-
公开(公告)号：CN118779837B
公开(公告)日：2025-02-14
申请号：CN202411280508.1
申请日：2024-09-13
Applicant: 山东建筑大学
IPC: G06F18/25 , G06F18/10 , G06V10/80 , G06V10/20 , G06V10/82 , G06N3/0464 , G06N3/0499
Abstract: 本发明涉及光伏智能检测技术领域，提供了一种光伏组件损伤检测方法、系统、存储介质及设备。该方法包括，基于若干组特征组合，采用数据特征动态融合模块，得到融合特征；数据特征动态融合模块包括四个特征数据选择块和全局反馈网络，每个特征数据选择块均用于选择特征组合，并将选择出的特征组合输入到全局反馈网络，以判断前面的特征数据选择块选择的特征组合与当前特征数据选择块选择的特征组合是否存在组合选择重复、数据选择重复或三类数据全被选过的情况，若否，将前一个特征数据选择块选择的特征组合与当前特征数据选择块选择的特征组合进行加权融合，得到融合特征；采用损伤检测模型，对现场光伏组件损伤进行判断。提高了检测效率。
-
公开(公告)号：CN118779836B
公开(公告)日：2025-03-21
申请号：CN202411280507.7
申请日：2024-09-13
Applicant: 山东建筑大学
IPC: G06F18/25 , G06F18/22 , G06V10/80 , G06V10/82 , G06N3/0475 , G06N3/094 , G06N3/0464 , G06N3/042 , G06N3/045
Abstract: 本发明涉及智慧交通安全检测技术领域，提供了一种基于多模态数据的道路损伤检测方法及系统。基于多模态数据的道路损伤检测方法包括，分别对获取的历史道路图像数据、车辆行驶过程中道路表面的历史振动时序数据和道路损伤标签进行编码，得到图像特征、时序特征和文本标签特征；分别计算基于图像特征与文本标签特征的相似性，以及时序特征与文本标签特征的相似性，融合生成条件生成对抗网络的标签；将一个随机噪声向量、道路图像数据、振动时序数据和条件生成对抗网络标签输入到条件生成对抗网络中进行训练，生成多模态数据；对多模态数据进行预测，得到损伤分类信息。本发明实现了道路损伤检测和维护管理的自动化。
-
公开(公告)号：CN117011563A
公开(公告)日：2023-11-07
申请号：CN202310980920.3
申请日：2023-08-04
Applicant: 山东建筑大学
IPC: G06V10/762 , G06V10/774 , G06V20/52 , G06N3/0895 , G06N3/098 , G06V10/82
Abstract: 本发明提出基于半监督联邦学习的道路损害巡检跨域检测方法及系统，涉及道路损害检测技术领域。包括本地客户端获取目标域用户数据、源域用户数据，为用户分配目标检测器；对源域用户数据进行数据扩增、不同环境的路面数据生成和跨域伪图像的生成；采用包含老化阶段、适应阶段和SSDA阶段的半监督目标检测训练模式首先对目标检测器进行有监督训练，得到有监督训练好的学生模型；服务器端进行聚合，得到教师模型，将教师模型反馈至本地客户端；利用教师模型生成假标签，利用假标签对有监督训练好的学生模型进行半监督自适应训练，得到最终训练好的学生模型。本发明提升了检测的速度以满足对于实时检测的需求，解决模型表现差的问题，提高了模型的泛性。
-
Patent Agency Ranking
公开(公告)号：CN118779836A
公开(公告)日：2024-10-15
申请号：CN202411280507.7
申请日：2024-09-13
Applicant: 山东建筑大学
IPC: G06F18/25 , G06F18/22 , G06V10/80 , G06V10/82 , G06N3/0475 , G06N3/094 , G06N3/0464 , G06N3/042 , G06N3/045
Abstract: 本发明涉及智慧交通安全检测技术领域，提供了一种基于多模态数据的道路损伤检测方法及系统。基于多模态数据的道路损伤检测方法包括，分别对获取的历史道路图像数据、车辆行驶过程中道路表面的历史振动时序数据和道路损伤标签进行编码，得到图像特征、时序特征和文本标签特征；分别计算基于图像特征与文本标签特征的相似性，以及时序特征与文本标签特征的相似性，融合生成条件生成对抗网络的标签；将一个随机噪声向量、道路图像数据、振动时序数据和条件生成对抗网络标签输入到条件生成对抗网络中进行训练，生成多模态数据；对多模态数据进行预测，得到损伤分类信息。本发明实现了道路损伤检测和维护管理的自动化。
-
公开(公告)号：CN118779837A
公开(公告)日：2024-10-15
申请号：CN202411280508.1
申请日：2024-09-13
Applicant: 山东建筑大学
IPC: G06F18/25 , G06F18/10 , G06V10/80 , G06V10/20 , G06V10/82 , G06N3/0464 , G06N3/0499
Abstract: 本发明涉及光伏智能检测技术领域，提供了一种光伏组件损伤检测方法、系统、存储介质及设备。该方法包括，基于若干组特征组合，采用数据特征动态融合模块，得到融合特征；数据特征动态融合模块包括四个特征数据选择块和全局反馈网络，每个特征数据选择块均用于选择特征组合，并将选择出的特征组合输入到全局反馈网络，以判断前面的特征数据选择块选择的特征组合与当前特征数据选择块选择的特征组合是否存在组合选择重复、数据选择重复或三类数据全被选过的情况，若否，将前一个特征数据选择块选择的特征组合与当前特征数据选择块选择的特征组合进行加权融合，得到融合特征；采用损伤检测模型，对现场光伏组件损伤进行判断。提高了检测效率。
-
公开(公告)号：CN117011563B
公开(公告)日：2024-03-01
申请号：CN202310980920.3
申请日：2023-08-04
Applicant: 山东建筑大学
IPC: G06V10/762 , G06V10/774 , G06V20/52 , G06N3/0895 , G06N3/098 , G06V10/82
Abstract: 本发明提出基于半监督联邦学习的道路损害巡检跨域检测方法及系统，涉及道路损害检测技术领域。包括本地客户端获取目标域用户数据、源域用户数据，为用户分配目标检测器；对源域用户数据进行数据扩增、不同环境的路面数据生成和跨域伪图像的生成；采用包含老化阶段、适应阶段和SSDA阶段的半监督目标检测训练模式首先对目标检测器进行有监督训练，得到有监督训练好的学生模型；服务器端进行聚合，得到教师模型，将教师模型反馈至本地客户端；利用教师模型生成假标签，利用假标签对有监督训练好的学生模型进行半监督自适应训练，得到最终训练好的学生模型。本发明提升了检测的速度以满足对于实时检测的需求，解决模型表现差的问题，提高了模型的泛性。
-
公开(公告)号：CN116544910A
公开(公告)日：2023-08-04
申请号：CN202310425528.2
申请日：2023-04-17
Applicant: 山东建筑大学
IPC: H02J3/00 , G06F18/23213 , G06V10/26 , G06V10/32 , G06V10/10 , G06F123/02
Abstract: 本发明公开一种电动汽车充电行为预测方法及系统，包括：对历史用户充电行为进行数据聚类，并将每条历史用户充电行为转换为时间序列数据；将单个用户的一条时间序列数据作为一个特征变量，将该用户所有的特征变量以时间序列方式进行排列，由此构成用户充电行为图像，并将用户充电行为图像进行数据扩增；基于每类扩增后的用户充电行为图像构建并训练预测模型，基于训练后的预测模块，根据待测用户充电行为进行每类用户充电行为的预测。将一维的时间序列数据转化为多维图像，在保留特征变量时间序列性的同时，增强不同特征变量间的关联性，同时通过对用户充电行为图像进行扩增，解决用户行为数据少以及不同类别数据集不平衡的问题。
-
公开(公告)号：CN115631457A
公开(公告)日：2023-01-20
申请号：CN202211212839.2
申请日：2022-09-30
Applicant: 山东建筑大学 , 中建八局第二建设有限公司 , 山东大学
IPC: G06V20/52 , G06V40/20 , G06V10/82 , G06N3/0464 , G06N3/08
Abstract: 本发明属于建筑工人行为智能识别领域，提供了一种建筑施工监控视频中的人机协作异常检测方法及系统，包括获取建筑施工监控视频中的人机行为图像并进行预处理；基于预处理后的人机行为图像，利用预先训练好的Transformer模型进行目标检测，得到现场工人操作机械图像块；基于现场工人操作机械图像块和预先训练好的人机协作正常行为模型进行比对，进而计算得到损失函数，通过损失函数的大小判定人机协作是否异常。本发明通过使用Transformer主干网络，用更加简洁的网络架构，获得更高的目标检测精度，更好地获取施工过程中工人操作机械的图像块；结合损失函数计算人机协作异常程度，精准预测并对现场人机协作异常行为进行预警。
-
-
-
-
-
-
-
Search Results
8
records
(took 0.022 seconds)
