-
公开(公告)号：CN119580873A
公开(公告)日：2025-03-07
申请号：CN202411334942.3
申请日：2024-09-24
Applicant: 江苏金恒信息科技股份有限公司
IPC: G16C20/70 , G06F18/214 , G06F18/243 , G06F18/213 , G06F18/10
Abstract: 本申请提供一种基于Stacking模型预测高炉料速的方法及系统，所述方法包括：获取待测高炉的工艺数据；基于工艺数据，对工艺数据进行预处理操作，得到目标工艺数据；基于目标工艺数据，利用随机森林的特征重要性分数模型，得到目标特征；按照预设比例，将目标特征和目标实际料速划分为训练集和测试集；利用训练集对Stacking模型进行训练，得到目标Stacking模型；利用目标Stacking模型对测试集进行预测，生成料速预测值，以解决目前计算高炉炉速只能通过人工手动计算，因操作者的经验水平不同，导致炉速的计算结果的误差较大且不稳定，难以为高炉操作提供可靠指导的问题。
-
公开(公告)号：CN117309386A
公开(公告)日：2023-12-29
申请号：CN202311066708.2
申请日：2023-08-22
Applicant: 江苏金恒信息科技股份有限公司
IPC: G01M13/028 , G06F18/213 , G06F18/241 , G06F18/214 , G06N3/0464 , G06N3/088
Abstract: 本申请提供一种故障预测方法与系统。所述方法获取目标检测设备的时间序列数据，时间序列数据包括目标检测设备的振动信号。并基于卷积神经网络提取所述时间序列数据的特征信息。将时间序列数据输入至故障预测模型可以得到故障预测信息。对时间序列数据分类可以增强时间序列数据与单类故障之间的关系，并且可以根据所述关系选择用于预测这类故障的模型，进而实现通过时间序列数据，根据特征信息可以形成设备运行趋势预测，进而有利于识别出新型故障。
-
公开(公告)号：CN114078126B
公开(公告)日：2022-04-26
申请号：CN202210057076.2
申请日：2022-01-19
Applicant: 江苏金恒信息科技股份有限公司
Abstract: 本申请实施例提供一种基于机器学习的废钢评级方法及装置，废钢评级方法包括获取多张废钢图片；从多张废钢图片中筛选多张有效图片；将目标有效图片输入预先搭建的实例分割模型，得到所述目标有效图片中的多个识别对象，以及每个识别对象所对应的废钢等级，所述实例分割模型基于主干网络、区域建议网络、候选框分类器、边界框回归器、和分割掩码分支建立，利用已标注废钢等级的废钢图片进行训练和验证；根据所述目标有效图片中各个识别对象所对应的废钢等级，生成目标层待评级废钢中与各个识别对象相对应的待评级废钢的评级结果。如此，通过对有效图片的处理，获得运输车车厢中装载的待评级废钢的评级结果，提高了废钢评级的准确性。
-
公开(公告)号：CN114078126A
公开(公告)日：2022-02-22
申请号：CN202210057076.2
申请日：2022-01-19
Applicant: 江苏金恒信息科技股份有限公司
Abstract: 本申请实施例提供一种基于机器学习的废钢评级方法及装置，废钢评级方法包括获取多张废钢图片；从多张废钢图片中筛选多张有效图片；将目标有效图片输入预先搭建的实例分割模型，得到所述目标有效图片中的多个识别对象，以及每个识别对象所对应的废钢等级，所述实例分割模型基于主干网络、区域建议网络、候选框分类器、边界框回归器、和分割掩码分支建立，利用已标注废钢等级的废钢图片进行训练和验证；根据所述目标有效图片中各个识别对象所对应的废钢等级，生成目标层待评级废钢中与各个识别对象相对应的待评级废钢的评级结果。如此，通过对有效图片的处理，获得运输车车厢中装载的待评级废钢的评级结果，提高了废钢评级的准确性。
-
公开(公告)号：CN119281816A
公开(公告)日：2025-01-10
申请号：CN202411611922.6
申请日：2024-11-12
Applicant: 江苏金恒信息科技股份有限公司
Abstract: 本申请提供一种板材柔性轧制工艺优化方法，涉及计算机辅助工程领域，包括数据收集，构建预测模型，构建工艺决策模型，实现智能化柔性轧制。本申请利用AI预测模型对生产过程中产品性能进行实时预测，从而有效免除传统取样检测环节，显著缩短反馈时间。基于预测模型的预测结果，并结合已经实施的工艺措施，构建工艺决策模型将实时输出后续的工艺调整建议。这一创新性方法旨在降低工艺调整的复杂性，提高生产效率，最终实现柔性轧制技术的智能化和高效化，从而更好地满足市场对多样化钢种的需求。
-
Patent Agency Ranking
公开(公告)号：CN117893806A
公开(公告)日：2024-04-16
申请号：CN202410046063.4
申请日：2024-01-12
Applicant: 东南大学 , 江苏金恒信息科技股份有限公司
IPC: G06V10/764 , G06V10/82 , G06N3/0464 , G06T7/00 , G06N3/08
Abstract: 本发明提供了一种基于YOLOv7网络的钢板表面缺陷检测方法，包括：准备用于训练网络的图片集；对待训练的图片进行分块处理，并写入分块图片及标注框改变后的坐标到对应的xml文件中；基于分块处理后的图片，根据设置好的参数进行训练；基于训练好的模型，前端输入待检测图片并返回检测结果，根据检测结果、图片及其对应的xml文件进行检测框的绘制，并返回给前端。本发明吸收了近两年先进的精细分割算法作为底层基础处理模块，这使得本发明方案在图像预处理和检测中都可以保留更多的细节信息，精细度更高。本发明方案可以在短时间内完成图像的检测和绘制，基本满足实时要求，具有较高的性能，且方便后续的功能扩展。
-
公开(公告)号：CN116720073A
公开(公告)日：2023-09-08
申请号：CN202311000015.3
申请日：2023-08-10
Applicant: 江苏金恒信息科技股份有限公司
IPC: G06F18/213 , G06F18/24 , G06N3/0464 , G06N3/048 , G06N3/0442 , G06N3/045 , G06N3/08 , G06F123/02
Abstract: 本申请提供一种基于分类器的异常检测提取方法与系统。所述方法采集目标检测设备的时间序列数据，将时间序列数据输入至分类器，以进行故障分类。分类器包括故障识别模型和故障分类模型。故障识别模型接收时间序列数据，可以得到待分类时间序列数据。故障分类模型接收待分类时间序列数据与目标检测设备的历史故障数据，输出目标检测设备的故障类型。基于机器学习的过程，通过故障识别模型和故障分类模型组成分类器，可以根据采集得到的时间序列数据先后提取故障信号以及故障信号关联的故障类型，缓解非线性数据不易提取特征的问题，提高故障类型识别的准确率。
-
公开(公告)号：CN115909351A
公开(公告)日：2023-04-04
申请号：CN202310079036.2
申请日：2023-02-08
Applicant: 江苏金恒信息科技股份有限公司
IPC: G06V30/148 , G06V10/82 , G06V10/774 , G06V10/22
Abstract: 本申请提供一种基于深度学习的容器编号识别方法及装置，所述方法包括：控制图像采集模块采集待识别容器的灰度图片；标注采集到的灰度图片并选取包含识别标签的有效图片；将有效图片输入目标检测模型和文本识别模型；利用目标检测模型获得有效图片的数字孔区域，利用文本识别模型识别数字孔数值，利用目标检测模型识别有效图片中的校验码孔数值；若数字孔数值和校验码孔数值一致，则根据数字孔数值和校验码孔数值获得待识别容器编号。所述装置包括红外热成像相机、控制器和电控箱，该装置采用上述基于深度学习的容器编号识别方法对容器编号进行识别，可及时发现识别错误并进行追踪和纠正，能够对识别的编号进行校验，提高对容器编号识别的成功率。
-
公开(公告)号：CN115909351B
公开(公告)日：2023-06-13
申请号：CN202310079036.2
申请日：2023-02-08
Applicant: 江苏金恒信息科技股份有限公司
IPC: G06V30/148 , G06V10/82 , G06V10/774 , G06V10/22
Abstract: 本申请提供一种基于深度学习的容器编号识别方法及装置，所述方法包括：控制图像采集模块采集待识别容器的灰度图片；标注采集到的灰度图片并选取包含识别标签的有效图片；将有效图片输入目标检测模型和文本识别模型；利用目标检测模型获得有效图片的数字孔区域，利用文本识别模型识别数字孔数值，利用目标检测模型识别有效图片中的校验码孔数值；若数字孔数值和校验码孔数值一致，则根据数字孔数值和校验码孔数值获得待识别容器编号。所述装置包括红外热成像相机、控制器和电控箱，该装置采用上述基于深度学习的容器编号识别方法对容器编号进行识别，可及时发现识别错误并进行追踪和纠正，能够对识别的编号进行校验，提高对容器编号识别的成功率。
-
公开(公告)号：CN113822889B
公开(公告)日：2022-02-15
申请号：CN202111397969.3
申请日：2021-11-24
Applicant: 江苏金恒信息科技股份有限公司
IPC: G06T7/00 , G06N3/04 , G06K9/62 , G06V10/82 , G06V10/774
Abstract: 本申请涉及热轧钢板表面缺陷检测技术领域，提供一种热轧钢板表面缺陷检测方法，该方法包括采集热轧钢板的缺陷图片，对缺陷图片中缺陷坐标和缺陷类别进行标注，再进行数据扩增和数据增强，然后对预先建立的YOLOSteel模型进行训练，得到训练后的YOLOSteel模型，根据训练后的YOLOSteel模型对存在缺陷的热轧钢板进行缺陷定位和缺陷分类。YOLOSteel模型为基于YOLOv4网络模型的改进模型，采用YOLOSteel模型进行热轧钢板表面缺陷检测，一方面降低了模型的参数量和运算量，提高了检测速度，满足工业生产中热轧钢板缺陷检测的实时性，另一方面提高了对热轧钢板的特征提取能力。
-
-
-
-
-
-
-
-
-
Search Results
21
records
(took 0.033 seconds)
