识别方法、系统及可读存储介质，属于图像识别技术领域。所述识别方法包括：对所述字符识别模型进行预训练；获取需要识别的设备文本的图像；对所述设备文本的图像进行预处理；将预处理后的所述设备文本的图像放入预训练后的所述字符识别模型中；预训练后的所述字符识别模型对预处理后的所述设备文本的图像进行特征识别，以得到关于所述设备文本的字符特征；对文本识别模型进行预训练；将所述字符特征送入预训练后的所述文本识别模型中；所述文本识别模型根据所述字符特征确定每个字符特征对应字符；根据与所述字符特征对应的字符确定所述图像中的设备文本。该识别方法能够准确的识别设备文本的内容。