公开(公告)号：CN119206359A

公开(公告)日：2024-12-27

申请号：CN202411408051.8

申请日：2024-10-10

Applicant: 华北水利水电大学

Inventor： 吴文红 ,  张歌 ,  任亚运 ,  汤正举 ,  林自冉 ,  徐娟 ,  戴蓉 ,  周钰明 ,  程洋洋 ,  尹晨阳 ,  姜维

IPC: G06V10/764 ,  G06V10/44 ,  G06V10/54 ,  G06V10/56 ,  G06V10/26 ,  G06V10/82 ,  G06V20/05 ,  G06N3/0464 ,  G06N3/08

Abstract: 本发明属于机器视觉技术领域，尤其涉及一种自来水藻类及水生生物群落分类识别方法。其可以迅速准确地实现自来水中藻类及水生生物群落的分类识别。包括步骤：S1、采集已知种类的藻类及水生生物群落图像并进行图像增强，增强后的图像作为深度学习网络的输入数据源1；S2、提取增强后的图像的边缘和纹理信息，构成空间域数据，作为输入数据源2；S3、提取并筛选增强后的图像的颜色信息，构成颜色域数据，作为输入数据源3；S4、整合数据源1、数据源2和数据源3，输入到深度学习网络中；S5、将待测图像经过图像增强、空间域信息提取、颜色域信息筛选后，导入到S4中已经训练好的网络模型中，完成藻类及水生生物群落的分类识别目标。

公开(公告)号：CN119249277A

公开(公告)日：2025-01-03

申请号：CN202411360482.1

申请日：2024-09-26

Applicant: 华北水利水电大学

Inventor： 吴文红 ,  张家豪 ,  康云凯 ,  盘欣宇 ,  刘鑫哲 ,  聂立俊 ,  周钰明 ,  李俊义 ,  李文龙 ,  梁朔菲

IPC: G06F18/2415 ,  G06F18/2431 ,  G06F18/213 ,  G06F18/214 ,  G06Q10/0635 ,  G06Q50/06 ,  G06N3/045 ,  G06N3/0475 ,  G06N3/094 ,  G06N5/045 ,  F17D5/06

Abstract: 本发明提供了一种基于超采样数据增强和深度学习的管线漏损评估方法，获取管线特征数据，并将管线特征数据划分为数值型特征数据和属性型特征数据；将数值型特征数据处理为模式类标量，将属性型特征数据处理为属性类特征掩码；将数值型特征数据与属性型特征数据映射至统一的维度空间；组合管线特征并生成风险因素高阶交互；使用残差连接促进层间信息交流并实现风险概率映射。本发明以数据驱动模型预测结果为管线健康度评估参考依据，不需要依赖专家判断或其他人工风险等级标签；通过探讨管线风险因素之间的相互关系，利用多头注意力机制构建风险特征之间的高阶组合，克服了传统模型在识别漏损管线方面的准确性不足，显著提高了模型的性能和可靠性。