-
公开(公告)号：CN118429306A
公开(公告)日：2024-08-02
申请号：CN202410557377.0
申请日：2024-05-07
Applicant: 北京工业大学
Abstract: 本发明公开了一种基于感知信息保真度的图像质量评价方法，属于图像质量评价技术领域；包括以下步骤：设计失真通道和无失真通道。参考图像C和失真通道处理后的图像D分别进入视觉细胞低通滤波器，该滤波器可根据图像特征提取低频信息，增强对失真影响的敏感性。经过低通滤波器处理后的图像X和Y通过视神经噪声模型，模拟视觉信号传递过程中的噪声干扰和失真，增加图像质量评价的真实性。通过视神经噪声模型处理图像后，基于人眼和大脑信息提取的图像质量评价，以计算得出图像的质量评分，反映图像的失真程度和保真度。本发明提升了视觉细胞低通滤波器对图像内容的感知和识别能力，提高了对视觉信息传递和处理过程的模拟精度和准确性。
-
公开(公告)号：CN113344043B
公开(公告)日：2024-05-28
申请号：CN202110556918.4
申请日：2021-05-21
Applicant: 北京工业大学
IPC: G06V20/52 , G06V10/82 , G06V10/80 , G06N3/0464 , G06N3/08 , G06V10/771
Abstract: 本发明公开了一种基于自组织多通道深度学习网络的河流浊度监测方法，用于监测河流水质浊度。该网络由两个主要部分构成：首先，基于新设计的分形模块构建用于河流浊度监测的自组织多通道深度学习网络架构，每个分形模块由一个固定块和一个嵌套块组成，高阶分形模块中的嵌套块本质上是低阶分形模块。最后，本发明进一步引入一种基于集成诱导的多通道融合方法来改进所提出的基于自组织多通道深度学习网络的河流浊度监测方法，以增强网络性能和泛化能力。基于自组织多通道深度学习网络的河流浊度监测方法属于水环境保护领域和机器学习领域。
-
公开(公告)号：CN115729099A
公开(公告)日：2023-03-03
申请号：CN202211119832.6
申请日：2022-09-15
Applicant: 北京工业大学
IPC: G05B13/04
Abstract: 本发明公开了一种基于回声状态网络的放空火炬燃烧状态精确控制方法，该方法基于回声状态网络的模型预测控制技术、设定值跟踪控制技术，利用Fluent软件对放空火炬的湍动燃烧过程进行模拟，计算其燃尽率和破坏去除率来精确判断燃烧状态，然后根据公式计算出精确的助燃蒸汽流量，从而对助燃蒸汽流量进行精确调控以实现高效燃烧。本发明通过建立放空火炬机理模型，筛选出高质量的数据建立回声状态网络模型，并预测最佳助燃蒸汽流量，随后设计回声状态网络辨识器和预测控制器，对助燃蒸汽流量进行设定值在线跟踪控制。基于设定值跟踪控制研究，可及时地校正控制过程中出现的各种复杂情况，在火炬高效燃烧和节约资源方面都提升了很多。
-
公开(公告)号：CN109376695B
公开(公告)日：2021-09-17
申请号：CN201811421607.1
申请日：2018-11-26
Applicant: 北京工业大学
Abstract: 本发明涉及一种基于深度混合神经网络的烟雾检测方法，将深度归一化神经网络和一种全新的基于跳连的卷积神经网络通过特征融合的方法组合成深度混合神经网络。通过深度混合神经网络所实现的烟雾检测方法，可对工厂烟囱、火炬所冒出的烟雾进行识别，判断烟雾为白烟、非白烟。由于不同种类的烟雾含有的有毒有害废气的比例不同，需对其及时判断以便进行控制。将基于深度混合神经网络的烟雾检测方法应用于废气处理系统，较之现有的方法，在减少了大量神经网络中的参数，提高了运算速度的同时提升了识别准确率。可对废气的产生和排放过程进行精确的实时控制，不仅可以显著减少有毒有害气体的排放，同时还降低了能耗。
-
公开(公告)号：CN107316323B
公开(公告)日：2020-09-25
申请号：CN201710505135.7
申请日：2017-06-28
Applicant: 北京工业大学
Abstract: 本发明公开了基于多尺度分析法建立的无参考图像质量评估方法，能有效评估基于深度图像绘制技术合成图像的质量。本发明考虑到基于深度图像绘制技术合成图像的参考图像通常不可获得，利用深度图像绘制技术造成几何失真破坏自然图像自相似特性，并且破坏程度随图像尺寸缩小而趋于减小的先验知识建立了无参考图像多尺度分析质量评估模型。根据利用主流数据库来对模型进行性能测试的结果，本发明的性能和现有的评估方法相比有较大优势。值得注意的是，由于目前很少有关于深度图像绘制技术合成图像的无参考评估方法的研究，本发明填补了这方面的空白，为将来无参考图像质量评价算法的提高开辟了一个方向。
-
Patent Agency Ranking
公开(公告)号：CN110826559A
公开(公告)日：2020-02-21
申请号：CN201911057739.5
申请日：2019-11-01
Applicant: 北京工业大学
Abstract: 基于视觉感知的火炬烟尘监测方法属于图像处理与环境感知的交叉领域。本发明提出的VMFM，首先利用宽调谐彩色通道识别图像中是否存在火焰，然后结合快速显著性检测和K-means方法确定火焰的位置，最后以火焰区域为中心搜索潜在的火炬烟尘区域并最终检测火炬烟尘是否存在。从石化厂采集的多个视频序列上的实验结果表明，本发明在监控性能和计算效率上都优于现有的相关方法。本发明设计的基于视觉的火炬烟尘监测方法能够及时发现火炬烟尘，保证火炬气充分燃烧。
-
公开(公告)号：CN109376695A
公开(公告)日：2019-02-22
申请号：CN201811421607.1
申请日：2018-11-26
Applicant: 北京工业大学
Abstract: 本发明涉及一种基于深度混合神经网络的烟雾检测方法，将深度归一化神经网络和一种全新的基于跳连的卷积神经网络通过特征融合的方法组合成深度混合神经网络。通过深度混合神经网络所实现的烟雾检测方法，可对工厂烟囱、火炬所冒出的烟雾进行识别，判断烟雾为白烟、非白烟。由于不同种类的烟雾含有的有毒有害废气的比例不同，需对其及时判断以便进行控制。将基于深度混合神经网络的烟雾检测方法应用于废气处理系统，较之现有的方法，在减少了大量神经网络中的参数，提高了运算速度的同时提升了识别准确率。可对废气的产生和排放过程进行精确的实时控制，不仅可以显著减少有毒有害气体的排放，同时还降低了能耗。
-
公开(公告)号：CN117315555A
公开(公告)日：2023-12-29
申请号：CN202311276271.5
申请日：2023-09-30
Applicant: 北京工业大学
IPC: G06V20/50 , G06V10/764 , G06V10/77 , G06V10/44 , G06N3/0464
Abstract: 本发明公开了一种基于并串联结构的轻量烟气识别方法，包括以下步骤：在轻量烟气识别网络的并串联结构中，采用1×3和3×1、1×5和5×1、1×7和7×1的“并联”卷积结构节约大量参数，加快运算并减轻过拟合；增加一层非线性扩展模型的表达能力，处理更多、更丰富的空间特征，增加图像烟气特征提取的多样性。轻量烟气识别网络通过1×1卷积改变烟气特征图通道数，降低特征提取时卷积操作运算量，减少了网络中参数个数，降低了模型存储需求，避免了过拟合，实现了烟气识别网络的轻量化设计。本发明能有效用于检测石化企业火炬气燃烧过程中是否排放火炬烟气以及是否泄漏危险气体。
-
公开(公告)号：CN115953634A
公开(公告)日：2023-04-11
申请号：CN202310106807.2
申请日：2023-02-13
Applicant: 北京工业大学
IPC: G06V10/764 , G06V10/774 , G06V10/82 , G06N3/08 , G06N3/0464
Abstract: 本发明公开了一种面向污染监测的多通路深度神经网络高效训练方法，其中多通路深度神经网络高效训练方法先通过分步筛选集成所有单通道神经网络及其融合部分的最优参数，再对融合后的多通路深度神经网络进行微调得到污染监测模型的最优参数，将污染物图像样本输入网络进行训练，能有效提高污染监测模型精度。本发明针对不同子网络及其组合进行网络训练，集成了所有子网络及其融合部分的最优参数，解决了随机初始化参数容易使网络陷入局部最小值的问题，从而提高了神经网络模型监测精度；提高污染监测模型的监测精度。
-
公开(公告)号：CN109377440B
公开(公告)日：2022-04-12
申请号：CN201811489083.X
申请日：2018-12-06
Applicant: 北京工业大学
Abstract: 本发明涉及一种基于多任务集成学习器的PM2.5和O3浓度协同预测方法。以空气中6种污染物浓度和6种气象指标共计12种特征作为输入向量，得到PM2.5浓度和O3浓度的预测值。该模型在一个四阶段框架中实现，首先，建立多任务支持向量机回归学习器；然后，使用随机子空间方法生成多个随机特征集；然后，将生成的多个随机特征集所包含的数据作为训练集，建立多个学习器；最后，采用采用修剪技术，根据动态阈值对三个类别中的负向基学习器进行删除，对保留的正向基学习器采用取平均值的方法进行集成，以预测未来PM2.5和O3的浓度。本发明实现了小样本精确预测，较现有方法在预测误差和泛用性上均有明显提升。
-
-
-
-
-
-
-
-
-
Search Results
45
records
(took 0.023 seconds)
