公开(公告)号：CN116089863A

公开(公告)日：2023-05-09

申请号：CN202310071125.2

申请日：2023-01-17

Applicant: 重庆邮电大学

Inventor： 苏祖强 ,  王诚诚 ,  禄盛 ,  冯松 ,  罗茂林 ,  王淑娴 ,  王鑫

IPC: G06F18/24 ,  G01M13/045 ,  G06F18/10 ,  G06F18/241 ,  G06F18/214 ,  G06F18/22

Abstract: 本发明涉及故障诊断领域，具体涉及一种基于尺度自适应度量的滚动轴承故障诊断方法；包括采集多个传感器的振动信号，按等样长度将每一个振动信号切分为故障样本并打上相应的类别标签；采用小波包变换将每一个故障样本都转换为时频谱图，并将时频谱图集合划分为支持集、查询集、测试集；构建尺度自适应度量故障诊断模型，通过支持集、查询集和测试集对故障诊断模型进行训练；所述尺度自适应度量故障诊断模型包括尺度自适应注意力模块和多层级度量模块；获取滚动轴承故障样本数据并且经过处理之后输入到训练好的故障诊断模型中，计算得到故障诊断结果；本发明的方法能够对滚动轴承进行有效地故障诊断。

公开(公告)号：CN114359654A

公开(公告)日：2022-04-15

申请号：CN202111478855.1

申请日：2021-12-06

Applicant: 重庆邮电大学

Inventor： 苏祖强 ,  赵成 ,  韩延 ,  王诚诚 ,  王鑫

IPC: G06V10/774 ,  G06V10/80 ,  G06V10/82 ,  G06K9/62 ,  G06N3/04 ,  G06T7/73 ,  G06V10/764

Abstract: 本发明属于计算机视觉技术领域，具体涉及一种基于位置关联性特征融合的YOLOv4混凝土表观病害检测方法，包括将YOLOv4的路径聚合网络输出的三层特征分别进行多尺度融合，通过基于位置关联性注意力模块进行特征多尺度的自适应融合构建基于位置关联性特征融合的YOLOv4模型；将采集的病害图像使用标注工具对病害所在的位置与类别进行标注并利用病害图像和标记后得到的病害信息对模型进行训练；将实时检测混凝土表观病害图像输入训练好的模型，模型输出检测后标注病害类别以及位置的图像；本发明通过在原始的YOLOv4的路径聚合网络后面添加基于位置关联性的特征融合模块，增强YOLOv4特征融合的效果，提升目标的检测精度。

公开(公告)号：CN114359654B

公开(公告)日：2025-04-25

申请号：CN202111478855.1

申请日：2021-12-06

Applicant: 重庆邮电大学

Inventor： 苏祖强 ,  赵成 ,  韩延 ,  王诚诚 ,  王鑫

IPC: G06V10/774 ,  G06V10/80 ,  G06V10/82 ,  G06N3/0464 ,  G06T7/73 ,  G06V10/764 ,  G06N3/045

Abstract: 本发明属于计算机视觉技术领域，具体涉及一种基于位置关联性特征融合的YOLOv4混凝土表观病害检测方法，包括将YOLOv4的路径聚合网络输出的三层特征分别进行多尺度融合，通过基于位置关联性注意力模块进行特征多尺度的自适应融合构建基于位置关联性特征融合的YOLOv4模型；将采集的病害图像使用标注工具对病害所在的位置与类别进行标注并利用病害图像和标记后得到的病害信息对模型进行训练；将实时检测混凝土表观病害图像输入训练好的模型，模型输出检测后标注病害类别以及位置的图像；本发明通过在原始的YOLOv4的路径聚合网络后面添加基于位置关联性的特征融合模块，增强YOLOv4特征融合的效果，提升目标的检测精度。