-
公开(公告)号：CN117475299A
公开(公告)日：2024-01-30
申请号：CN202311283629.7
申请日：2023-09-28
Applicant: 山东省计算中心(国家超级计算济南中心) , 齐鲁工业大学(山东省科学院) , 山东山科智控数字化科技有限公司 , 山东省农业科学院
IPC: G06V20/10 , G06V10/25 , G06V10/774 , G06V10/80 , G06V10/82 , G06V10/764 , G06V10/766 , G06N3/0464 , G06N3/045 , G06N3/084
Abstract: 本发明属于输电通道检测特定计算机模型的技术领域，更具体地，涉及一种基于YOLOv8的玉米叶片虫害区域检测方法。所述方法包括构建数据集；对数据集的玉米虫害区域图片进行预处理：使用轻量级注释工具“labelme”进行多边形标注，将虫害区域分为3个类别；将预处理后的玉米虫害区域图片输入Poly‑YOLOv8虫害区域检测模型的骨干网络进行特征提取后经颈部网络进行特征融合，最后输入改进的解耦检测头生成检测结果；将经训练和测试后的Poly‑YOLOv8虫害区域检测模型对玉米虫害区域进行实时监测。本发明解决了现有技术中忽略了叶片上虫害区域的检测，基于实例分割的虫害区域检测无法有效定位叶片边界，进而导致精确度不足的问题。
-
公开(公告)号：CN114046179B
公开(公告)日：2023-09-22
申请号：CN202111084591.1
申请日：2021-09-15
Applicant: 山东省计算中心(国家超级计算济南中心) , 齐鲁工业大学
Abstract: 一种基于CO监测数据智能识别和预测井下安全事故的方法。本发明是基于神经网络模型对煤矿中一氧化碳检测数据进行有效识别，将所述一氧化碳检测数据输入至训练好的神经网络模型中即可实时获得检测数据背后的事故原因，由此，现有技术人员无需再通过人工统计或者数据录入才能实现对一氧化碳数据超标背后的事故原因做客观统计，大大提高了智能识别的效率，即便存在误差，工作人员也只需部分修改数据即可。
-
公开(公告)号：CN116738313A
公开(公告)日：2023-09-12
申请号：CN202310692957.6
申请日：2023-06-12
Applicant: 山东省计算中心(国家超级计算济南中心) , 齐鲁工业大学(山东省科学院) , 山东山科智控数字化科技有限公司
IPC: G06F18/241 , G01C21/34 , G01C21/20 , G06F18/2321
Abstract: 一种路网图和农机轨迹聚类算法相结合的农机运动模式识别方法，属于地图匹配的技术领域，该方法的步骤包括：获取农机定位轨迹原始数据；对原始农机定位轨迹数据进行数据清洗；利用农机定位轨迹数据获取对应目标区域内的路网图；利用HFTMM算法纠正农机定位轨迹与路网图道路之间的映射偏差；根据农机定位轨迹与路网道路之间的高精度映射关系确定农机道路行驶运动模式；利用DBSCAN密度聚类算法确定农机田间作业和田间转场运动模式。本发明将路网图的道路场景和密度聚类算法相融合，来提高农机定位轨迹分割的准确率和效率，获得更加准确的农机运动模式识别结果。
-
公开(公告)号：CN111898705B
公开(公告)日：2023-04-25
申请号：CN202010833932.X
申请日：2020-08-18
Applicant: 山东省计算中心(国家超级计算济南中心)
IPC: G06F18/231 , G06F17/16 , G06F17/18 , G06F18/2413
Abstract: 本发明公开了一种基于模糊偏好关系与自适应层次聚类的故障特征参数选择方法。本发明基于logsig函数提出基于模糊关系的自适应层次聚类，并应用于设备的故障诊断；基于模糊关系计算选择敏感特征，无需先验知识，提高了方法的智能性；优选特征的使用，简化了特征集合，避免了维数灾难，减少了计算负担，提高了故障诊断效率；结合特征优选的自适应层次聚类具有较高的诊断精度。
-
公开(公告)号：CN115203548A
公开(公告)日：2022-10-18
申请号：CN202210818102.9
申请日：2022-07-12
Applicant: 山东省计算中心(国家超级计算济南中心) , 齐鲁工业大学
IPC: G06F16/9535 , G06F40/30 , G06K9/62 , G06N3/04
Abstract: 一种融合评论和评分的基于LDA和深度学习的推荐方法，包括：利用LDA主题模型挖掘所述评论文本，分别得到物品主题特征矩阵TI和用户主题特征矩阵TU；利用LFM隐语义模型对所述评分进行矩阵分解，分别得到物品潜在特征矩阵HI和用户潜在特征矩阵HU；最后通过双通道deepFM深度学习推荐模型对物品特征和用户特征进行融合，以输出推荐评分。本发明一是分别发挥LDA主题模型和LFM隐语义模型的优势对评论文本数据和评分数据建模，得到更加精准的特征矩阵；二是把经典的deepFM深度学习推荐模型改进成一种双通道deepFM深度学习推荐模型，使得物品和用户的潜在特征能够更充分的融合特征，提取更加全面的特征能够使得推荐更加精准，效率更加高。
-
Patent Agency Ranking
公开(公告)号：CN115131342A
公开(公告)日：2022-09-30
申请号：CN202210924642.5
申请日：2022-08-02
Applicant: 山东省计算中心(国家超级计算济南中心) , 山东山科智控数字化科技有限公司
IPC: G06T7/00 , G06V10/72 , G06V10/26 , G06V10/82 , G06V10/40 , G06V10/764 , G06T7/62 , G06N3/04 , G06N3/08
Abstract: 一种桉木单板缺陷图像检测系统及检测方法，实现对桉木单板缺陷识别，其中所述缺陷类别的辨识采用Bbox‑cover方法进行平衡，并且使用设计的聚合模块AGM将YOLOv5进行通道信息与像素信息进行有效融合，从而提高桉木缺陷的检测的精度，最后通过设计一种缺陷面积的计算方式，以满足用户筛选并统计不同缺陷大小的需求。
-
公开(公告)号：CN113409240B
公开(公告)日：2022-09-09
申请号：CN202010902540.4
申请日：2020-09-01
Applicant: 山东省计算中心(国家超级计算济南中心)
Abstract: 一种基于北斗定位数据的农机行为分析与作业面积统计方法，包括农机作业区域的自动识别、计算面积、分析重叠面积和遗漏面积；所述农机作业区域的自动识别的方法为基于空间聚类的农机作业区域自动识别算法；所述计算面积的方法包括基于栅格的面积计算方法和基于轮廓的面积计算方法。本发明为了提高农机作业区域面积统计的精度以及效率，减少人力、物力以及时间的投入，适应现代农业发展的需求，提供了一种通过北斗定位数据自动分析农机行为以及统计作业区域面积的方法，可自动识别农机作业的每个子区域，可适用于重叠作业、遗漏作业同时存在情况下的面积统计。
-
公开(公告)号：CN114978572A
公开(公告)日：2022-08-30
申请号：CN202210323226.X
申请日：2022-03-29
Applicant: 山东山科智控数字化科技有限公司 , 山东省计算中心(国家超级计算济南中心)
IPC: H04L9/40 , H04L41/0803 , G06K7/10 , G06F21/44 , G06F16/2455 , G06F9/451
Abstract: 一种物联网设备的身份识别方法，所述服务器包括，用于随机生成软ID码，还用于储存与软ID码对应的物联网设备信息；将加载有软ID码的标识与所述物联网设备随机一一对应；对应后，所述终端和物联网设备在同一个网络中；利用所述终端识别所述标识中的软ID码，还用于填写所述物联网设备信息，并利用网络将所述软ID码和物联网设备信息传输至物联网设备，最终再通过物联网设备上传至服务器储存。本发明采用软ID码标识的思路，相较于硬ID，解决了硬ID贴二维码标签时需要找对硬件设备的难题，节省了繁琐且易出错的核对步骤，同时又无需采集硬件ID，大大提高了物联网设备身份识别的工作效率。
-
公开(公告)号：CN114046179A
公开(公告)日：2022-02-15
申请号：CN202111084591.1
申请日：2021-09-15
Applicant: 山东省计算中心(国家超级计算济南中心) , 齐鲁工业大学
Abstract: 一种基于CO监测数据智能识别和预测井下安全事故的方法。本发明是基于神经网络模型对煤矿中一氧化碳检测数据进行有效识别，将所述一氧化碳检测数据输入至训练好的神经网络模型中即可实时获得检测数据背后的事故原因，由此，现有技术人员无需再通过人工统计或者数据录入才能实现对一氧化碳数据超标背后的事故原因做客观统计，大大提高了智能识别的效率，即便存在误差，工作人员也只需部分修改数据即可。
-
公开(公告)号：CN112665581A
公开(公告)日：2021-04-16
申请号：CN202011404129.0
申请日：2020-12-04
Applicant: 山东省计算中心(国家超级计算济南中心) , 山东大学
Abstract: 本发明公开了一种基于BP神经网络辅助卡尔曼滤波的组合导航方法，包括：将导航参数差值进行卡尔曼滤波处理后，得到误差估计值；应用所述误差估计值对惯性导航系统INS的误差状态向量进行补偿后，由INS输出导航参数；其中，在北斗定位系统BDS的信号正常时，所述导航参数差值由BDS和INS分别得到的导航参数做差值计算得到；在BDS的信号中断时，所述导航参数差值由反向传播BP神经网络预测得到。其采用BDS/INS组合导航方式，并引入BP神经网络辅助INS，不仅利用BDS和INS之间的优势互补，完成精确定位，还在BDS失锁时利用BP神经网络校正INS，进一步提高了导航的精度、输出效率，以及可靠性。
-
-
-
-
-
-
-
-
-
Search Results
159
records
(took 0.045 seconds)
