一种基于深度学习的字轮式水表读数的识别方法及装置

    公开(公告)号:CN116778137A

    公开(公告)日:2023-09-19

    申请号:CN202310615964.6

    申请日:2023-05-29

    Applicant: 江南大学

    Abstract: 本发明涉及计算机视觉技术领域,提出了一种基于深度学习的字轮式水表读数识别方法及装置,包括:获取字轮式水表图像,通过数字区域检测模型得到所述字轮式水表图像中的数字区域位置图像;将所述数字区域位置图像输入基于矫正分割算法的网络模型进行矫正和分割得到目标区域的裁剪图像;将所述目标区域的裁剪图像通过仿射变换后输入数字识别模型,产生一个10×Q的矩阵作为模型的输出。本发明提出的水表读数检测模型无需字符切割即可识别读数,实现了对字轮式水表读数的端到端的识别,提高了水表读数识别精度,另外,本发明提供的网络模型体积很小,便于在移动设备上部署,为水表数据的读取和复核提供更便捷的方式。

    基于双目相机与惯性导航的融合数据管理系统

    公开(公告)号:CN116592879A

    公开(公告)日:2023-08-15

    申请号:CN202310570310.6

    申请日:2023-05-19

    Applicant: 江南大学

    Abstract: 本发明涉及一种基于双目相机与惯性导航的融合数据管理系统,包括惯性导航处理单元、环境终端采集模块、数据获取融合单元、数据校验单元、加密上传单元和数据库,所述惯性导航处理单元和环境终端采集模块均与数据获取融合单元通讯连接,所述数据获取融合单元的输出端通讯连接有数据校验单元,所述数据校验单元的输出端通讯连接有加密上传单元,所述加密上传单元的输出端通讯连接有数据库,所述数据库的内部设置有分类储存单元和数据管理单元。本发明能对车辆的惯性导航数据进行统筹融合以及管理。

    一种多变量控制系统的控制方法

    公开(公告)号:CN114706311B

    公开(公告)日:2023-06-23

    申请号:CN202210405703.7

    申请日:2022-04-18

    Applicant: 江南大学

    Abstract: 本发明公开了一种多变量控制系统的控制方法包括:根据实时评估多变量控制系统的性能,定义系统的优化策略;根据优化策略,建立系统参考模型、滤波器以及给定控制器结构;利用建立的滤波器计算多变量控制系统的输入滤波数据和输出滤波数据;根据多变量控制系统的参考模型、控制器结构和所述输出滤波数据,计算多变量控制系统的虚拟输入数据;对比输入滤波数据和虚拟输入数据,定义损失函数;利用最小二乘辨识方法求得多变量控制器的参数,对多变量控制系统进行优化。本发明无需了解多变量控制系统内部结构,便可对系统的控制参数进行优化,解决了现有的控制方法在未知的多变量控制系统是难以准确的对其有效控制的问题。

    传感器故障检测与诊断方法、介质、电子设备及系统

    公开(公告)号:CN114877926B

    公开(公告)日:2023-06-02

    申请号:CN202210440771.7

    申请日:2022-04-25

    Applicant: 江南大学

    Abstract: 本发明公开了一种传感器故障检测与诊断方法,包括:S1、通过传感器接收工业过程数据,构建工业过程的离散时间线性状态空间模型;S2、在离散时间线性状态空间模型的测量方程中加入表示传感器故障信号的可加向量,对离散时间线性状态空间模型的测量方程进行修正;S3、引入逆Wishart分布来描述故障信号的预测协方差,将逆Wishart分布与系统状态和故障信号本身的概率密度函数一起递归估计后验分布,以估计出传感器故障信号。本发明通过添加可加向量表示传感器故障信号,并引入逆Wishart分布来描述故障信号的预测协方差,将逆Wishart分布与系统状态和故障信号本身的概率密度函数一起递归估计后验分布,可以准确地估计出传感器的故障信号。

    一种基于影响力值的近红外光谱降噪方法

    公开(公告)号:CN113189041B

    公开(公告)日:2022-09-13

    申请号:CN202110466490.4

    申请日:2021-04-28

    Applicant: 江南大学

    Abstract: 本发明涉及一种基于影响力值的近红外光谱降噪方法。本发明包括利用近红外光谱仪采集待测物表面的近红外光谱;对所述近红外光谱进行主成分分析降维处理;根据降维处理后的近红外光谱,建立状态空间模型;根据所述状态空间模型利用Kalman滤波器进行处理;根据所述状态空间模型进行扩展得到扩展模型,根据扩展模型利用无偏滤波器滤波处理,得到无偏滤波估计值与无偏滤波增益;建立损失函数,得到影响力融合滤波器估计值;根据影响力融合滤波器估计值获得降噪后的近红外光谱。本发明通过基于影响力函数的融合滤波器对近红外光谱进行滤波,以达到对近红外光谱的预处理目的,使的预处理过的近红外光谱可以满足监测、诊断、控制等需求。

    一种高纯度2,6-二甲酚近红外光谱在线检测方法

    公开(公告)号:CN113552091B

    公开(公告)日:2022-05-31

    申请号:CN202110977213.X

    申请日:2021-08-24

    Applicant: 江南大学

    Abstract: 本发明涉及一种高纯度2,6‑二甲酚近红外光谱在线检测方法,包括以下步骤:S1、在线收集近红外光谱数据,计算获得近红外光谱数据对应的2,6‑二甲酚纯度;S2、剔除近红外光谱首尾噪声较大且无关的波段,对数据进行清洗;S3、设置初始权重和权重更新系数,对初始权重进行迭代,计算得到权重分布;S4、根据权重分布,建立纯度回归模型ft(x);S5、计算回归模型ft(x)的误差和平均建模误差;S6、对初始权重进行更新,输出最终的2,6‑二甲酚产品塔的2,6‑二甲酚纯度回归模型fN(x)。本发明建立具有可靠性和高预测精度的回归模型,实现对高纯度2,6‑二甲酚的纯度的精确检测,为2,6‑二甲酚产品质量的实时调控提供可能。

    机械臂动作捕捉方法、介质、电子设备及系统

    公开(公告)号:CN114454174A

    公开(公告)日:2022-05-10

    申请号:CN202210228647.4

    申请日:2022-03-08

    Applicant: 江南大学

    Abstract: 本发明公开了一种机械臂动作捕捉方法,包括:S1、在机械臂上固定视觉传感器采集数据作为源域,对应人体手臂固定惯性传感器采集数据作为目标域,建立系统的状态空间表达式;S2、利用全概率理论以源域观测预测分布为条件,设置最优未知状态观测联合分布,分解条件联合观测分布模型,并用KL散度来求解最优分布;S3、在卡尔曼滤波器的基础上结合全概率理论,将视觉传感器测量的源域知识转移到惯性传感器测量的目标域中,进行基于卡尔曼滤波的数据融合,预测系统下一时刻的状态,以实现机械臂的动作捕捉。本发明综合考虑了视觉传感和惯性传感的不足,通过迁移学习的思想将视觉传感作为源域进而改善惯性传感的目标域,从而提高预测精度。

    一种抗生素发酵过程生物量浓度的估计方法及系统

    公开(公告)号:CN113963752A

    公开(公告)日:2022-01-21

    申请号:CN202111222844.7

    申请日:2021-10-20

    Applicant: 江南大学

    Abstract: 本发明公开了一种抗生素发酵过程生物量浓度的估计方法及系统,该方法包括以下步骤:S1、构建发酵过程动力学模型;S2、求解生物量浓度、底物浓度、产物浓度、不同发酵工况的概率、不同发酵工况之间的切换率的最优近似后验分布;S3、计算生物量浓度、底物浓度、产物浓度、不同发酵工况的概率、不同发酵工况之间的切换率的预测分布参数;S4、迭代更新生物量浓度、底物浓度、产物浓度、不同发酵工况概率、不同发酵工况之间的切换率的均值和方差,获得最终的生物量浓度、底物浓度、产物浓度、不同发酵工况概率、不同发酵工况之间的切换率的估计值。本发明基于抗生素发酵过程生物量浓度的估计方法及系统可以大幅提升生物量浓度的估计精度。

    一种基于辅助量测信息的精馏塔单吨能耗估计方法及系统

    公开(公告)号:CN113962081A

    公开(公告)日:2022-01-21

    申请号:CN202111222841.3

    申请日:2021-10-20

    Applicant: 江南大学

    Abstract: 本发明公开了一种基于辅助量测信息的精馏塔单吨能耗估计方法及系统,该方法包括以下步骤:S1、构建精馏塔单吨能耗状态空间模型,利用贝叶斯状态估计计算引入再沸器热负荷数据和辅助测量数据的贝叶斯后验分布;S2、求解最优的精馏塔单吨能耗预测分布;S3、对修正后的精馏塔单吨能耗的均值和方差的预测值进行更新;S4、更新模态概率;S5、将更新的均值和方差以及模态概率进行融合,得到最终的贝叶斯估计值,即待估计的精馏塔单吨能耗的均值和方差。本发明基于基于辅助量测信息的精馏塔单吨能耗估计方法借助于高质量的辅助测量数据,从贝叶斯状态估计的角度,充分利用更有价值的辅助测量分布,大幅提升精馏塔单吨能耗估计的精度。

    有机硅单体分馏过程能耗的多任务灰箱预测方法及系统

    公开(公告)号:CN113723686A

    公开(公告)日:2021-11-30

    申请号:CN202111016250.0

    申请日:2021-08-31

    Applicant: 江南大学

    Abstract: 本发明涉及一种有机硅单体分馏过程能耗的多任务灰箱预测方法,确定精馏塔的第一原理模型;获取运行数据,将其划分为训练集和测试集;利用训练集对第一原理模型进行训练,得到待估计的模型参数向量,假设模型参数向量wt由共享参数w0和特定参数vt组成,同时估计模型参数;建立精馏塔的能耗模型;利用测试集对能耗模型进行测试,得到测试集中的测试样本的能耗预测值,将其与测试样本的能耗实际值进行对比以评估该能耗模型的性能。本发明利用精馏塔的动态特性和有机硅单体分馏过程中不同精馏塔之间的相似性,提升模型泛化性能,解决了现有技术有机硅单体分馏过程的能耗预测方法存在建模成本高、忽视各塔之间相关性以及数据不足情况下难以建模的缺陷。

Patent Agency Ranking