-
公开(公告)号：CN115346108A
公开(公告)日：2022-11-15
申请号：CN202210878343.2
申请日：2022-07-25
Applicant: 北京科技大学
Abstract: 本发明公开了一种基于图像处理与DBN深度信念网络的废钢识别方法，包括：采用摄像设备对当前停靠的载有废钢的车辆进行图像采集，得到车辆图像，并对采集到的车辆图像进行图像分割，得到车辆的车厢位置；对车厢位置进行评估，判断车厢是否位于指定区域内；当车厢位于指定区域内时，对车厢内的废钢进行图像采集，得到废钢图像；对采集到的废钢图像进行预处理，得到预处理后的废钢图像；对预处理后的废钢图像进行特征提取，得到对应的废钢特征数据；对提取的废钢特征数据进行DBN深度信念网络学习，得到废钢对应的等级。本发明达到了准确识别判断废钢等级的目的，实现了企业高效的运转，解决了传统人工识别中所存在的废钢等级检测不准确的问题。
-
公开(公告)号：CN115269911A
公开(公告)日：2022-11-01
申请号：CN202210642481.0
申请日：2022-06-08
Applicant: 北京科技大学
Abstract: 本发明属于深度学习领域，具体涉及一种钢板切头尾时扩充钢板剪切掉落音频数据集的数据生成方法，用于头尾掉落状态的辨识。首先，通过Wavenet语音生成网络对获取到的少样本音频数据集进行膨胀卷积训练，并利用时间序列模型不断迭代生成预测音频数据集；同时，针对生成的未配对类型数据，利用CycleGan网络学习其数据分布并计算生成数据与预测数据之间的损失函数与相似度，生成与真实音频数据高度相似的音频波形数据集。本发明可有效解决钢板剪切掉落音频少样本的问题。
-
公开(公告)号：CN115121859B
公开(公告)日：2025-02-11
申请号：CN202210641229.8
申请日：2022-06-08
Applicant: 北京科技大学
Abstract: 本发明公开了一种基于声音的切头剪废料掉落状态实时监控方法，本发明包括实时获取现场剪切过程的声音信号；对获取到的声音信号按照设定窗口时间长度标记截取；提取当前截取到的声音信号的特征；将提取的特征与训练好的废料掉落声音特征模板比对；若特征相关性高于设定阈值，则判断当前时间段检测到了掉落；按照设定窗口滑动长度不断标记截取下一段声音信号，并行处理，重复上述特征提取、相关性比对步骤，检测新的时间段内是否有掉落。本发明还包括结合现场情况的掉落预判、掉落状态判定步骤。本发明能够在切头剪不停运条件下快速有效检测切头剪剪切后钢板废料是否正常掉落，具有不接触运作设备、测试方便高效的优点。
-
Patent Agency Ranking
公开(公告)号：CN116274421A
公开(公告)日：2023-06-23
申请号：CN202310203427.0
申请日：2023-03-02
Applicant: 北京科技大学
IPC: B21B38/00
Abstract: 本发明涉及一种基于声音传感器的轧制过程关键工序动作远程监测系统及监测方法，属于声音信号的远程监测技术领域。该系统包括音频信号采集模块、数据通信传输模块、音频信号滤波处理模块、音频信号存储模块、音频信号展示模块、音频信号分析模块以及综合系统管理模块。该系统通过采集轧制过程中现场重要部位的音频信号，解决远程集控后操作人员听不到现场声音的问题，实现对现场情况的监听与分析，便于操作人员对生产过程中可能出现的问题进行及时发现，提升操作集控的智能化。
-
公开(公告)号：CN115121859A
公开(公告)日：2022-09-30
申请号：CN202210641229.8
申请日：2022-06-08
Applicant: 北京科技大学
Abstract: 本发明公开了一种基于声音的切头剪废料掉落状态实时监控方法，本发明包括实时获取现场剪切过程的声音信号；对获取到的声音信号按照设定窗口时间长度标记截取；提取当前截取到的声音信号的特征；将提取的特征与训练好的废料掉落声音特征模板比对；若特征相关性高于设定阈值，则判断当前时间段检测到了掉落；按照设定窗口滑动长度不断标记截取下一段声音信号，并行处理，重复上述特征提取、相关性比对步骤，检测新的时间段内是否有掉落。本发明还包括结合现场情况的掉落预判、掉落状态判定步骤。本发明能够在切头剪不停运条件下快速有效检测切头剪剪切后钢板废料是否正常掉落，具有不接触运作设备、测试方便高效的优点。
-
公开(公告)号：CN115346108B
公开(公告)日：2025-05-06
申请号：CN202210878343.2
申请日：2022-07-25
Applicant: 北京科技大学
Abstract: 本发明公开了一种基于图像处理与DBN深度信念网络的废钢识别方法，包括：采用摄像设备对当前停靠的载有废钢的车辆进行图像采集，得到车辆图像，并对采集到的车辆图像进行图像分割，得到车辆的车厢位置；对车厢位置进行评估，判断车厢是否位于指定区域内；当车厢位于指定区域内时，对车厢内的废钢进行图像采集，得到废钢图像；对采集到的废钢图像进行预处理，得到预处理后的废钢图像；对预处理后的废钢图像进行特征提取，得到对应的废钢特征数据；对提取的废钢特征数据进行DBN深度信念网络学习，得到废钢对应的等级。本发明达到了准确识别判断废钢等级的目的，实现了企业高效的运转，解决了传统人工识别中所存在的废钢等级检测不准确的问题。
-
公开(公告)号：CN116486834A
公开(公告)日：2023-07-25
申请号：CN202310468480.3
申请日：2023-04-26
Applicant: 北京科技大学
IPC: G10L25/51 , G10L25/03 , G10L25/18 , G10L25/24 , G10L25/45 , G10L25/30 , G06F18/15 , G06F18/214 , G06F18/2415 , G06F18/25 , G06N3/045 , G06N3/0464 , G06N3/047 , G06N3/048
Abstract: 本发明属于深度学习技术应用领域，具体涉及基于特征融合和改进卷积神经网络的轧制声音分类方法。本发明提供的方法通过对采集的轧制现场声音数据进行预处理，提取具有代表性的音频数据特征，进行特征通道融合，并采用深度学习数据增强方法对特征图进行扩充，以此构建多通道特征数据集；然后构建改进的卷积神经网络模型，并将多通道特征数据集输入网络进行迭代训练，得到网络模型权重；最后，在模型中输入新数据，输出模型分类准确率和类别判定结果。本发明提供的分类方法解决了现有方法对轧制环境声音分类准确率低的问题。
-
公开(公告)号：CN115410399A
公开(公告)日：2022-11-29
申请号：CN202210952549.5
申请日：2022-08-09
Applicant: 北京科技大学
IPC: G08G1/0968 , G08G1/14 , G06V10/44
Abstract: 本发明涉及图像处理技术领域，特别是指一种货车停车方法、装置及电子设备，该方法包括：在货车处于停车区域对应的起始位置的情况下，获取第一摄像头采集的包括货车的第一图像；根据第一图像确定货车的车辆位置信息和停车路线；将车辆位置信息和停车路线发送至货车对应的用户终端，以使用户终端显示车辆位置信息和停车路线；在货车位于停车区域的情况下，获取第二摄像头采集的第二图像；其中，第二图像包括货车和停车区域；根据第二图像确定货车是否停车到位，并在确定货车停车到位的情况下，执行废钢分类卸载操作，避免出现由于工作人员无法引导导致货车的驾驶员停车效率较低，从而造成完成废钢的分类卸载处理所需的时间较长的问题。
-
-
-
-
-
-
-
Search Results
8
records
(took 0.027 seconds)
