-
公开(公告)号：CN119106379A
公开(公告)日：2024-12-10
申请号：CN202411168275.6
申请日：2024-08-23
Applicant: 山东省计算中心(国家超级计算济南中心)
IPC: G06F18/2433 , G06F18/15 , G06F18/25 , G06F18/21 , G06N3/0464 , G06N3/045 , G06N3/084 , G06N3/048
Abstract: 本发明公开的一种基于时频特征交互的设备异常检测方法及系统，包括：获取设备运行过程中所产生的时间序列数据；对时间序列数据进行编码，获得初步嵌入表示及初步嵌入表示的局部嵌入数据和全局嵌入数据；分别提取局部嵌入数据和全局嵌入数据的时频特征，获得局部时频特征和全局时频特征；将局部时频特征和全局时频特征进行相加，获得拼接后特征；将拼接后特征进行特征提取后与初步嵌入表示相加，获得重构数据；根据重构数据，获得设备异常检测结果。提高了设备异常检测的准确率。
-
公开(公告)号：CN119150186A
公开(公告)日：2024-12-17
申请号：CN202411183021.1
申请日：2024-08-27
Applicant: 山东省计算中心(国家超级计算济南中心)
IPC: G06F18/2433 , G06F18/25 , G06F18/241 , G06F18/213 , G06N3/0464 , G06N3/082
Abstract: 本发明提出了基于双维度特征的输氢管网流量异常检测方法及系统，通过在时间维度和通道维度进行自适应切片，得到大小一致的数据切片；利用时间特征提取器、空间特征提取器和主干特征提取器捕获切片内部及切片之间的特征关联；利用由多组不同特征尺度隐藏层构成的重构网络进行多视野下的重构，对重构结果进行异常评分，以实现精准的异常检测；本发明方法能够有效识别工业输氢管网中的异常流量数据，提高工业安全管理水平。
-
公开(公告)号：CN118644359B
公开(公告)日：2024-10-22
申请号：CN202411124271.8
申请日：2024-08-16
Applicant: 山东省计算中心(国家超级计算济南中心)
Abstract: 本发明涉及能源供应技术领域，具体为应用于工业园区的氢能负荷预测方法及系统，通过获取工业园区历史能源负荷数据、工业园区所在地气象站的历史气象数据以及时间数据，并进行预处理，经编码操作得到特征表示；预处理后的数据基于全局时域特征捕获网络得到频域表示，进一步得到全局周期性特征；根据得到的特征表示，利用多尺度特征融合网络提取出局部非线性特征；得到的全局周期性特征和局部非线性特征，利用自适应门控融合网络得到预测结果。利用深度神经网络的强大拟合能力和频域分析的周期性识别优势，结合多尺度特征提取技术，能够更全面、更精细地解析氢能源需求的内在规律，显著提高预测的准确性和稳定性。
-
公开(公告)号：CN118568650B
公开(公告)日：2024-10-15
申请号：CN202411059783.0
申请日：2024-08-05
Applicant: 山东省计算中心(国家超级计算济南中心)
IPC: G06F18/2433 , G06F18/25 , G06V10/764 , G06V10/26 , G06V20/70 , G06V10/44 , G06V10/80 , G06V10/82 , G06F40/30 , G06N3/0464 , G06N3/0455 , G06N3/048
Abstract: 本发明属于计算机视觉和图像识别技术领域，提供了一种基于细粒度文本提示特征工程的工业异常检测方法及系统，包括提取工业图像的文本特征、图像块特征和图像特征；利用图像特征对文本提示进行优化更新，得到细粒度文本提示特征；将图像块特征与细粒度文本提示特征进行相似性对比分析，将对比生成的异常结果图进行相加融合得到最终的异常检测结果；优化模型的参数，使损失函数最小，利用训练好的模型进行测试集的异常检测。本发明针对少样本工业图像异常检测，通过特征提取模块、细粒度文本提示工程模块和跨模态空间域多粒度交互模块搭建异常检测模型框架，提高了模型的泛化能力。
-
公开(公告)号：CN118898614A
公开(公告)日：2024-11-05
申请号：CN202411397545.0
申请日：2024-10-09
Applicant: 山东省计算中心(国家超级计算济南中心)
IPC: G06T7/00 , G06V10/25 , G06V10/44 , G06V10/52 , G06V10/774 , G06V10/82 , G06N3/0464
Abstract: 本发明提出了基于多域高效特征聚合网络的齿轮缺陷检测方法及系统，涉及计算机视觉应用领域，用于缺陷检测的多域高效特征聚合网络包括多域混合特征提取网络、多尺度特征聚焦传播融合网络以及检测头网络；所述多域混合特征提取网络，采用多域特征无损下采样模块在频域和空间域下对齿轮图像进行下采样，构建初始特征图，利用高效混合特征感知模块从局部和全局、空间和通道的角度对初始特征图进行增强，得到多尺度特征图；所述多尺度特征聚焦传播融合网络，对多尺度特征进行融合，得到融合后的特征图；所述检测头网络，根据融合后的特征图，检测齿轮缺陷；本发明构建多域高效特征聚合网络，进行鲁棒性强、精度高的齿轮缺陷检测。
-
Patent Agency Ranking
公开(公告)号：CN118644359A
公开(公告)日：2024-09-13
申请号：CN202411124271.8
申请日：2024-08-16
Applicant: 山东省计算中心(国家超级计算济南中心)
Abstract: 本发明涉及能源供应技术领域，具体为应用于工业园区的氢能负荷预测方法及系统，通过获取工业园区历史能源负荷数据、工业园区所在地气象站的历史气象数据以及时间数据，并进行预处理，经编码操作得到特征表示；预处理后的数据基于全局时域特征捕获网络得到频域表示，进一步得到全局周期性特征；根据得到的特征表示，利用多尺度特征融合网络提取出局部非线性特征；得到的全局周期性特征和局部非线性特征，利用自适应门控融合网络得到预测结果。利用深度神经网络的强大拟合能力和频域分析的周期性识别优势，结合多尺度特征提取技术，能够更全面、更精细地解析氢能源需求的内在规律，显著提高预测的准确性和稳定性。
-
公开(公告)号：CN118570212A
公开(公告)日：2024-08-30
申请号：CN202411059782.6
申请日：2024-08-05
Applicant: 山东省计算中心(国家超级计算济南中心)
IPC: G06T7/00 , G06V10/80 , G06V10/44 , G06V10/42 , G06V10/52 , G06V10/82 , G06V20/70 , G06V10/25 , G06N3/0464 , G06N3/045 , G06N3/084 , G06N3/048
Abstract: 本发明公开了一种基于强化特征提取网络的显示屏缺陷检测方法及系统，属于工业表面缺陷检测技术领域，包括将获取的液晶显示屏图像输入至训练好的表面缺陷检测模型，表面缺陷检测模型中液晶显示屏图像首先经过深层强化特征提取网络提取液晶显示屏图像的不同尺度特征，并将不同尺度的强化特征输入至跨层交互连接网络有效结合浅层特征和深层特征，输出不同尺度的交互特征，将不同尺度的交互特征输入至语义感知识别网络捕捉远距离特征，增强对缺陷特征的多尺度表示，最终输出缺陷检测结果。通过设计深层强化特征提取网络、跨层交互连接网络和语义感知识别网络构建液晶显示屏表面缺陷检测模型，实现多类别缺陷检测的精准识别和定位。
-
公开(公告)号：CN118941556B
公开(公告)日：2025-04-18
申请号：CN202411388842.9
申请日：2024-10-08
Applicant: 山东省计算中心(国家超级计算济南中心)
IPC: G06T7/00 , G06T5/20 , G06T5/70 , G06V10/44 , G06V10/77 , G06V10/764 , G06V10/766 , G06V10/82 , G06N3/0455 , G06N3/042 , G06N3/084
Abstract: 本发明提出了一种基于SAM先验指导的工业缺陷检测方法及系统，涉及工业计算机视觉领域，将待检测的工业表面缺陷图像输入到训练好的检测模型中，依次经过特征提取、特征聚合和缺陷检测，得到检测结果，包括缺陷类别和缺陷位置；所述检测模型的特征提取，首先分别基于SAM大模型和基于卷积操作提取先验特征和局部全局特征，然后将先验特征嵌入到局部全局特征中，得到多层级工业特征，基于多层级工业特征，生成SAM先验指导的检测结果；本发明通过SAM视觉大模型的先验指导，开发更加智能和自适应的缺陷检测模型，使其能够理解并利用先验知识，同时具备自我学习和自我优化的能力，以更好地适应不断变化的数据分布和工业需求。
-
公开(公告)号：CN120031913A
公开(公告)日：2025-05-23
申请号：CN202510036639.3
申请日：2025-01-09
Applicant: 齐鲁工业大学(山东省科学院) , 山东省计算中心(国家超级计算济南中心)
Abstract: 本发明属于图像处理技术领域，公开了一种基于分割大模型的3D物体跟踪方法及系统，包括获取数据集，并进行预处理，获得连续运动的图像数据；构建轻量化分割模型，将图像数据输入分割模型，对图像进行特征提取，对图像特征进行特征放大，对放大后的图像特征进行遮罩求解，对得到的遮罩进行边缘优化，获得第一概率图；采用颜色直方图法对图像数据进行概率图计算，获得第二概率图，融合第一和第二概率图，将融合后的概率图进行位姿优化，获得位姿矩阵，利用位姿矩阵进行物体跟踪；对轻量化分割模型进行训练，获得训练好的分割模型。本发明设计了3D物体追踪框架Fuse‑Tracker，利用EF‑SAM轻量化分割模型进行计算，获得轻量化效果的同时提高了3D物体追踪精度。
-
公开(公告)号：CN118898614B
公开(公告)日：2025-01-28
申请号：CN202411397545.0
申请日：2024-10-09
Applicant: 山东省计算中心(国家超级计算济南中心)
IPC: G06T7/00 , G06V10/25 , G06V10/44 , G06V10/52 , G06V10/774 , G06V10/82 , G06N3/0464
Abstract: 本发明提出了基于多域高效特征聚合网络的齿轮缺陷检测方法及系统，涉及计算机视觉应用领域，用于缺陷检测的多域高效特征聚合网络包括多域混合特征提取网络、多尺度特征聚焦传播融合网络以及检测头网络；所述多域混合特征提取网络，采用多域特征无损下采样模块在频域和空间域下对齿轮图像进行下采样，构建初始特征图，利用高效混合特征感知模块从局部和全局、空间和通道的角度对初始特征图进行增强，得到多尺度特征图；所述多尺度特征聚焦传播融合网络，对多尺度特征进行融合，得到融合后的特征图；所述检测头网络，根据融合后的特征图，检测齿轮缺陷；本发明构建多域高效特征聚合网络，进行鲁棒性强、精度高的齿轮缺陷检测。
-
-
-
-
-
-
-
-
-
Search Results
15
records
(took 0.042 seconds)
