-
公开(公告)号：CN117011669B
公开(公告)日：2024-11-01
申请号：CN202310814159.6
申请日：2023-07-03
Applicant: 安徽大学
IPC: G06V10/82 , G06V10/80 , G06V10/52 , G06V10/54 , G06V10/764 , G06V10/77 , G06V10/26 , G06N3/0464 , G06N3/045 , G06N3/048 , G06N3/08
Abstract: 本申请提供一种红外小目标检测方法及系统，红外小目标检测方法包括：利用卷积将一单通道图片下采样为多个不同尺度的多通道特征图；基于卷积运算提取所述多通道特征图的细节特征，并输出第一特征图；基于稀疏采样的特征关联注意力机制，将所述第一特征图转变为第二特征图；使用双线性差值的方式对所述第二特征图进行上采样，并获取第三特征图；将所述第三特征图、所述第二特征图与所述第一特征图矩阵相加，并输出融合特征图；整合所述融合特征图的多通道特征，并将卷积后的特征转化为像素点的二分类概率；基于饱和激活函数，筛选符合待测目标的像素点，以解决现有的小目标检测算法效果不佳、计算量大的技术问题。
-
公开(公告)号：CN117268763B
公开(公告)日：2024-09-27
申请号：CN202311226065.3
申请日：2023-09-21
Applicant: 安徽大学
IPC: G01M13/045 , G06F18/214 , G06F18/21 , G06N3/0455 , G06F18/22
Abstract: 本申请提供一种滚动轴承寿命预测方法及系统，该滚动轴承寿命预测方法包括：获取滚动轴承的采集信号，所述采集信号包括振动信号以及标签；将所述振动信号以及所述标签输入至耦合扩散模型，并获得扩散信号以及训练标签；将所述扩散信号输入融合了卷积注意力机制的卷积神经网络，并获得特征信息；获取位置编码，并将其结合至所述特征信息；将所述特征信息以及所述位置编码输入至Transformer模型的编码器，并获取预测信号；将所述预测信号以及所述训练标签输入至去噪得分匹配模型，并获得剩余寿命的预测值，以解决现有的滚动轴承RUL预测方法无法应对复杂度高、训练数据少的滚动轴承寿命预测任务的技术问题。
-
公开(公告)号：CN118279289B
公开(公告)日：2024-08-27
申请号：CN202410572037.5
申请日：2024-05-10
Applicant: 国网安徽省电力有限公司电力科学研究院 , 安徽大学 , 国网智能电网研究院有限公司
IPC: G06T7/00 , G06V10/764 , G06V10/82 , G06N3/0464 , G06N3/086
Abstract: 本发明提供一种电力设备视频图像缺陷识别方法及系统，方法包括：预训练初始残差神经网络，以得到适用缺陷分类残差神经网络；初始化问题潜在解粒子群位置、速度；计算每个问题潜在解粒子的适应值；利用粒子群优化算法持续迭代，寻获并更新得到局部更新最优解、全局更新最优解，以更新获取问题潜在解粒子的位置、速度；在满足粒子群优化算法的结束条件时结束持续迭代，根据更新获取的问题潜在解粒子的位置、速度，输出最佳位置参数，以利用适用缺陷分类残差神经网络，处理得到电力设备视频图像中的缺陷坐标位置。本发明解决了电力设备视频图像缺陷识别过程中的标记操作效率低、准确性低、检测模型的计算量大、网络结构复杂的技术问题。
-
公开(公告)号：CN116628591B
公开(公告)日：2024-08-23
申请号：CN202310620421.3
申请日：2023-05-26
Applicant: 安徽大学
IPC: G06F18/2415 , G01M13/021 , G01M13/028 , G06F18/2431 , G06F18/2131 , G06F18/25
Abstract: 本申请提供一种齿轮箱复合故障诊断方法及系统，齿轮箱复合故障诊断方法包括采集多种工况下齿轮箱的振动信号；利用小波包分解振动信号获取小波包系数矩阵，并通过堆叠小波包系数矩阵获得三维张量；利用通道注意力融合模块与位置注意力融合模块并联构造多工况信息融合网路，三维张量被输入至多工况信息融合网络；获取通道注意力融合模块的输出值与位置注意力融合模块的输出值之和；构建多尺度特征融合模块，并将输出值之和输入至多尺度特征融合模块；提取并融合多尺度特征；构建多标签分类器，多尺度特征被输入至多标签分类器并获取输出结果，以解决单一的工况数据和单尺度特征难以准确地诊断齿轮箱的复合故障类型的技术问题。
-
公开(公告)号：CN118468133A
公开(公告)日：2024-08-09
申请号：CN202410557311.1
申请日：2024-05-07
Applicant: 安徽大学
IPC: G06F18/2415 , G01M13/021 , G06F18/213 , G06F18/214 , G06N3/0464 , G06N3/048 , G06N3/047 , G06N3/088 , G06N3/084
Abstract: 本发明公开了一种基于图卷积域自适应网络的齿轮箱故障诊断方法，包括：构建无监督自适应模块，对目标域工作条件下的齿轮箱故障信号进行故障特征提取和整合；构建密集连接模块，基于密集连接思想进行特征传播与降维；构建图卷积模块，以基于密集连接模块输出的特征构建实例图并对实例图进行建模；构建softmax分类器，对图卷积模块的输出进行分类，得到信号的故障分类结果；构建故障诊断模型并对模型进行训练优化；将测试集数据输入到训练后的故障诊断模型，实现对齿轮箱信号故障的诊断。本发明能及时发现齿轮箱故障并对故障信号进行可靠识别，有效的对齿轮箱故障诊断进行预测。
-
Patent Agency Ranking
公开(公告)号：CN118154995A
公开(公告)日：2024-06-07
申请号：CN202410572033.7
申请日：2024-05-10
Applicant: 国网安徽省电力有限公司电力科学研究院 , 安徽大学 , 国网智能电网研究院有限公司
IPC: G06V10/764 , G06V10/774 , G06V10/80 , G06V10/82
Abstract: 本发明提供基于时频关联自适应学习模型的图像质量裂化评估方法，包括：构建不同类别的原始图像集；利用傅里叶变换获得频谱图像集；将频谱图像和原始差异类别图像输入到残差神经网络中学习频谱图像特征、原始图像特征；将时频关联的图像特征、原始图像特征融合；输入到动态调节参数BP神经网络；进行图像质量裂化评估分类。本发明解决了分析处理信息不全面，导致图像质量异常分类效果差的技术问题。
-
公开(公告)号：CN117992863A
公开(公告)日：2024-05-07
申请号：CN202410405138.3
申请日：2024-04-07
Applicant: 安徽大学
IPC: G06F18/241 , G06F18/10 , G06F18/214 , G06F18/2431 , G06N3/0464 , G01M13/00 , G01M13/045 , G01M13/028 , G01M13/021
Abstract: 本发明公开了一种基于可解释平稳小波包卷积网络的旋转机械故障诊断方法，包括：步骤1：获取旋转机械关键零部件的不同健康状态振动信号；步骤2：对步骤1获取的振动信号进行数据预处理，得到训练集和测试集；步骤3：构建可解释平稳小波包卷积网络，包括多次交替堆叠的平稳小波包卷积层与软阈值去噪激活层，以及全局能量池化层、分类器；步骤4：对可解释平稳小波包卷积网络进行训练和测试，得到诊断模型，采用诊断模型进行旋转机械故障诊断。本发明识别准确率较高，可解释性较强，噪声鲁棒性较好，样本依赖性较低，可以有效的对旋转机械关键零部件进行故障诊断。
-
公开(公告)号：CN117786457A
公开(公告)日：2024-03-29
申请号：CN202311822175.6
申请日：2023-12-27
Applicant: 安徽大学
IPC: G06F18/24 , G06F18/21 , G06F18/214
Abstract: 本发明公开了一种鲁棒的弱监督多标签分类学习方法，使用基于自表示的高阶标签相关性来获得软标签矩阵，并使用范数最小化来重建语义空间；然后，基于标签的局部判别嵌入和样本的全局结构的自适应图，用于标记和未标记样本的结构学习；最后，在统一的框架下，对半监督和弱标签学习任务进行联合优化。本发明一种鲁棒的弱监督多标签分类学习方法使多个独立过程能够相互学习和增强，减轻了标签样本异常值的影响，增强鲁棒性，与现有技术相比，更具有有效性和优越性。
-
公开(公告)号：CN114066898B
公开(公告)日：2024-03-12
申请号：CN202111293238.4
申请日：2021-11-03
Applicant: 安徽大学
IPC: G06T7/10
Abstract: 本发明属于数字图像处理技术领域，公开了一种用于线阵式相机的物料图像逐行实时分割方法，包括步骤一：对相机当前扫描线T作二值化处理；步骤二：更新现有物料范围：将T与当前每个物料i的范围Si作比对：若T与Si不存在交集，则该物料扫描结束，否则查找二者的交集区间，使用T中的新区间对Si更新；步骤三：新物料查找：若T中的某个像素区间Rj与现有物料范围均无交集，则Rj构成一个新出现的物料范围；步骤四：物料范围合并处理：对所有物料的范围集合{Si}中非零物料范围进行遍历，当前后两个范围存在重合时，进行合并；步骤五：更新物料缓存图像。本发明解决了现有技术从图像采集到气阀喷吹环节间时延较大的问题,适用于物料图像的实时分割。
-
公开(公告)号：CN117391983A
公开(公告)日：2024-01-12
申请号：CN202311405386.X
申请日：2023-10-26
Applicant: 安徽大学
IPC: G06T5/50 , G06T3/4038 , G06V10/25 , G06V10/42 , G06V10/44 , G06V10/77 , G06V10/80 , G06V10/82 , G06N3/0455 , G06N3/0464
Abstract: 本申请提供一种红外图像与可见光图像融合方法，其包括：将红外图像与可见光图像分别输入至单模态特征提取分支网络；利用残差连接的特征提取模块获得红外特征以及可见光特征；混合注意力机制模块运算步骤；获得单模态红外特征与单模态可见光特征；获得多模态红外特征以及多模态可见光特征；混合模态特征提取步骤；判断单模态特征提取分支网络的级数是否小于预设级数，若是，循环混合注意力机制模块运算步骤至混合模态特征提取步骤，若否，将最后一级卷积得到的单模态红外特征以及单模态可见光特征与在最后一层Transformer模块中得到的多模态红外特征与多模态可见光特征分别相加之后再进行拼接；将拼接后的特征输入至解码器网络生成融合图像。
-
-
-
-
-
-
-
-
-
Search Results
69
records
(took 0.028 seconds)
