公开(公告)号：CN120071093A

公开(公告)日：2025-05-30

申请号：CN202510221857.4

申请日：2025-02-27

Applicant: 南京工程学院

Inventor： 姜浩然 ,  韩哲哲 ,  钱泽文 ,  范梦朝 ,  张墨涵 ,  张紫依 ,  李鑫波

IPC: G06V10/82 ,  G06N3/0464 ,  G06N3/0455 ,  G06T7/11 ,  G06T7/194 ,  G06V10/40 ,  G06N3/08 ,  G06N3/048

Abstract: 本发明公开了一种融合实例分割和优化卷积自编码的火势强度量化方法、存储介质、设备及计算机程序产品，包括：收集不同燃烧状态下火焰图像，并统一火焰图像的分辨率大小；构建火势强度量化模型，包括依次连接的YOLO11seg模型、卷积自编码网络和线性回归模型；将统一分辨率大小的火焰图像依次输入火势强度量化模型中进行训练，直至火势强度量化模型的总损失函数收敛，完成对火势强度量化模型的训练；重新采集火焰图像，调整采集的火焰图像的分辨率大小，输入训练好的火势强度量化模型中，预测出火势强度。本发明通过YOLO11seg模型进行火焰图像的实例分割，通过卷积自编码网络提取火焰区域的深层特征，通过线性回归模型预测火势强度。

公开(公告)号：CN117576728A

公开(公告)日：2024-02-20

申请号：CN202311581158.8

申请日：2023-11-24

Applicant: 南京工程学院

Inventor： 韩哲哲 ,  姜浩然 ,  钱泽文 ,  贺诗羽 ,  包永强

IPC: G06V40/10 ,  G06V10/40 ,  G06V10/764 ,  G06V10/82 ,  G06N3/0464 ,  G06N3/0475 ,  G06N3/0455 ,  G06N3/094

Abstract: 本发明提供一种基于计算机视觉的松褐天牛监测方法和系统，其中方法包括获取目标区域的多个第一图像；采用YOLO‑v8目标检测算法，对每个第一图像中的松褐天牛进行第一次识别，并对第一次识别结果采用检测框标记；将检测框中的第二图像输入至对抗卷积自编码器，以提取第二图像的深层特征；将第二图像的深层特征输入至高斯过程分类器，以对第二图像中的松褐天牛进行第二次识别，得到第一图像中松褐天牛的数量。本发明通过图像采集和图像识别，实现松褐天牛识别和数量统计，为林业管理提供有效的病虫防治支持。

公开(公告)号：CN118938024A

公开(公告)日：2024-11-12

申请号：CN202411298092.6

申请日：2024-09-14

Applicant: 南京工程学院

Inventor： 韩哲哲 ,  钱泽文 ,  姜浩然 ,  汤佳琪 ,  梁瑞宇 ,  包永强

IPC: G01R31/367 ,  G01R31/392

Abstract: 本发明提出了一种基于稀疏对抗自编码的锂离子电池荷电状态预测方法、介质及设备，包括：收集不同运行工况下锂离子电池可测变量，并采用安时积分法计算荷电状态；采用自注意力机制捕捉锂离子电池可测变量与SOC之间的全局相关性，并根据相关性分析动态优化滑动窗口尺寸；将滑动窗口内的电池可测变量转换为二维矩阵，建立稀疏对抗自编码提取其深层特征；构建特征熵以估计深层特征复杂度，并根据复杂度数值将深层特征送至极限学习机、最小二乘支持向量机和双向长短期记忆网络等不同的特征分析模型，以实现锂离子电池的荷电状态高精度预测。本发明显著提高了模型的训练效率，降低了计算复杂度，有效提升了荷电状态预测的精度和稳定性。

公开(公告)号：CN118470495A

公开(公告)日：2024-08-09

申请号：CN202410644331.2

申请日：2024-05-23

Applicant: 南京工程学院

Inventor： 汤佳祺 ,  韩哲哲 ,  徐锐 ,  姜浩然 ,  钱泽文

IPC: G06V10/82 ,  G06T3/04 ,  G06V10/26 ,  G06V20/70 ,  G06N3/0464 ,  G06N3/084 ,  G06V10/774

Abstract: 本发明涉及基于同异源图像风格迁移的光伏板阴影识别方法，所述方法包括：对同异源图像进行编码，形成语义文本表示；基于语义文本，通过图像风格迁移算法获得目标图像；将目标图像输入YOLOv8模型，检测目标图像中的光伏板；对检测为光伏板的区域灰度化，并通过二值化结果锁定阴影区域。本发明针对这些异源图像进行风格迁移，将它们同源转化成同一风格，尽可能减少数据集来源的数量，降低模型训练的干扰。

公开(公告)号：CN119150131A

公开(公告)日：2024-12-17

申请号：CN202411165798.5

申请日：2024-08-23

Applicant: 南京工程学院

Inventor： 韩哲哲 ,  姜浩然 ,  钱泽文 ,  汤佳琪 ,  朱昊 ,  童莹 ,  许传龙

IPC: G06F18/2415 ,  G01R31/367 ,  G01R31/36 ,  G01R31/385 ,  G01R31/389 ,  G06F18/211 ,  G06F18/213 ,  G06N3/045 ,  G06N3/0442 ,  G06N3/0455 ,  G06N3/0464 ,  G06N3/094 ,  G06F123/02

Abstract: 本发明公开了一种基于集成深度学习的锂离子电池荷电状态预测方法、存储介质、设备及计算机程序产品，包括：收集锂离子电池在不同运行工况下的锂离子电池可测变量数据，将其进行预处理，并采用安时积分法计算锂离子电池的荷电状态；基于锂离子电池的电压、电流与荷电状态之间的互信息计算锂离子电池的平均电压和平均电流，从而构建锂离子电池可测变量五元组，并为每个锂离子电池可测变量五元组添加荷电状态标签；建立深度学习网络，即卷积对抗自编码网络，并通过卷积对抗自编码网络提取锂离子电池可测变量五元组的空间特征；构建集成学习网络，将提取的空间特征作为集成学习网络的输入，预测出锂离子电池荷电状态，实现了锂离子电池荷电状态的高精度预测。