-
公开(公告)号：CN117498872A
公开(公告)日：2024-02-02
申请号：CN202311448976.0
申请日：2023-11-02
Applicant: 中国海洋大学 , 国网山东省电力公司信息通信公司
Abstract: 本发明公开了一种基于压缩感知的分布式工业生产数据压缩方法，本发明属于数据传输领域，包括：获取分布式工业的生产数据，对所述生产数据进行预处理，得到待压缩生产数据；基于压缩感知分别构建压缩算法、解压缩算法；基于所述压缩算法对所述待压缩生产数据进行压缩，得到压缩数据；基于所述解压缩算法对所述压缩数据进行解析，得到所述待压缩生产数据的初始值。本发明针对机器设备采集到的数据采用了一系列有效的压缩编码技术，在保持数据精度的前提下，通过去除数据中的冗余信息，降低编码长度，从而实现数据存储空间的节省和数据传输速率的提高。压缩编码技术在保持数据质量的同时，能够有效地减少数据的空间，使数据更容易传输和存储。
-
公开(公告)号：CN117236202B
公开(公告)日：2024-01-30
申请号：CN202311529647.9
申请日：2023-11-16
Applicant: 中国海洋大学
IPC: G06F30/27 , G06N3/044 , G06N3/006 , G06N3/08 , G06F119/08
Abstract: 结合智能算法和深度学习技术的胎面挤出温度预测方法，包括收集影响胎面挤出温度的21项参数，通过设计多项式数学模型反映挤出温度与其影响因素之间的映射关系，利用预测温度与真实温度之间的误差作为优化目标，利用智能算法的不断进化迭代对多项式函数进行纠正，同时利用智能算法不断迭代种群中个体变化产生的序列数据去训练循环神经网络，利用训练过的循环神经网络辅助智能算法下一代个体的生成，以加快智能算法的收敛速度。本发明不需要太多先验知识却能准确预轮胎生产线中挤出工艺的挤出温度预测方法，可推广到其他任何生产线中，只需知晓影响待预测数据的影响因素，都能通过本文的多项式数学模型和优化方法去修正多项
-
公开(公告)号：CN117236202A
公开(公告)日：2023-12-15
申请号：CN202311529647.9
申请日：2023-11-16
Applicant: 中国海洋大学
IPC: G06F30/27 , G06N3/044 , G06N3/006 , G06N3/08 , G06F119/08
Abstract: 结合智能算法和深度学习技术的胎面挤出温度预测方法，包括收集影响胎面挤出温度的21项参数，通过设计多项式数学模型反映挤出温度与其影响因素之间的映射关系，利用预测温度与真实温度之间的误差作为优化目标，利用智能算法的不断进化迭代对多项式函数进行纠正，同时利用智能算法不断迭代种群中个体变化产生的序列数据去训练循环神经网络，利用训练过的循环神经网络辅助智能算法下一代个体的生成，以加快智能算法的收敛速度。本发明不需要太多先验知识却能准确预轮胎生产线中挤出工艺的挤出温度预测方法，可推广到其他任何生产线中，只需知晓影响待预测数据的影响因素，都能通过本文的多项式数学模型和优化方法去修正多项式参数，降低预测误差。
-
公开(公告)号：CN116188809B
公开(公告)日：2023-08-04
申请号：CN202310487028.1
申请日：2023-05-04
Applicant: 中国海洋大学
IPC: G06V10/54 , G06V10/82 , G06N3/084 , G06N3/0464 , G06V10/74
Abstract: 基于视觉感知与排序驱动的纹理相似性判别方法，包括纹理图像对进行预处理，使用Siamese网络提取特征，抽取骨干网络输出的4个特征，利用Bilinear Pooling方法计算高阶统计信息，将两个图像的高阶统计信息在第二维上进行拼接，提取横向信息，将特征向量第一维进行拼接，用一个全连接网络模型进行预测，使用随机梯度下降算法和反向传播算法训练模型，使用基于排序的质量评估驱动方法作为损失函数。本发明充分模拟了人类的感知方式，能够学习出与人类具有一致性的相似性判断能力，充分考虑排序信息和尺度信息，促进视觉感知启发的纹理相似性度量模型充分学习人类感知范式，极大地提高了模型与人类判断的一致性。
-
公开(公告)号：CN116188809A
公开(公告)日：2023-05-30
申请号：CN202310487028.1
申请日：2023-05-04
Applicant: 中国海洋大学
IPC: G06V10/54 , G06V10/82 , G06N3/084 , G06N3/0464 , G06V10/74
Abstract: 基于视觉感知与排序驱动的纹理相似性判别方法，包括纹理图像对进行预处理，使用Siamese网络提取特征，抽取骨干网络输出的4个特征，利用Bilinear Pooling方法计算高阶统计信息，将两个图像的高阶统计信息在第二维上进行拼接，提取横向信息，将特征向量第一维进行拼接，用一个全连接网络模型进行预测，使用随机梯度下降算法和反向传播算法训练模型，使用基于排序的质量评估驱动方法作为损失函数。本发明充分模拟了人类的感知方式，能够学习出与人类具有一致性的相似性判断能力，充分考虑排序信息和尺度信息，促进视觉感知启发的纹理相似性度量模型充分学习人类感知范式，极大地提高了模型与人类判断的一致性。
-
Patent Agency Ranking
公开(公告)号：CN119652941A
公开(公告)日：2025-03-18
申请号：CN202411778191.4
申请日：2024-12-05
Applicant: 中国海洋大学
IPC: H04L67/125 , H04L67/10
Abstract: 本发明公开一种工业物联网边缘网关系统及其数据处理方法，包括：数据转换模块，用于通过预定义模板，将特定格式的源JSON数据转换为模板格式的目标JSON数据；数据采集模块，通过可配置的数据采集管线作为北向应用节点，将其与南向设备节点进行绑定，接收设备传来的数据，通过配置管理对数据采集策略进行动态调整；北向AI推理模块，用于与南向设备节点进行绑定，根据设备传来的数据进行边缘侧模型推理，得到异常检测结果；再通过边缘网关系统内部API实现对PLC内部数据点位的写入或者向指定的云端发送信息通知。采用本发明的技术方案，提升数据处理能力并增强系统的智能化水平。
-
公开(公告)号：CN118900334A
公开(公告)日：2024-11-05
申请号：CN202411157913.4
申请日：2024-08-22
Applicant: 中国海洋大学
IPC: H04N19/85 , H04N19/91 , H04N19/147 , G06T9/00
Abstract: 本发明公开一种工业图像压缩方法和装置、系统、存储介质，包括：步骤S1、获取历史工业图像；步骤S2、根据历史工业图像，得到基于多路残差的非对称卷积和增强局部注意力机制的神经网络模型；步骤S3、将待处理的历史工业图像输入到神经网络模型进行工业图像压缩。采用本发明的技术方案，以更好地捕捉不同尺度和方向上的细节和结构。
-
公开(公告)号：CN116630296B
公开(公告)日：2024-01-23
申请号：CN202310684126.4
申请日：2023-06-11
Applicant: 中国海洋大学
IPC: G06T7/00 , G06T7/11 , G06T3/4038 , G06V10/46 , G06V10/764 , G06V10/82 , G06V10/774 , G06V10/776 , G06N3/0455 , G06N3/082 , G06N3/0464 , G06N3/048
Abstract: 陷，生成船体缺陷检测报告供工程师查看，缩短基于轻量化网络的水下船体像素级缺陷检 了检测时间、提高了检测效率、提升了检测效果。测方法及系统，包括通过人工标定水下船体图像缺陷类型构建训练集和测试集；构建轻量化堆栈编码器‑解码器缺陷分割网络，构建多任务学习硬共享机制的缺陷分类网络；训练好的网络可用于水下船体表面缺陷的检测。系统包括带RGB摄像头的水下机器人、上位机、图像处理单元、水下电力载波通信模块。本发明减少对水面设备的依赖，所搭载的单目摄像头实现简单、不受硬件设(56)对比文件Chao Luo 等.Multi-Task Learning UsingAttention-Based Convolutional Encoder-Decoder for Dilated Cardiomyopathy CMRSegmentation and Classification.《Computers，Materials & Continua》.2020,第63卷(第2期),995-1012.
-
公开(公告)号：CN116630296A
公开(公告)日：2023-08-22
申请号：CN202310684126.4
申请日：2023-06-11
Applicant: 中国海洋大学
IPC: G06T7/00 , G06T7/11 , G06T3/40 , G06V10/46 , G06V10/764 , G06V10/82 , G06V10/774 , G06V10/776 , G06N3/0455 , G06N3/082 , G06N3/0464 , G06N3/048
Abstract: 基于轻量化网络的水下船体像素级缺陷检测方法及系统，包括通过人工标定水下船体图像缺陷类型构建训练集和测试集；构建轻量化堆栈编码器‑解码器缺陷分割网络，构建多任务学习硬共享机制的缺陷分类网络；训练好的网络可用于水下船体表面缺陷的检测。系统包括带RGB摄像头的水下机器人、上位机、图像处理单元、水下电力载波通信模块。本发明减少对水面设备的依赖，所搭载的单目摄像头实现简单、不受硬件设备限制、成本低。能够实时对收集到的船体表面图像处理，增强水下拍摄的图像、拼接图像至完整的船体表面、像素级的分割并分类船体表面缺陷，生成船体缺陷检测报告供工程师查看，缩短了检测时间、提高了检测效率、提升了检测效果。
-
公开(公告)号：CN116309232B
公开(公告)日：2023-08-18
申请号：CN202310540188.8
申请日：2023-05-15
Applicant: 中国海洋大学
IPC: G06T5/50
Abstract: 一种结合物理先验与深度学习的水下图像增强方法，包括收集数据集，根据水下图像退化模型与透射率和背景光系数构建局部信息提取分支与全局信息提取分支，利用残差学习模块进行特征融合，完成网络构建，训练该网络时，使用结合正向损失、逆向损失与无参考先验损失的联合损失函数，训练好的网络，输入退化的水下图像，输出增强后的水下图像。本发明构建了基于局部信息的与基于全局信息的双分支物理参数预测网络。通过使用人工选择的增强图像作为参照，并利用多种目标函数对网络的训练进行约束，可以实现对水下图像进行高质量的增强，并且具有良好的泛化性，可以应对现实中复杂多样的水下场景，有效地提升各种水下退化图像的质量。
-
-
-
-
-
-
-
-
-
Search Results
11
records
(took 0.033 seconds)
