一种基于通用质量特性分析的工程设计方法、装置和设备

    公开(公告)号:CN118551569B

    公开(公告)日:2025-05-09

    申请号:CN202410738756.X

    申请日:2024-06-07

    Abstract: 本发明公开了一种基于通用质量特性分析的工程设计方法、装置和设备,涉及工程设计技术领域。先对实现业务需求的任务剖面和失效模式与影响分析进行抽象及关联,得到失效模式与影响分析下的工程设计的抽象模型,然后确定工程设计在业务层的利益相关者,以及确定业务层的利益相关者需求对应的任务需求,接着在业务层进行失效模式与影响分析,补充业务层的任务可靠性需求,最后在系统层进行失效模式与影响分析,补充系统层的系统可靠性需求。本发明通过将通用质量特性分析融入整个工程设计过程中,使得工程产品在业务层和系统层都进行可靠性补充,提高了工程产品设计在整体上与通用质量特性分析的结合性,提高了工程产品设计的整体一致性和可靠性。

    一种基于通用质量特性分析的工程设计方法、装置和设备

    公开(公告)号:CN118551569A

    公开(公告)日:2024-08-27

    申请号:CN202410738756.X

    申请日:2024-06-07

    Abstract: 本发明公开了一种基于通用质量特性分析的工程设计方法、装置和设备,涉及工程设计技术领域。先对实现业务需求的任务剖面和失效模式与影响分析进行抽象及关联,得到失效模式与影响分析下的工程设计的抽象模型,然后确定工程设计在业务层的利益相关者,以及确定业务层的利益相关者需求对应的任务需求,接着在业务层进行失效模式与影响分析,补充业务层的任务可靠性需求,最后在系统层进行失效模式与影响分析,补充系统层的系统可靠性需求。本发明通过将通用质量特性分析融入整个工程设计过程中,使得工程产品在业务层和系统层都进行可靠性补充,提高了工程产品设计在整体上与通用质量特性分析的结合性,提高了工程产品设计的整体一致性和可靠性。

    一种适用于档案图像的具有纠错机制的隐形数字水印方法

    公开(公告)号:CN113506206B

    公开(公告)日:2023-11-17

    申请号:CN202110771612.0

    申请日:2021-07-08

    Abstract: 本发明提出了一种适用于档案图像的具有纠错机制的隐形数字水印方法。该方法中,首先需要设定数字水印方法需要隐藏的秘密信息;然后根据秘密信息的数值特征,自适应地计算出需要嵌入地完整数字水印信息,其中设置了纠错码机制,可以将水印信息的误检测率降到最低水平;最后运用数字水印技术将水印信息嵌入到电子档案扫描图像中,平铺满整个图像,实现对于电子档案扫描图像的版权保护、泄密追踪。

    基于水印技术的瓷砖溯源方法、系统、介质及计算机设备

    公开(公告)号:CN113762438A

    公开(公告)日:2021-12-07

    申请号:CN202110836670.7

    申请日:2021-07-23

    Abstract: 本发明提出了一种基于水印技术的瓷砖溯源方法、系统、介质及计算机设备。本发明通过对功能模块进行划分形成相机控制模块、水印检测模块、喷码机控制模块、数据绑定模块和数据上传模块,能够实现对瓷砖表面图像水印信息有效地自动化检测,无需人工检测提取水印信息。进一步的,结合多线程的任务处理方式,本发明可以在不干预生产线的情况下进行相关的水印信息提取、条形码的喷印和数据绑定等操作,提高生产维护的效率和运行速度,降低维护成本。

    一种适用于档案图像的具有纠错机制的隐形数字水印方法

    公开(公告)号:CN113506206A

    公开(公告)日:2021-10-15

    申请号:CN202110771612.0

    申请日:2021-07-08

    Abstract: 本发明提出了一种适用于档案图像的具有纠错机制的隐形数字水印方法。该方法中,首先需要设定数字水印方法需要隐藏的秘密信息;然后根据秘密信息的数值特征,自适应地计算出需要嵌入地完整数字水印信息,其中设置了纠错码机制,可以将水印信息的误检测率降到最低水平;最后运用数字水印技术将水印信息嵌入到电子档案扫描图像中,平铺满整个图像,实现对于电子档案扫描图像的版权保护、泄密追踪。

    基于深监督学习的图像显著性目标检测方法

    公开(公告)号:CN113139431A

    公开(公告)日:2021-07-20

    申请号:CN202110312130.9

    申请日:2021-03-24

    Abstract: 本发明公开了一种基于深监督学习的图像显著性目标检测方法,首先,修改VGG‑16网络以适应显著性检测任务,去除网络的最后一层池化层和所有全联接层,利用修改后的VGG‑16网络来提取图像的多尺度特征信息,递归融合多尺度特征,得到显著性图像;为了加强图像的边界,将真值图像依次下采样到特征图像同样的大小,来自像素级的信息监督每一层的显著性图像预测,促进预测中的互补效应,递归指导每一层的显著性特征图像,优化边界信息,增强最后的显著性图像效果。本发明解决了现有技术多尺度显著性检测存在的边界模糊等问题。

    基于图像DCT域的SVD分解的模糊检测方法

    公开(公告)号:CN108510496B

    公开(公告)日:2020-09-22

    申请号:CN201810313311.1

    申请日:2018-04-09

    Abstract: 本发明提出了一种基于图像DCT域的SVD分解的模糊检测方法。首先计算待测图像的梯度图,图像的边缘信息可以从梯度图中得到,然后把梯度图进行分块,并进行DCT变换,因为DCT域的交流系数反映了图像的边缘和清晰度,接着差分矩阵来分析DCT域的交流系数信息,通过计算差分矩阵的奇异值,并构造响应函数来表示块的图像的模糊程度,最终用均值和方差去归一化图像块响应之和,来消除图像内容的影响。实验表明该方法得到的模糊分数与人眼对图像的主观评价分数高度一致。本发明的检测模型考虑到图像变模糊过程中的边缘变宽,清晰度变弱等特点,并有效的消除图像内容的影响,因此检测准确率很高,而且检测效率快,整体性能优于前人的方法。

Patent Agency Ranking