-
公开(公告)号：CN116050682A8
公开(公告)日：2024-12-13
申请号：CN202211043439.3
申请日：2022-08-29
Applicant: 山东省计算中心(国家超级计算济南中心) , 齐鲁工业大学(山东省科学院) , 山东山科智控科技创新有限公司
IPC: G06Q10/047 , G06Q50/02 , G06N3/126
Abstract: 本发明涉及无人农机技术领域，具体涉及一种基于改进遗传算法的全覆盖田间路径规划方法及装置。该方法包括：S1、采用栅格法构建田间环境地图。S2、对田间环境地图中的自由栅格进行染色体编码，随机生成若干条初始染色体。S3、对初始染色体进行调整，得到合法染色体。S4、构造基于多目标均衡准则的适应度函数，确定合法染色体的适应度。S5、对初始染色体进行演化，生成下一代种群，作为下次迭代的父代种群。S6、判定是否结束本次迭代，若是，则将当代种群中适应度最高的染色体输出进行解码，得到全覆盖路径；若否，则返回执行步骤S3。本发明能够减少重复作业面积和转弯次数，提高无人农机的田间作业效率和作业质量。
-
公开(公告)号：CN119046759A
公开(公告)日：2024-11-29
申请号：CN202411160237.6
申请日：2024-08-22
Applicant: 山东省计算中心(国家超级计算济南中心) , 齐鲁工业大学(山东省科学院) , 山东山科智控数字化科技有限公司
IPC: G06F18/241 , G06F18/22 , G06F18/213 , G06F18/25 , G06Q50/02 , G06N3/0455 , G06N3/0895
Abstract: 本发明属于农业应用技术领域，具体涉及一种基于轨迹相似度度量的农机轨迹分类方法、计算机可读存储介质和计算机程序产品。所述方法根据农机GNSS轨迹数据并对其进行清洗，然后利用对比学习模型TrajCL对原始轨迹数据同时提取轨迹和轨迹点的结构特征和空间特征，计算轨迹嵌入向量，再结合滑动窗口技术实现田间‑道路的精确分类。本发明使用的TrajCL模型专为轨迹设计，解决了特征提取不充分的问题。该模型可以同时提取轨迹和轨迹点的结构特征和空间特征，且该模型是无监督学习，避免在学习过程中导向性地学习相关特征而忽略一些潜在的、有用的隐藏特征，从而实现全面的特征表示，进而精准推算农田作业面积，降低农业生产成本，提高农机利用率。
-
公开(公告)号：CN118429837A
公开(公告)日：2024-08-02
申请号：CN202410523193.2
申请日：2024-04-28
Applicant: 山东省计算中心(国家超级计算济南中心) , 齐鲁工业大学(山东省科学院) , 山东山科智控数字化科技有限公司
IPC: G06V20/17 , G06V10/40 , G06V10/766 , G06V10/774 , G06V10/764
Abstract: 本发明属于图像识别与处理技术领域，更具体地，涉及一种基于近地遥感与改进YOLOv8s的玉米植株检测方法、装置及计算机可读存储介质，包括通过近地遥感技术获取待处理图像；对待处理图像进行重建，得到重建图像；对重建图像进行自适应切割，适应模型能够处理的最佳尺寸；当重建图像不能被整个切割时，将不足部分使用空白图层填充，最终得到自适应图像；对自适应图像进行标注、数据划分和格式导出，得到数据集；建立玉米植株检测模型，并进行训练；将数据集输入玉米植株检测模型进行检测。本发明解决现有技术中传统模型使用的CIoU计算较为复杂，收敛速度慢，对于小目标检测以及密集目标检测并不能有效地检测。
-
公开(公告)号：CN119740101B
公开(公告)日：2025-05-16
申请号：CN202510245695.8
申请日：2025-03-04
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) , 山东山科智控数字化科技有限公司
IPC: G06F18/241 , G06F18/214 , G06F18/10 , G06F18/213 , G06N3/0455 , G06N3/08 , G08G1/01
Abstract: 本发明属于智能交通技术领域，更具体地，涉及一种轨迹交通模式分类方法、装置、电子设备及存储介质。所述方法包括：对原始轨迹数据进行前期处理操作，以构建轨迹数据目标集合；将所述轨迹数据目标集合作为训练数据输入多级轨迹特征编码器，并结合自回归模型，采用对比学习的方法训练所述多级轨迹特征编码器；利用训练完成的多级轨迹特征编码器提取轨迹数据的高维特征表示，并将该特征表示作为输入，用于训练MLP分类器，使其学习轨迹特征与交通模式之间的映射关系，最终用于轨迹交通模式分类。本发明实现了高效、精准的交通模式分类，满足复杂场景下的应用需求，为智能交通、城市规划和动态交通管理等领域提供了可靠的技术支持。
-
公开(公告)号：CN114897059B
公开(公告)日：2025-02-11
申请号：CN202210439669.5
申请日：2022-04-25
Applicant: 山东省计算中心(国家超级计算济南中心) , 齐鲁工业大学(山东省科学院)
IPC: G06F18/2415 , G06F18/231 , G06F18/214 , G06F18/2131 , G06N3/0455 , G06N3/0464 , G06N3/084 , G06N3/088 , G06N3/09 , G01M13/021 , G01M13/028 , G01M13/045 , G06F123/02
Abstract: 本发明涉及利用大数据预测机械故障的技术领域，具体为一种基于自适应层次聚类和Subset的机械设备分级故障诊断方法，选择不同故障类型下不分故障程度的训练样本作为自适应层次聚类的输入，采用自适应层次聚类对不同故障类型下不区分故障程度的训练样本进行聚类分析，以根据机械设备的振动信号得出的故障类型的聚类结果作为输出结果；对训练识别出的不同故障类型，按照故障程度分类建立SubDAE模型；预训练与整体微调准确定位故障点，提高了本方法的智能性；优选特征的使用，简化了特征集合，避免了维数灾难，减少了计算负担，提高故障诊断的效率。
-
Patent Agency Ranking
公开(公告)号：CN115268352B
公开(公告)日：2024-09-06
申请号：CN202210503014.X
申请日：2022-05-09
Applicant: 山东省计算中心(国家超级计算济南中心) , 齐鲁工业大学
IPC: G05B19/05
Abstract: 一种适用于运动控制的PLC指令设计方法，将高速脉冲输入指令配置的硬件资源和三种高速脉冲计数中断源保存入数据库中，用户更加方便、快捷的调用高速计数器模块进行梯形图编程；将高速计数器的底层驱动程序和计数中断函数进行封装，让用户更加方便调用三种高速脉冲计数中断函数。将高速脉冲输出指令配置好的PLC硬件资源存储到数据库中，通过IDE软件端调用PWM指令和PTO指令进行相关的梯形图程序；PTO指令中包括三种高速脉冲输出模式：手动模式、单速连续运行模式和相对位置模式。本发明从用户角度出发，为PTO和PWM指令设计了详细的参数配置交互界面，便于引导编程人员快速使用；还可根据用户配置的参数数据，自动生成曲线，适用于更复杂的曲线运动控制场合。
-
公开(公告)号：CN114897059A
公开(公告)日：2022-08-12
申请号：CN202210439669.5
申请日：2022-04-25
Applicant: 山东省计算中心(国家超级计算济南中心) , 齐鲁工业大学
IPC: G06K9/62 , G06N3/04 , G06N3/08 , G01M13/021 , G01M13/028 , G01M13/045
Abstract: 本发明涉及利用大数据预测机械故障的技术领域，具体为一种基于自适应层次聚类和Subset的机械设备分级故障诊断方法，选择不同故障类型下不分故障程度的训练样本作为自适应层次聚类的输入，采用自适应层次聚类对不同故障类型下不区分故障程度的训练样本进行聚类分析，以根据机械设备的振动信号得出的故障类型的聚类结果作为输出结果；对训练识别出的不同故障类型，按照故障程度分类建立SubDAE模型；预训练与整体微调准确定位故障点，提高了本方法的智能性；优选特征的使用，简化了特征集合，避免了维数灾难，减少了计算负担，提高故障诊断的效率。
-
公开(公告)号：CN114046179B
公开(公告)日：2023-09-22
申请号：CN202111084591.1
申请日：2021-09-15
Applicant: 山东省计算中心(国家超级计算济南中心) , 齐鲁工业大学
Abstract: 一种基于CO监测数据智能识别和预测井下安全事故的方法。本发明是基于神经网络模型对煤矿中一氧化碳检测数据进行有效识别，将所述一氧化碳检测数据输入至训练好的神经网络模型中即可实时获得检测数据背后的事故原因，由此，现有技术人员无需再通过人工统计或者数据录入才能实现对一氧化碳数据超标背后的事故原因做客观统计，大大提高了智能识别的效率，即便存在误差，工作人员也只需部分修改数据即可。
-
公开(公告)号：CN114046179A
公开(公告)日：2022-02-15
申请号：CN202111084591.1
申请日：2021-09-15
Applicant: 山东省计算中心(国家超级计算济南中心) , 齐鲁工业大学
Abstract: 一种基于CO监测数据智能识别和预测井下安全事故的方法。本发明是基于神经网络模型对煤矿中一氧化碳检测数据进行有效识别，将所述一氧化碳检测数据输入至训练好的神经网络模型中即可实时获得检测数据背后的事故原因，由此，现有技术人员无需再通过人工统计或者数据录入才能实现对一氧化碳数据超标背后的事故原因做客观统计，大大提高了智能识别的效率，即便存在误差，工作人员也只需部分修改数据即可。
-
公开(公告)号：CN118314114A
公开(公告)日：2024-07-09
申请号：CN202410514388.0
申请日：2024-04-26
Applicant: 山东省计算中心(国家超级计算济南中心) , 齐鲁工业大学(山东省科学院) , 山东山科智控科技创新有限公司
IPC: G06T7/00 , G06V10/25 , G06V10/42 , G06V10/44 , G06V10/764 , G06V10/766 , G06V10/80 , G06V10/82 , G06N3/045 , G06N3/0464 , G06N3/08
Abstract: 本发明提出钢材表面缺陷检测方法及系统，涉及缺陷检测技术领域。包括获取钢材表面图像；将钢材表面图像输入至CSTRNet模型串联的CTR模块中，在每个CTR模块中，利用并行的稀疏自注意力模块和卷积模块分别提取钢材表面图像的全局特征和局部特征；将各中间层CTR模块提取的特征依次输入至串联的双层GDC模块中，并利用双层GDC模块将CTR模块提取的浅层特征和深层特征进行双向融合，得到钢材表面缺陷的预测框位置、缺陷置信度和缺陷分类类别。本发明在模型中加入稀疏自注意力SA模型结构、卷积和Transformer相互协同的CTR模型结构以及GDC瓶颈卷积结构，提升了缺陷检测速度和检测精度。
-
-
-
-
-
-
-
-
-
Search Results
84
records
(took 0.072 seconds)
