-
公开(公告)号：CN103281208B
公开(公告)日：2016-09-07
申请号：CN201310221298.4
申请日：2013-05-31
Applicant: 山东省计算中心(国家超级计算济南中心)
Abstract: 本发明公开了一种数据灾备服务及综合监控系统，其特征是：包括：灾备存储子系统：实时存储灾备数据信息；ISM服务器子系统：接收用户应用服务器子系统提供的灾备服务实施参数，与灾备存储子系统交互访问，实时检测灾备存储的状态变化，进而记录每个灾备服务的执行情况；用户应用服务器子系统：通过向ISM服务器子系统提供由灾备实施人员填写的灾备服务实施参数，实时接收来自ISM服务器子系统返回的服务状态，继而可以实时查询到灾备服务的容灾情况。灾备设备综合监控系统：对数据灾备中心的室内微环境及设备运行状态参数进行采集和精准控制。本系统方便了数据灾备服务中心的灾备项目管理，满足了用户了解灾备和灾备中心宣传灾备的目的。
-
公开(公告)号：CN104679607B
公开(公告)日：2016-02-24
申请号：CN201510061675.1
申请日：2015-02-04
Applicant: 山东省计算中心(国家超级计算济南中心)
Abstract: 本发明公开了一种异构存储的容灾系统及方法，系统包括用户端和异地灾备中心，其中，用户端包括备份服务器、生产存储模块和备份存储模块，备份服务器连接生产存储模块与备份存储模块，生产存储模块连接备份存储模块；异地灾备中心包括异地灾备中心存储模块，异地灾备中心存储模块与备份存储模块连接，且所述备份存储模块与异地灾备中心存储模块兼容，本发明仅新增一台低端存储的情况下，即实现了异构存储的兼容及远程容灾，相较于存储虚拟化或远程挂载等方法，运维投入和预算更低，简单易用。
-
公开(公告)号：CN103345298B
公开(公告)日：2015-07-01
申请号：CN201310296679.9
申请日：2013-07-16
Applicant: 山东省计算中心(国家超级计算济南中心)
Abstract: 本发明涉及一种基于虚拟IT资源分配技术的数据中心节能系统的方法，它通过对数据中心进行虚拟环境资源监控，获取温湿度三维云图，以及服务器的CPU、磁盘、内存等运行数据，从而对有限的IT资源进行动态迁移和调整，对空调资源进行合理调度，使其得到充分利用，减少了不必要的能源浪费。同时继续进行虚拟环境监测，保证其资源分配的合理有效。这种闭环反馈的监测机制，有效提高了数据中心资源的使用率，最终实现了数据中心绿色节能的运维目标。
-
公开(公告)号：CN119810543A
公开(公告)日：2025-04-11
申请号：CN202411893111.X
申请日：2024-12-20
Applicant: 山东省计算中心(国家超级计算济南中心) , 山东山科数字经济研究院有限公司
IPC: G06V10/764 , G06V10/82 , G06V10/44 , G06V10/80 , G06V10/766 , G06V10/774 , G06N3/0464 , G06N3/048 , G06N3/096 , G06T7/00
Abstract: 本发明公开了一种基于加权掩码蒸馏的轻量化工业玻璃缺陷检测方法及系统，涉及数字图像处理与目标识别技术领域，获取若干工业玻璃图像并标注缺陷，构建数据集；分别搭建大、小规模目标检测模型异构的骨干特征提取网络，并利用数据集分别进行预训练；以预训练得到的大模型骨干网络为上游教师模型，指导小模型骨干网络进行上游知识蒸馏；分别搭建大、小规模目标检测模型同构的颈部特征融合网络和检测头，再与对应骨干特征提取网络连接，利用数据集分别进行训练；以训练得到的大模型颈部网络为下游教师模型，指导小模型颈部网络进行下游知识蒸馏；构建轻量化小规模目标检测模型，利用该模型实现对待检测工业玻璃图像更高效、更精确的缺陷检测。
-
公开(公告)号：CN118864454B
公开(公告)日：2025-01-21
申请号：CN202411336461.6
申请日：2024-09-25
Applicant: 山东省计算中心(国家超级计算济南中心) , 山东山科数字经济研究院有限公司 , 青岛海尔智能技术研发有限公司
Abstract: 本发明提供了一种基于记忆专家指导的无监督异常检测方法及系统，涉及异常检测技术领域，所述方法包括：获取待检测缺陷图像；将待检测缺陷图像输入训练好的缺陷检测模型中进行检测，获得玻璃容器表面缺陷检测结果；缺陷检测模型包括依次连接的用于提取差异显著特征图的特征蒸馏网络和用于根据差异显著特征图生成缺陷检测结果的异常细化网络；特征蒸馏网络基于正态记忆专家帮助去噪学生网络学习正常样本，正态记忆专家中存储有教师网络根据正态样例特征得到的记忆向量，去噪学生网络根据所述记忆向量，对根据待检测缺陷图像生成的查询特征进行更新。本发明能够提高玻璃容器表面缺陷检测的准确性。
-
Patent Agency Ranking
公开(公告)号：CN119181105A
公开(公告)日：2024-12-24
申请号：CN202411417967.X
申请日：2024-10-11
Applicant: 山东师范大学 , 山东省计算中心(国家超级计算济南中心) , 山东山科数字经济研究院有限公司
IPC: G06V30/412 , G06V30/416 , G06V30/19 , G06V30/18 , G06N3/0464 , G06V10/82
Abstract: 本发明提供了一种基于关联实体检测的表单内容结构化提取方法及系统，包括：对于待内容提取的表单图像，通过预先构建的关联实体检测模型，获得表单中实体所对应的类别及位置信息；其中，所述关联实体检测模型中的层内特征调节模块用于将特征提取层输出的特征经卷积处理后，分别进行全局和局部特征的提取，然后通过将局部和全局特征进行拼接作为下一特征提取层的输入特征；通过对获得的不同层级的特征图进行融合，获得融合特征；基于所述融合特征，通过预设检测头，获得实体所对应的类别及位置信息；基于实体对应的类别及位置信息，通过坐标聚合，获得实体间的关联性；基于所述关联性，确定属于同一行的实体，实现表单内容的结构化提取。
-
公开(公告)号：CN118898614A
公开(公告)日：2024-11-05
申请号：CN202411397545.0
申请日：2024-10-09
Applicant: 山东省计算中心(国家超级计算济南中心)
IPC: G06T7/00 , G06V10/25 , G06V10/44 , G06V10/52 , G06V10/774 , G06V10/82 , G06N3/0464
Abstract: 本发明提出了基于多域高效特征聚合网络的齿轮缺陷检测方法及系统，涉及计算机视觉应用领域，用于缺陷检测的多域高效特征聚合网络包括多域混合特征提取网络、多尺度特征聚焦传播融合网络以及检测头网络；所述多域混合特征提取网络，采用多域特征无损下采样模块在频域和空间域下对齿轮图像进行下采样，构建初始特征图，利用高效混合特征感知模块从局部和全局、空间和通道的角度对初始特征图进行增强，得到多尺度特征图；所述多尺度特征聚焦传播融合网络，对多尺度特征进行融合，得到融合后的特征图；所述检测头网络，根据融合后的特征图，检测齿轮缺陷；本发明构建多域高效特征聚合网络，进行鲁棒性强、精度高的齿轮缺陷检测。
-
公开(公告)号：CN118864453A
公开(公告)日：2024-10-29
申请号：CN202411336457.X
申请日：2024-09-25
Applicant: 山东省计算中心(国家超级计算济南中心) , 青岛海尔智能技术研发有限公司 , 山东山科数字经济研究院有限公司
IPC: G06T7/00 , G06N3/0464 , G06V10/80 , G06V10/82
Abstract: 本发明提供了基于局部整体上下文感知的钢铁表面瑕疵检测方法及系统，涉及图像处理技术领域，所述方法包括：获取待检测钢铁图像；将钢铁图像输入钢铁表面瑕疵检测模型中进行检测，获得钢铁表面瑕疵检测结果；局部整体感知网络利用不同空洞率的空洞卷积提取不同尺度的局部特征，并在获取全局特征时，将查询向量、键向量和值向量均输入到卷积模块、深度卷积模块和逐点卷积模块中处理；多层级交互网络利用局部整体感知网络不同层的输出，进行跨层特征融合；强化识别网络，融合多层级交互网络的输出特征，对融合后的特征进行增强与检测，得到钢铁表面瑕疵检测结果。本发明能够提高钢铁瑕疵检测的准确率和效率。
-
公开(公告)号：CN118644359A
公开(公告)日：2024-09-13
申请号：CN202411124271.8
申请日：2024-08-16
Applicant: 山东省计算中心(国家超级计算济南中心)
Abstract: 本发明涉及能源供应技术领域，具体为应用于工业园区的氢能负荷预测方法及系统，通过获取工业园区历史能源负荷数据、工业园区所在地气象站的历史气象数据以及时间数据，并进行预处理，经编码操作得到特征表示；预处理后的数据基于全局时域特征捕获网络得到频域表示，进一步得到全局周期性特征；根据得到的特征表示，利用多尺度特征融合网络提取出局部非线性特征；得到的全局周期性特征和局部非线性特征，利用自适应门控融合网络得到预测结果。利用深度神经网络的强大拟合能力和频域分析的周期性识别优势，结合多尺度特征提取技术，能够更全面、更精细地解析氢能源需求的内在规律，显著提高预测的准确性和稳定性。
-
公开(公告)号：CN118570212A
公开(公告)日：2024-08-30
申请号：CN202411059782.6
申请日：2024-08-05
Applicant: 山东省计算中心(国家超级计算济南中心)
IPC: G06T7/00 , G06V10/80 , G06V10/44 , G06V10/42 , G06V10/52 , G06V10/82 , G06V20/70 , G06V10/25 , G06N3/0464 , G06N3/045 , G06N3/084 , G06N3/048
Abstract: 本发明公开了一种基于强化特征提取网络的显示屏缺陷检测方法及系统，属于工业表面缺陷检测技术领域，包括将获取的液晶显示屏图像输入至训练好的表面缺陷检测模型，表面缺陷检测模型中液晶显示屏图像首先经过深层强化特征提取网络提取液晶显示屏图像的不同尺度特征，并将不同尺度的强化特征输入至跨层交互连接网络有效结合浅层特征和深层特征，输出不同尺度的交互特征，将不同尺度的交互特征输入至语义感知识别网络捕捉远距离特征，增强对缺陷特征的多尺度表示，最终输出缺陷检测结果。通过设计深层强化特征提取网络、跨层交互连接网络和语义感知识别网络构建液晶显示屏表面缺陷检测模型，实现多类别缺陷检测的精准识别和定位。
-
-
-
-
-
-
-
-
-
Search Results
107
records
(took 0.062 seconds)
