-
公开(公告)号：CN118941559A
公开(公告)日：2024-11-12
申请号：CN202411418789.2
申请日：2024-10-12
摘要： 本发明提出了一种基于空间通道重构的心脏MRI图像分割方法及系统，涉及心脏MRI图像分割领域，具体方案包括：获取待分割的心脏MRI图像；将心脏MRI图像输入到训练好的分割模型中，得到分割好的心脏MRI图像；其中，所述分割模型是在U‑Net结构上，引入带有多尺度扩展Transformer的空间通道卷积块，结合局部稀疏卷积块和滑动窗口膨胀注意力操作，进行空间通道重构，捕获多尺度上下文信息并扩大感受野；本发明引入带有多尺度扩展Transformer的空间通道卷积块，捕获多尺度上下文信息并扩大感受野，提高心脏MRI图像分割的高效性和鲁棒性。
-
公开(公告)号：CN118861540A
公开(公告)日：2024-10-29
申请号：CN202410848806.X
申请日：2024-06-27
IPC分类号： G06F18/15 , G06N3/0464 , G06F18/211 , G06F18/213 , G06N3/084 , G06N3/0985
摘要： 本发明属于数据处理技术领域，更具体地，涉及一种基于卷积神经网络的机械设备监测的缺失数据恢复方法、装置及计算机可读存储介质。包括获取机械监测数据以及缺失数据范围，并进行分段处理；对分段完成的每段待恢复数据进行数据预处理后采用谐波小波变换得到基矩阵；使用数据恢复模型对每段数据的基矩阵进行数据恢复得到恢复后的每段数据；对得到恢复后的每段数据进行分段处理的逆过程，将所有的恢复后的每段数据拼装到一起得到完整的恢复数据。本发明解决了现有技术中计算量大且对于连续型大范围缺失的补全效果不佳，且无法解决张量的一个或几个超平面缺失的问题。
-
公开(公告)号：CN118628403A
公开(公告)日：2024-09-10
申请号：CN202410829268.X
申请日：2024-06-25
IPC分类号： G06T5/73 , G06T5/60 , G06N3/0464 , G06N3/0455 , G06N3/08
摘要： 本发明属于信息技术的图像编码技术领域，更具体地，涉及一种木板图像去模糊的方法、装置及计算机可读存储介质。该方法包括获取模糊图像数据集，将数据集划分为训练集、验证集和测试集；使用Transformer架构作为骨干网络结合前馈神经网络，构建木板图像去模糊模型；基于训练集，对所述木板图像去模糊模型进行训练，并基于验证集，对训练好的木板图像去模糊模型进行验证；基于测试集，采用训练好的木板图像去模糊模型进行去模糊处理，得到红外图像去模糊结果。本发明解决现有技术中在图像恢复过程中，图像的边缘信息容易丢失，由于这些原因，模糊图像不能恢复出很好的结果的问题。
-
公开(公告)号：CN118625354A
公开(公告)日：2024-09-10
申请号：CN202410672785.0
申请日：2024-05-28
申请人： 山东省计算中心(国家超级计算济南中心) , 青岛理工大学 , 山东山科智控数字化科技有限公司
摘要： 本发明涉及一种基于前端解算的低成本GNSS位移监测方法、装置、设备及存储介质。该方法包括：获取基准站和监测站的原始观测数据及卫星星历数据；监测站对原始观测数据及卫星星历数据进行静态基线解算，得到测点不同历元的位移数据，并对位移数据进行处理后发送至服务器；服务器根据接收到的处理后的位移数据，对监测站所在地点进行实时监测。本发明将数据采集、数据处理和解算过程集成在前端，显著减少了监测系统对服务器的依赖。通过在数据产生的地点进行实时处理，降低了通信成本和使用高性能服务器解算的成本，减少了因网络延迟或中断造成的数据丢失，显著提高了监测系统的实时性和稳定性，为后续的数据分析提供了高质量的数据基础。
-
公开(公告)号：CN118429837A
公开(公告)日：2024-08-02
申请号：CN202410523193.2
申请日：2024-04-28
IPC分类号： G06V20/17 , G06V10/40 , G06V10/766 , G06V10/774 , G06V10/764
摘要： 本发明属于图像识别与处理技术领域，更具体地，涉及一种基于近地遥感与改进YOLOv8s的玉米植株检测方法、装置及计算机可读存储介质，包括通过近地遥感技术获取待处理图像；对待处理图像进行重建，得到重建图像；对重建图像进行自适应切割，适应模型能够处理的最佳尺寸；当重建图像不能被整个切割时，将不足部分使用空白图层填充，最终得到自适应图像；对自适应图像进行标注、数据划分和格式导出，得到数据集；建立玉米植株检测模型，并进行训练；将数据集输入玉米植株检测模型进行检测。本发明解决现有技术中传统模型使用的CIoU计算较为复杂，收敛速度慢，对于小目标检测以及密集目标检测并不能有效地检测。
-
公开(公告)号：CN117975442A
公开(公告)日：2024-05-03
申请号：CN202410167173.6
申请日：2024-02-06
IPC分类号： G06V20/68 , G06V10/25 , G06V10/52 , G06V10/764 , G06V10/774 , G06V10/80 , G06V10/82 , G06N3/045 , G06N3/0495 , G06N3/082
摘要： 本发明属于果蔬检测特定计算机模型的技术领域，更具体地，涉及一种基于改进YOLOv5s的轻量化番茄成熟度检测系统及方法。所述系统包括骨干网络、颈部结构和头部结构；所述骨干网络中包括Ghostconv模块、C3Ghost模块和SPPF模块，将原C3模块内部的Bott leneck模块替换为GhostBott leneck模块；所述颈部结构的PANet使用加权双向特征金字塔网络BiFPN进行代替；所述头部结构使用EIoU损失函数替换CIoU损失函数。本发明解决了现有技术中YOLOv5s模型的PANet结构在特征融合过程中未考虑到不同特征信息在融合过程中的不同贡献，且没有横向连接充分融合特征信息，导致多尺度特征的表达能力减弱，检测精度降低的问题。
-
公开(公告)号：CN116978128A
公开(公告)日：2023-10-31
申请号：CN202311013300.9
申请日：2023-08-11
IPC分类号： G06V40/20 , G06V10/764 , G06V10/774 , G06V10/82 , G06N3/0464 , G06N3/048 , G06N3/06
摘要： 本发明公开一种学生课堂动作检测方法、系统、设备及存储介质，包括：对训练图像提取人体关键点；其中，对训练图像采用部分卷积处理后，对得到的特征图通过注意力操作确定特征图权重，由此得到加权特征图，将加权特征图与原训练图像进行残差连接后得到人体关键点特征图；对人体关键点特征图的不同通道进行不同尺度的卷积操作，确定不同尺度下的注意力权值，得到人体关键点注意力特征图；根据人体关键点注意力特征图训练分类网络，对待测图像经提取人体关键点后，采用分类网络得到课堂动作所属类别。针对学生课堂场景下的动作识别进行自动化检测，提高学生课堂动作识别的准确性和鲁棒性，提高学生课堂考核的准确性和效率。
-
公开(公告)号：CN116933939A
公开(公告)日：2023-10-24
申请号：CN202310931587.7
申请日：2023-07-27
IPC分类号： G06Q10/04 , G06Q10/067 , G06Q10/0631 , G06Q50/04 , G06N3/006
摘要： 本发明公开了一种基于改进浣熊优化算法的柔性车间协同生产方法及系统，该方法包括：获取待加工产品的订单信息，以最小化车间机器的最大完工时间为目标函数，确定约束条件，描述并构建柔性车间协同生产问题模型，该问题包括工序排序问题和机器分配问题；获取调度计划的基本信息，对工序排序问题和机器分配问题进行编码，并采用改进的浣熊优化算法对问题进行解码求解，得到最优生产调度方案。本发明采用sin‑tent混沌映射初始化、引入差分进化算子和变邻域搜索操作等对浣熊优化算法进行改进，将改进浣熊优化算法应用在离散柔性车间协同生产问题的求解中，获取更优的生产调度方案，提高各车间设备资源利用率，缩短产品加工的总时间。
-
公开(公告)号：CN116842379A
公开(公告)日：2023-10-03
申请号：CN202310671850.3
申请日：2023-06-06
IPC分类号： G06F18/214 , G06F18/213 , G06N3/0442 , G06N3/08
摘要： 一种基于DRSN‑CS和BiGRU+MLP模型的机械轴承剩余使用寿命预测方法,采用信号降噪和特征提取一体化方法，即深度残差收缩网络DRSN‑CS，进行自适应信号降噪和自动提取退化特征；使用双向门控循环单元BiGRU作为寿命预测网络，相比传统的循环神经网络，更好地解决梯度消失和梯度爆炸问题，模型结构更加简单，计算速度更快，能够在更短时间内学习到更长的时间序列信息，同时BiGRU模型中的门控机制可以有效地控制信息地流动，提高网络的泛化能力。本发明所述预测方法：首先对原始轴承振动信号进行归一化处理；然后利用DRSN‑CS模型学习并提取深层退化特征构建健康指标；最后将得到的健康指标输入到预测模型BiGRU+MLP中完成剩余使用寿命预测。
-
公开(公告)号：CN115655573A
公开(公告)日：2023-01-31
申请号：CN202211520031.0
申请日：2022-11-30
申请人： 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 , 齐鲁工业大学
摘要： 本发明属于智能制造的技术领域，更具体地，涉及一种基于惯性传感器的智能扭矩扳手角度精确测量方法。所述方法包括S1：获取惯性传感器所测量的角度；S2：计算控制板与扳手平面的安装误差角，并利坐标系关系进行转化求得工件实际旋转的角度值；S3：通过记录多次的拧紧角度值进行角度累加算法，并计算得到总转动角度。本发明解决了现有技术中惯性传感器的测量精确较低，无法全面地掌握作业情况导致工件牢固性较低，带来了极大的安全隐患等问题的问题。
-
-
-
-
-
-
-
-
-
搜索结果
42 条记录 (耗时 0.068 秒)
