-
公开(公告)号：CN117710382A
公开(公告)日：2024-03-15
申请号：CN202311711776.X
申请日：2023-12-13
Applicant: 安徽工业大学
IPC: G06T7/10 , G06T7/00 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种基于改进U‑Net模型的医学图像分割方法，属于医学图像分割技术领域，包括以下步骤：数据集预处理；搭建分割网络模型并训练，得到改进U‑Net模型；利用改进U‑Net模型进行医学图像分割工作。本发明将原始单一卷积模块替换成多尺度特征提取模块，使得模型能够有效的捕获医学图像上不同的尺度和结构的特征，有助于更全面的理解图像内容，从而提高模型分割的准确性；同时也能够适应不同尺度的分辨率和尺寸，提高模型的鲁棒性和泛化性；在模型关键的位置分别增加自注意力机制和残差注意力机制，使得模型能够在关键位置建立权重连接，从而更好的捕获和理解图像中上下文的信息以及图像不同区域之间的关系，以及捕获图像中的目标细节和边界。
-
公开(公告)号：CN113627317A
公开(公告)日：2021-11-09
申请号：CN202110902959.4
申请日：2021-08-06
Applicant: 安徽工业大学
Abstract: 本发明公开了一种基于单样本学习的电机轴承故障诊断方法，属于计算机技术领域，包括以下步骤：设置每类不同样本数量和添加不同噪声强度；对已有的电机轴承一维振动信号进行数据扩充；将处理后的数据作为输入送入网络中进行训练和网络参数迭代更新；对测试样本进行故障诊断从而判别模型性能。本发明基于孪生网络的单样本进行学习，能够很好地解决在电机轴承故障诊断时数据匮乏而出现的精度过低问题；能够解决工况环境中经常出现的工业噪音的现象，可更好地提取信号的特征信息，采用了改进的多尺度一维卷积网络融合并与LSTM相结合的方法用于提取信号的全局特征和局部特征从而更好的进行故障诊断，具有适用性强和稳定性高的优点。
-
公开(公告)号：CN113570145A
公开(公告)日：2021-10-29
申请号：CN202110870941.0
申请日：2021-07-30
Applicant: 安徽工业大学
Abstract: 本发明公开了一种炼铁高炉炉芯死料柱温度的预测方法，属于冶金信息处理技术领域，包括采集样本数据并预处理，基于最大信息系数提取特征划分训练集与测试集得到数据集1，将数据集1每一列在时序上的变化趋势用1或‑1表示出来，得到数据集2；在数据集1上使用岭回归方法拟合参数与炉芯死料柱温度的回归模型，使用高斯核支持向量机在数据集2上分析时序上变化趋势的关联；结合对变化趋势的分析合理调整回归模型的预测结果，进一步减小预测误差。本发明将单一岭回归模型与分析变化趋势的方法结合，利用数据时序信息对模型进行优化，进一步减小了对炉芯死料柱温度的预测误差，提高了计算精度，具有很高的实际应用价值。
-
公开(公告)号：CN106097307A
公开(公告)日：2016-11-09
申请号：CN201610374573.X
申请日：2016-05-26
Applicant: 安徽工业大学
CPC classification number: G06T7/0006 , G06T2207/30164
Abstract: 本发明公开了一种基于人工鱼群算法的圆形工件检测方法，属于计算机信息图像处理技术领域。本发明首先对待检测图像进行预处理，获取圆形工件的边缘信息，然后根据待测工件图像的尺寸确定一个三维解空间并初始化人工鱼群，使每条人工鱼随机分布在该解空间中，最后人工鱼群采用自适应视野和步长，通过不断交互并协调行为，在解空间中启发式搜索经过边缘点数目最多的圆，从而得到工件的圆心和半径；本发明与传统霍夫变换检测圆的方法相比，可以实现在参数空间中并行搜索且不需要遍历整个空间，较大地减少了空间和时间开销，也提高了检测的精度，具有快速、准确和鲁棒的特点。
-
公开(公告)号：CN119831981A
公开(公告)日：2025-04-15
申请号：CN202510242700.X
申请日：2025-03-03
Applicant: 安徽工业大学
IPC: G06T7/00 , G06V10/774 , G06V10/82 , G06N3/0464 , G06V10/80
Abstract: 本发明公开了一种基于LDSNet网络的热轧带钢表面缺陷检测方法，属于钢材表面缺陷检测技术领域。本发明基于YOLOv5目标检测框架，设计了基于小波卷积的特征提取模块Ldswt，并将其替换掉C3模块的Bottleneck层，形成LdswtC3模块，增强网络的特征提取和特征融合能力；在下采样操作时，利用GSConvns模块替换普通卷积，不仅可以降低参数量和计算量，还可以对特征进行进一步提取与增强；在neck网络，对P3、P4、P5的各个输出层都进行原始特征融合，显著增强模型对小目标的检测能力；在特征输入到检测头网络前经过一个注意力模块，在不明显增加计算量和参数量的情况下显著增强模型的性能。
-
Patent Agency Ranking
公开(公告)号：CN119132386A
公开(公告)日：2024-12-13
申请号：CN202411175446.8
申请日：2024-08-26
Applicant: 安徽工业大学
Abstract: 本发明公开了一种基于图神经网络的药物靶标结合亲和力预测方法，属于生物信息技术领域，包括以下步骤：S1：样本预处理；S2：模型构建；S3：模型训练；S4：DTA预测。本发明先通过Davis数据集和KIBA数据集获取相关数据，通过数据预处理分别得到药物分子图、药物摩根指纹以及蛋白质序列信息分别输入GATv2网络、多层感知机网络以及多尺度卷积神经网络中进行特征提取，将摩根指纹与分子图特征经过层注意力进行特征拼接得到药物特征，并与蛋白质特征拼接后输入预测网络来进行药物靶标结合亲和力预测。
-
公开(公告)号：CN119006410A
公开(公告)日：2024-11-22
申请号：CN202411090558.3
申请日：2024-08-09
Applicant: 安徽工业大学
IPC: G06T7/00 , G06T7/10 , G06N3/0464 , G06N3/0455 , G06N3/08
Abstract: 本发明公开了一种基于改进U‑Net网络的结肠息肉图像分割方法，属于医学图像分割技术领域。本发明通过在原始U‑Net网络中添加DUCK Block模块，增强了网络提取息肉重要特征的能力，同时加强了对于息肉细节特征的关注度；并提出了MLFC跳跃连接模块，并在该模块前添加与解码器层数相对应的残差块，通过该跳跃连接来显著减少网络在编码器‑解码器信息传递过程中的信息丢失，让每一层的特征传递都可以获取全局特征增加了各种特征之间的信息交换而卷积块则用来减少语义间隙；在原始U‑Net网络中添加了Coordinate注意力机制模块，加强模型的长距离依赖性和位置信息敏感度，从而更准确地识别息肉位置以提取更有效的特征。
-
公开(公告)号：CN113610163B
公开(公告)日：2024-08-09
申请号：CN202110908681.1
申请日：2021-08-09
Applicant: 安徽工业大学
IPC: G06V20/10 , G06V10/82 , G06V10/764 , G06N3/0464 , G06N3/042 , G06N3/045 , G06N3/096
Abstract: 本发明公开了一种基于知识蒸馏的轻量级苹果叶片病害识别方法，属于图像处理技术领域，包括：数据集处理；改进经典SqueezeNet结构；教师网络指导；低精度教师网络进修；苹果叶片病害识别。本发明所采用的主干网络是一种轻量且高效的卷积神经网络模型，并对其结构进行设计和修改，获取更加轻量化的模型；同时利用知识蒸馏方法在显著减少模型参数同时使模型性能保持在较高的水平，将更加有利于模型部署在移动终端等嵌入式资源有限的设备上，有助于实现对苹果叶片病害的实时准确识别；还提出一种“进修”思想，可以有效解决教师网络指导效果差的问题。
-
公开(公告)号：CN118155714A
公开(公告)日：2024-06-07
申请号：CN202410321026.X
申请日：2024-03-20
Applicant: 安徽工业大学
IPC: G16B20/50 , G16B25/00 , G16B40/00 , G16H30/00 , G06V10/25 , G06V10/74 , G06T7/11 , G06N3/0464 , G06V10/82 , G06N3/0985 , G06V10/764
Abstract: 本发明公开了用于揭示肺癌亚型TP53突变所引起的不同组学之间内在联系的方法，属于技术领域，包括对TP53突变组与野生组在组织微生物上做差异分析、对TP53分组在免疫细胞成分上做差异分析以及免疫细胞与微生物群落的相关性分析等步骤。本发明先将两种肺癌亚型按照TP53是否突变进行分组，然后通过对瘤内微生物，免疫细胞，病理图像特征三部分组学数据进行分析，再训练了一个基于多模态数据的深度学习模型来预测TP53突变，最后通过可视化展示了不同组学之间的具体联系以及模型所关注的病理图像区域。
-
公开(公告)号：CN109308697B
公开(公告)日：2024-03-22
申请号：CN201811087765.8
申请日：2018-09-18
Applicant: 安徽工业大学
Abstract: 本发明公开了一种基于机器学习算法的树叶病害识别方法，属于图像处理技术领域。本发明首先对采集的树叶样本图像进行灰度化、图像增强和去噪等预处理操作；然后通过自适应阈值算法对预处理后的图像进行分割，有效地表征样本图像的纹理信息；选择RGB颜色空间提取样本图像的颜色特征，同时依据灰度共生矩阵提取分割图像的纹理特征；最后选择支持向量机模型利用交叉验证算法对样本图像进行分类识别，先采用网格寻优法对SVM模型的主要参数进行优化，再选取识别准确率最优的参数建立SVM分类识别模型。本发明可以通过训练使得计算机能够自动识别树叶的病虫害，极大的减少了空间和时间开销，也提高了识别的精度，具有快速、准确和鲁棒性强的特点。
-
-
-
-
-
-
-
-
-
Search Results
43
records
(took 0.028 seconds)
