-
公开(公告)号：CN117953033A
公开(公告)日：2024-04-30
申请号：CN202311702395.5
申请日：2023-12-12
Applicant: 北京科技大学
Abstract: 本发明公开了一种基于双目视觉的实时非接触式泡沫层厚度测量方法和系统，涉及矿物浮选技术领域，包括：获取目标浮选槽内待测量泡沫层的双目视频流；基于双目视频流，裁剪得到两个单目图像；基于深度测距神经网络提取两个单目图像的图像特征，并根据图像特征回归得到视差图；基于视差图和双目视差原理，确定待测量泡沫层的顶部的双目深度测距值；基于目标浮选槽内矿浆液位值与双目深度测距值，确定待测量泡沫层的厚度。本发明可以获取泡沫层厚度的实时测量值，缓解了现有技术中存在的需要工作人员长期监控设备、且难以实时检测现场情况的技术问题。
-
公开(公告)号：CN117909777A
公开(公告)日：2024-04-19
申请号：CN202410185178.1
申请日：2024-02-19
Applicant: 北京科技大学 , 中色非洲矿业有限公司
IPC: G06F18/23213 , G06F18/25 , G06N3/0455 , G06N3/0442 , G06N3/0464 , G06N3/0895
Abstract: 本发明公开了一种工业多变量时间序列异常检测方法及装置，属于数据分析检测技术及人工智能技术领域，所述方法包括：利用布设在待检测工业系统中的传感器实时采集待检测工业系统运行中产生的由多种生产工艺变量组成的生产过程数据，得到多变量时间序列数据集；对所述多变量时间序列数据集中的数据进行聚类；基于聚类结果，生成聚类后的每一类簇的相关矩阵，并基于生成的每一类簇的相关矩阵，结合预设的异常阈值，进行异常检测，得到检测结果。本发明采用多种新颖的深度学习方法，不仅可大幅度提高工业上多变量时间序列异常检测精度，同时操作简单，不需要复杂的硬件设备，同时也能进一步降低工业上异常检测的开销，具有重要的实用价值和理论意义。
-
公开(公告)号：CN117830495A
公开(公告)日：2024-04-05
申请号：CN202410238890.3
申请日：2024-03-04
Applicant: 北京科技大学
Abstract: 本发明涉及计算机视觉特效技术领域，特别是指一种基于屏幕空间的SPH多相流体实时渲染方法及装置，包括：对多相流体的表面进行信息提取，获得纹理信息；根据纹理信息，对多相流体的进行表面平滑和表面重建；对表面平滑和表面重建后的多相流体进行着色计算，完成基于屏幕空间的SPH多相流体实时渲染。本发明对传统的面向单相流体的屏幕空间渲染管线进行了改进，增加了区分不同流体材质的流相分数纹理，发明所述的基于屏幕空间的SPH多相流体实时渲染方法。本方法能够渲染出多相流体混合与分离的效果，且在效率上接近传统的屏幕空间渲染方法，且可以扩展到基于粒子的多相流体模拟结果。
-
公开(公告)号：CN115270651B
公开(公告)日：2024-03-15
申请号：CN202210695436.1
申请日：2022-06-20
Applicant: 北京科技大学
IPC: G06F30/28 , G06F30/25 , G06F30/27 , G06N3/0464 , G06N3/0442 , G06N3/045 , G06N3/08 , G06V10/40 , G06V10/82 , G06F111/04 , G06F113/08 , G06F119/14
Abstract: 本发明公开了一种面向单目视频的非牛顿流体仿真重建方法，包括：基于光滑粒子流体动力学，使用Cross模型定义非牛顿流体的运动黏度与剪切速率，进行非牛顿流体的仿真；使用空间特征提取网络对单目视频进行空间特征提取；利用提取到的空间特征训练时序预测模型，进行时间特征的提取；使用提取的时间特征训练预设的本构参数预测模型；利用本构参数预测模型对现实世界中的非牛顿流体单目视频进行非牛顿流体的参数预测，结合所得的非牛顿流体参数进行仿真重建，得到最接近现实世界非牛顿流体流动的仿真结果。本发明可以辅助确定接近真实世界非牛顿流体的仿真参数，从而减少确定仿真初始条件的难度，并得到最佳可视化效果的非牛顿流体仿真结果。
-
公开(公告)号：CN117408138A
公开(公告)日：2024-01-16
申请号：CN202311284245.7
申请日：2023-09-28
Applicant: 北京科技大学 , 中色非洲矿业有限公司
IPC: G06F30/27 , G06F17/13 , G06N3/0442 , G06N5/04 , G06F119/14 , G06F113/08
Abstract: 本发明提供一种浮选工序多设备联合仿真方法及系统，涉及人工智能技术领域，包括：获取工业场景中传感器监测到的浮选工序历史生产参数序列；建立工序拓扑图；基于工序拓扑图对不同种类的设备进行基于神经微分方程的动力学分析；使用深度状态空间下的RNN族模型在隐空间内进行完全平滑的后验编码并使用神经微分方程进行预测段的推理预测；对单设备使用实际生产产生的输入特征及液位数据进行模型训练，以最大似然为目标完成单个节点的模型训练；依据工序拓扑图的拓扑排序结果顺次进行单个节点的推理，将推理结果依据拓扑作为其他节点的输入。本发明实际考虑到整个流程长延时的设备间参数关联性，并通过引入设备机理动力学增加了模型精度和可解释性。
-
Patent Agency Ranking
公开(公告)号：CN116630248A
公开(公告)日：2023-08-22
申请号：CN202310511546.2
申请日：2023-05-08
Applicant: 北京科技大学
Abstract: 本发明公开了一种排除析出相干扰的金相显微图像分析方法及装置，所述方法包括：基于预设晶界分割模型，获取金相材料显微图像的晶界分割结果；基于预设析出相分割模型，获取金相材料显微图像的析出相分割结果；基于所述晶界分割结果和所述析出相分割结果，筛选出将析出相误识别为晶粒的错分晶粒；对所述错分晶粒进行矫正，合成正确分割结果。采用本发明的金相显微图像分析方案，能够针对性地纠正金相图像分析任务中由于析出相遮挡晶粒边界而造成晶粒边界误判的问题，进一步提高后续材料微结构表征的准确度，可广泛应用于金属材料领域中的图像分析、材料评价等方面，具有广泛的应用前景。
-
公开(公告)号：CN113222114B
公开(公告)日：2023-08-15
申请号：CN202110436901.5
申请日：2021-04-22
Applicant: 北京科技大学 , 中国人民解放军总医院海南医院
IPC: G06V10/774 , G06V10/82 , G06V10/80 , G06N3/0464 , G06N3/045 , G06N3/0985 , G06V10/764 , G06V10/776
Abstract: 本发明公开了一种图像数据增广方法及装置，该方法包括：获取真实图像及其真实标注；构建标注生成网络和风格迁移网络；其中，标注生成网络用于根据真实标注生成虚拟标注；风格迁移网络用于将虚拟标注转换成虚拟图像；将标注生成网络与风格迁移网络合并成图像数据增广网络；并基于真实图像及其真实标注，采用基于生成器和判别器的损失函数训练图像数据增广网络；利用训练好的图像数据增广网络生成虚拟图像和虚拟标注，实现图像数据增广。本发明能够在增强真实图像及其标注数据多样性的同时，节省人工标注成本，显著提高后续图像分割模型训练所需的数据量，从而提高图像分割模型的精度。
-
公开(公告)号：CN112508966A
公开(公告)日：2021-03-16
申请号：CN202011407760.6
申请日：2020-12-04
Applicant: 北京科技大学
Abstract: 本发明公开了一种交互式图像分割方法及系统，该方法包括：采用图像分析方法对待分割图像进行前景背景分割，得到预分割结果；获取人工干预信息，包括前景交互点和背景交互点；其中，前景交互点为应该是前景但没有被分割出来的点，背景交互点为应该是背景点但被当成前景分割出来的点；提取待分割图像的特征，并根据人工干预信息带来的半监督信息对图像特征进行像素特征匹配，得到每一像素点属于前景或背景的概率图；根据概率图，对预分割结果进行修正，以提高分割精度。本发明通过在分割过程中引入少量的人工干预对实例级对象的分割结果进行精细的修正，从而提高了最终分割结果的精确度。
-
公开(公告)号：CN112241940A
公开(公告)日：2021-01-19
申请号：CN202011036730.9
申请日：2020-09-28
Applicant: 北京科技大学
Abstract: 本发明公开了一种多张多聚焦图像融合方法，属于图像处理和人工智能技术领域。包括：用图像特征提取算法提取待融合图像集中所有图像的特征，并选择任意二张图像的特征作为第一级基线特征和第二级基线特征；采用图像特征融合算法分别将第一级基线特征与待融合图像集中其余图像的特征进行特征融合，并形成多张聚焦水平图；采用矫正算法，基于第一级基线特征和第二级基线特征形成的聚焦水平图，矫正其余聚焦水平图，并将矫正后的多张聚焦水平图拼合成聚焦水平集；采用决策算法将聚焦水平集换算成决策图；采用图像像素融合算法，基于决策图，将待融合图像集中的所有图像融合成最终的单张融合结果。采用本发明，可以提高多张多聚焦图像融合的效率。
-
公开(公告)号：CN111784645A
公开(公告)日：2020-10-16
申请号：CN202010544835.9
申请日：2020-06-15
Applicant: 北京科技大学
Abstract: 本发明提供一种充填管道裂纹检测方法，属于采矿工业领域。所述方法包括：利用带有裂纹的管道图像和加噪处理后的所述带有裂纹的管道图像对图像去噪模型进行训练；利用带有裂纹的管道图像及同时带有雨滴和裂纹的管道图像对图像去雨滴模型进行训练；利用目标检测训练集对裂纹检测模型进行训练，其中，所述目标检测训练集中的每张管道图像被标注出裂纹位置；实时获取待检测的管道图像，利用训练好的图像去噪模型、图像去雨滴模型、裂纹检测模型依次对待检测管道图像进行去噪、去雨滴处理、对裂纹进行检测。采用本发明，能够对图像中的噪音以及雨滴进行修复，从而提高管道裂纹检测精度和检测效率。
-
-
-
-
-
-
-
-
-
Search Results
98
records
(took 0.031 seconds)
