-
公开(公告)号:CN119940157A
公开(公告)日:2025-05-06
申请号:CN202510426012.9
申请日:2025-04-07
Applicant: 厦门理工学院 , 众数(厦门)信息科技有限公司
IPC: G06F30/27 , G06F30/15 , G06F18/2415 , G06F18/2431 , G06F18/25 , G06F40/295 , G06N3/045 , G06N3/0464 , G06N3/044 , G06N3/0455 , G06N3/0475 , G06N3/094
Abstract: 本发明公开了一种基于文本与图关系的船舶外观及内装概念图设计方法,包括以下步骤:S1、对船舶外观及内装图像进行实体识别与关系抽取;S2、基于文本图建模神经网络架构,将图像特征表示与标记对应的文本特征表示进行拼接融合,生成融合特征表示;S3、将变分自编码器自学习的潜在空间表示和生成对抗网络图像生成能力融合,通过联合训练优化二者参数,并基于递归性模型的规则的变换或可微分生成船舶外观及内装概念设计图。
-
公开(公告)号:CN119714297A
公开(公告)日:2025-03-28
申请号:CN202510214333.2
申请日:2025-02-26
Applicant: 众数(厦门)信息科技有限公司
IPC: G01C21/20 , G06N3/045 , G06N3/0499 , G06N3/084 , G06F18/15 , G06F18/213 , G06F18/25 , G06N3/048
Abstract: 本发明公开了一种基于大模型技术的船舶导航决策方法,包括以下步骤:S1、获取船端感知信息和岸端辅助信息,并创建包括各类型及量级的船舶特征数据集;S2、基于Transformer模型框架并结合所述船舶特征数据集构建船舶行为研判模型;S3、采用损失函数进行船舶行为研判模型训练优化,分别各个对船舶未来航行行为信息的预测结果进行误差衡量,然后求和得到总的损失函数,并通过优化算法来最小化损失函数,不断更新调整模型参数,逐渐减小损失函数;S4、基于多层感知机制和Transformer架构大模型来处理局部和全局特征构建船舶行为决策模型,综合考虑局部和全局特征,对船舶航行环境全面分析,制定最优的航线规划和航速优化决策。
-
公开(公告)号:CN119646720A
公开(公告)日:2025-03-18
申请号:CN202510168127.2
申请日:2025-02-17
Applicant: 众数(厦门)信息科技有限公司
IPC: G06F18/2433 , G06F18/2415 , G06F18/25 , G06N3/0442 , G06N5/04 , G06Q50/40 , G08B31/00
Abstract: 本发明公开了一种基于大模型的船舶异常行为预测方法,包括以下步骤:S1、利用5G‑A通感协同感知能力,感知水域目标对象和环境信息,实现船舶的定位、测距和测速,实时对船舶进行识别跟踪;S2、基于船舶的定位、测距和测速信息,构建船舶异常行为检测模型;S3、采用船舶异常行为检测模型对船舶的异常行为进行预测;该方法利用5G‑A通感技术实现对船舶行为的感知,结合大模型推理提高船舶异常行为识别的准确率,实现智能预警和决策支持,可增强对船舶异常行为进行监管和预测的协同性和有效性。
-
公开(公告)号:CN120070673A
公开(公告)日:2025-05-30
申请号:CN202510532637.3
申请日:2025-04-25
Applicant: 众数(厦门)信息科技有限公司
IPC: G06T11/60 , G06V10/80 , G06V30/19 , G06V10/82 , G06N3/045 , G06N3/0475 , G06N3/084 , G06N3/094 , G06Q30/0202 , G06Q30/0283 , G06F18/213 , G06F18/2431 , G06N5/01 , G06N5/04
Abstract: 本发明公开了一种基于多模态大模型的船舶与海洋工程辅助设计方法,包括以下步骤:S1、将船舶工程图纸的图像特征和文本特征作为输入,构建船舶工程的图纸和文本融合模型;S2、采用多头注意力机制计算图像特征和文本特征之间的注意力权重,并获得融合特征;S3、基于生成对抗网络对船舶设计图纸或设计方案进行优化;S4、基于神经网络对船舶的性能进行预测;S5、基于决策树对船舶的造价进行成本预测;S6、基于AI推理法规规范评估;该方法能够通过智能化手段提升工作效率,降低人为错误发生概率,有利于船舶建造项目顺利推进。
-
公开(公告)号:CN114581675A
公开(公告)日:2022-06-03
申请号:CN202111596103.5
申请日:2021-12-24
Applicant: 厦门理工学院
Abstract: 本发明提供的一种基于机器视觉与多源数据融合的海上船舶检测方法,获取目标船舶的数据,并通过YOLOv5目标检测算法训练得到所需船舶的目标检测模型,训练时采用Pixels‑IoU函数来代替YOLOv5目标检测算法中原有的GIoU损失函数;通过所述目标检测模型得到目标船舶的数据,并用图像坐标表示,得到图像信息;获取AIS信息和雷达数据,将雷达数据转换为AIS下的同一坐标系,得到数据信息;根据所述图像信息和数据信息进行融合后对海上船舶进行检测,引入Pixels‑IoU函数代替原有的GIoU损失函数,使得回归损失更加精确、目标框回归更加稳定,有效的提高了船舶识别的准确率,并加入注意力机制层,提高船舶识别准确率。
-
公开(公告)号:CN119939494A
公开(公告)日:2025-05-06
申请号:CN202411751635.5
申请日:2024-12-02
Applicant: 厦门理工学院
Abstract: 本发明提出基于卡尔曼滤波和凸组合理论的航迹融合方法及系统,包括:数据采集,采集某地基站收集到的船舶AIS数据信息;数据处理,对采集到的所述船舶AIS数据信息进行数据清洗、数据转换和数据聚合处理;航迹数据生成,假设船舶轨迹为匀速直线运动,依据物体运动表达式生成航迹数据,其中考虑外界影响带来的损失以得到观测模型;卡尔曼滤波处理,运用卡尔曼滤波算法对生成的所述航迹数据进行处理,依次结束对所有传感器的航迹信息的预测;凸组合融合,输入各传感器的卡尔曼滤波迭代结束的预测轨迹信息,采用凸组合算法进行航迹融合。本发明在处理结构、航迹关联和航迹状态估计融合等方面具有技术先进性,能够提高航迹融合的效果和准确性。
-
-
-
-
-