-
公开(公告)号：CN115294473A
公开(公告)日：2022-11-04
申请号：CN202210783889.X
申请日：2022-07-05
Applicant: 哈尔滨理工大学
Abstract: 一种基于目标检测与实例分割的绝缘子故障识别方法及系统，属于绝缘子故障检测技术领域，用以解决由于航拍图像中绝缘子背景复杂、绝缘子占比小导致绝缘子故障区域的定位及检测精度受到影响的问题。本发明方法的技术要点包括：基于YOLOv5算法完成绝缘子图像分割，有效滤除航拍图像的复杂背景，解决绝缘子在图像中占比小的问题；基于SOLOv2算法识别故障种类的同时，标出故障位置并绘制精细的掩膜；构建协同YOLOv5和SOLOv2算法的绝缘子故障检测模型，经实验对比，相比于原始SOLOv2算法提升了定位及分割精度，所对比的各项评价指标显著提升，有助于工程上综合安全性和经济性的因素考虑做出合理应对。
-
公开(公告)号：CN115187861A
公开(公告)日：2022-10-14
申请号：CN202210818382.3
申请日：2022-07-13
Applicant: 哈尔滨理工大学
Abstract: 一种基于深度孪生网络的高光谱图像变化检测方法及系统，涉及高光谱图像变化检测技术领域，用以解决现有技术在高光谱数据特征提取后数据的关联性低且分类效果不理想的问题。本发明的技术要点包括：构建孪生网络模型用于处理双时相高光谱数据；利用注意力机制生成空间‑光谱联合的注意力特征；利用语义分割网络提取多尺度特征；利用改进的特征度量方法来计算损失；利用阈值分割方法实现分类。本发明充分考虑了高光谱数据间的相互联系，并且兼顾高光谱数据的谱域信息和空域信息，能够有效区分对由于成像条件和噪声造成的虚假变化像素和由于地物类型变化造成的真实变化像素。
-
公开(公告)号：CN114429150A
公开(公告)日：2022-05-03
申请号：CN202111521473.2
申请日：2021-12-30
Applicant: 哈尔滨理工大学
IPC: G06K9/00 , G06K9/62 , G06N3/04 , G01M13/045
Abstract: 一种基于改进深度子域适应网络的变工况下滚动轴承故障诊断方法及系统，涉及滚动轴承故障诊断技术领域，用以解决现有故障诊断模型对于不同工况分布差异大的振动数据的故障诊断准确率不高的问题。本发明的技术要点包括：对源域和目标域振动数据做短时傅里叶变换得到时频谱图；引入通道注意力机制和首层宽卷积核机制对残差网络进行改进，提取时频谱图中的深层特征；利用局部最大均值差异对源域特征和目标域特征进行子域适应处理，减小源域和目标域各个子域之间的分布差异，实现复杂工况下滚动轴承的故障诊断。本发明可以实现变工况及工况泛化情况下的滚动轴承故障诊断，具有较高的准确率。本发明可广泛应用于滚动轴承故障诊断之中。
-
公开(公告)号：CN113988126A
公开(公告)日：2022-01-28
申请号：CN202111245670.6
申请日：2021-10-26
Applicant: 哈尔滨理工大学
Abstract: 一种基于少标签数据特征迁移的滚动轴承故障诊断方法，用以解决现有滚动轴承故障诊断模型的训练数据中由于源域数据和目标域数据分布差异大且源域数据缺少大量带标记数据而导致模型分类准确率不高的问题。本发明的技术要点包括：引入原型对比学习进行域适应，建立基于原型域适应的故障诊断模型；提出将Res2Net结构中增加CBAM注意力机制模块，并进一步更换特征提取网络的激活函数，提高深度网络对滚动轴承数据特征提取能力，最终实现少标记数据变负载情况下滚动轴承不同状态的诊断。本发明方法在滚动轴承变负载条件下具备较好的分类性能，可以很好地解决所采集的振动数据正常状态与故障状态的数据分布不平衡问题且具有良好的泛化性能。
-
公开(公告)号：CN109284812B
公开(公告)日：2021-11-30
申请号：CN201811098851.9
申请日：2018-09-19
Applicant: 哈尔滨理工大学
Abstract: 一种基于改进DQN的视频游戏模拟方法，为了解决DQN算法在视频游戏模拟中游戏得分低、学习策略速度慢的问题。该算法首先对激活函数进行了改进，结合ReLu和Softplus两种激活函数的优点，设计并构造一种分段激活函数。其次设计改进的Gabor滤波器，用其代替卷积神经网络中原有的可训练的滤波器。算法中将视频游戏的一帧帧图像和改进后的Gabor滤波器卷积得到多个不同方向的特征，然后将这些特征进行特征融合，用融合后的特征取代原始视频游戏图像作为卷积神经网络的输入，利用强化学习的Q‑Learning算法训练更新网络权重，得到训练模型，实现视频游戏的模拟。实验研究表明，改进的DQN算法在视频游戏模拟中游戏得分更高，且能更快地学习到策略。
-
Patent Agency Ranking
公开(公告)号：CN112836736A
公开(公告)日：2021-05-25
申请号：CN202110116366.5
申请日：2021-01-28
Applicant: 哈尔滨理工大学
Abstract: 一种基于深度自编码器构图的高光谱图像半监督分类方法，涉及遥感图像处理技术领域，用以解决现有高光谱图像分类方法中存在的分类效果不佳的技术问题。本发明方法的技术要点包括：构建稀疏自编码器用于获得高光谱图像数据的谱域特征；用基于自我表达模型的方法构造图结构；利用变分图自编码器(VGAE)优化图结构；对优化后的图结构的系数矩阵进行修正；利用高斯随机场和调和函数(GRF)实现分类。本发明充分考虑了高光谱数据间的相互联系，并且兼顾高光谱数据的谱域信息和空域信息，在小样本条件下能够使高光谱数据分类达到较高的准确率。
-
公开(公告)号：CN109918923A
公开(公告)日：2019-06-21
申请号：CN201910075280.5
申请日：2019-01-25
Applicant: 哈尔滨理工大学
Abstract: 一种基于DNA编码的多通道彩色图像混沌加密方法，涉及数字图像加密领域，针对现有图像混沌加密方案存在不足以及高维连续时间混沌系统离散过程算法复杂，以致加密图像安全性低、获取离散混沌序列耗时的问题而提出的。利用六维离散超混沌系统产生六组混沌序列，由哈希函数SHA-256产生系统迭代初始值；提取彩色图像的RGB分量，对各分量作DNA编码分别得到DNA矩阵并合并，构建重组DNA矩阵，同时执行行列置乱操作；然后，将置乱DNA矩阵拆分成三个大小相同的矩阵，分别与DNA编码后的三个混沌密钥矩阵作DNA计算，再对得到的矩阵执行DNA解码操作；对解码矩阵执行扩散加密操作，加密轮数由SHA-256决定。加密效果好，安全性高。
-
公开(公告)号：CN109902399A
公开(公告)日：2019-06-18
申请号：CN201910162041.3
申请日：2019-03-01
Applicant: 哈尔滨理工大学
Abstract: 一种基于ATT-CNN的变工况下滚动轴承故障识别方法，涉及滚动轴承故障识别技术。为了解决现有的变工况下滚动轴承故障识别方法针对复杂分类问题其泛化能力受到一定制约的问题。首先，通过卷积神经网络(CNN)将振动数据映射到非线性空间域，并利用其对输入信号的微小位移、缩放及其他扭曲形式具有不变性的特点，自适应提取变工况下滚动轴承故障特征；其次，提出将注意力机制(ATT)思想融入CNN结构中，进一步提高变工况下轴承振动特征的敏感性；同时通过数据增强方法获得更加丰富多样的训练样本，使得网络得到更充分地学习，提高了鲁棒性。所提出的基于注意力机制CNN(ATT-CNN)故障诊断模型可实现变工况下的滚动轴承多状态识别与分类，并与其他方法比较，可获得更高的准确率。
-
公开(公告)号：CN107958510A
公开(公告)日：2018-04-24
申请号：CN201711079408.2
申请日：2017-11-06
Applicant: 哈尔滨理工大学
CPC classification number: G07C9/00563 , G07C9/00309 , G07C9/00571 , H04L67/025 , H04N7/186
Abstract: 本发明涉及一种智能门禁系统，具体涉及一种基于ARM的智能门禁系统及其控制方法，属于通信终端技术领域。本发明的目的是解决现有门禁系统存在安全隐患，繁琐不便携的问题，提出一种智能门禁系统。本发明的基于ARM的智能门禁系统包括：web浏览器、用户交互服务器、视频服务器、核心控制服务器、嵌入式系统平台和数据库；本发明的智能门禁的控制方法具体步骤包括：添加新用户；人脸检测；人脸识别。本发明可应用于生活区，办公区域等的安全管理系统中。
-
公开(公告)号：CN104778462A
公开(公告)日：2015-07-15
申请号：CN201510208600.1
申请日：2015-04-28
Applicant: 哈尔滨理工大学
IPC: G06K9/00
Abstract: 本发明提供了一种基于移动终端的人脸识别方法及装置，所述方法包括：获取待识别图像；通过预定方法检测所述待识别图像中的人脸图像；将所述人脸图像在特征脸空间进行投影，并根据所述投影获得的投影系数与投影系数库的比较结果对所述人脸图像进行识别。本发明通过将人脸图像在特征脸空间中进行投影，并根据投影获得的投影系数与投影系数库的比较结果对人脸图像进行识别，可以广泛用于各种智能终端，在公共安全领域、移动支付领域可以被广泛应用。
-
-
-
-
-
-
-
-
-
Search Results
61
records
(took 0.026 seconds)
