-
公开(公告)号：CN114842291A
公开(公告)日：2022-08-02
申请号：CN202210386106.4
申请日：2022-04-13
IPC分类号： G06V10/774 , G06V10/82 , G06K9/62 , G06N3/04 , G06N3/08
摘要： 本发明提供了一种基于迁移学习和锐度感知最小化的小麦锈病识别方法，1、其特征在于：包括以下步骤：S1：获取不同病害时期的小麦锈病图片，根据病害的严重程度对小麦锈病图片进行分级；S2：对小麦锈病图片先进行预处理以及数据增强，得到小麦锈病训练集；S3：利用ImageNet大型图片数据集对轻量化模型进行预训练得到预训练模型，并保存预训练模型参数；S4：在预训练模型的基础上，利用小麦锈病训练集对预训练模型进行训练，采用标签平滑损失函数，并结合锐度感知最小化方法对预训练模型进行微调，提升预训练模型的泛化能力。本发明通过引入迁移学习方法，有效提升了轻量化模型的识别精度，同时结合锐度感知最小化方法能够防范模型过拟合的风险。
-
公开(公告)号：CN114861735A
公开(公告)日：2022-08-05
申请号：CN202210593934.5
申请日：2022-05-27
申请人： 浙江大学湖州研究院
摘要： 本发明公开一种基于迁移学习框架的轴承故障预测方法，包括获得轴承的全寿命周期振动信号，提取振动分布特征并构建时序输入矩阵；利用已有退化案例，训练获得基于权重BiGRU的初始故障预测模型，并通过双指数函数拟合的形式，构建其退化过程模型，并以此构建状态方程和观测方程；根据在线获取的部分退化数据，利用粒子滤波方法更新退化模型参数，并进行时序外推以生成退化数据；采用模型迁移的方法对初始模型进行模型迁移，将当前轴承信号作为输入，迁移后的模型输出即为当前测试轴承的剩余寿命。本发明提出一种权重双向门控神经网络模型，且利用粒子滤波方法根据已有的部分退化数据，生成后续退化数据，并采用模型迁移的方法提高故障预测的准确性。
-
公开(公告)号：CN114373119A
公开(公告)日：2022-04-19
申请号：CN202210006296.2
申请日：2022-01-05
申请人： 浙江大学湖州研究院
摘要： 本发明公开了一种基于紧致性特征学习的空间卫星目标识别方法，涉及空间目标识别技术领域，提出一种将施加紧致性约束的卷积自编码器（Compact Convolutional Auto‑Encoder，CCAE）用于小样本下的空间卫星目标图像特征学习方法。针对现有深度学习方法在小样本空间卫星目标图像上特征学习能力不足的问题，通过对传统卷积自编码器损失函数施加紧致性约束，可同时最小化重建误差和类内样本误差，使所学特征空间中类内样本的距离缩小，同时扩大类间样本距离，进而提高特征判别性。因而，本发明提出了一种基于紧致性特征学习的空间卫星目标识别方法，较好地克服传统有监督模型在小样本下训练效率低下，易发生过拟合的缺点，从而有效提升了目标识别率。
-
公开(公告)号：CN115392295A
公开(公告)日：2022-11-25
申请号：CN202210925189.X
申请日：2022-08-03
申请人： 浙江大学湖州研究院
IPC分类号： G06K9/00 , G06F17/16 , G06N3/04 , G06N3/08 , G01M13/045
摘要： 本发明公开一种基于增量学习框架的轴承故障预测方法，包括获得轴承的全寿命周期振动信号并提取振动分布特征；构建符合增量学习框架的新的时序输入矩阵；利用已有退化案例，训练获得基于GRU的初始故障预测模型；当新的退化案例获取后，构建投影矩阵，并对增量学习训练过程权重的更新进行约束；将当前轴承信号作为输入，迁移后的模型输出即为当前测试轴承的剩余寿命。本发明提出一种新的时序矩阵构建方法，并采用增量学习的方法提高故障预测的准确性。
-
公开(公告)号：CN117471629A
公开(公告)日：2024-01-30
申请号：CN202311681682.2
申请日：2023-12-08
申请人： 浙江大学湖州研究院
IPC分类号： G02B6/44
摘要： 本发明公开一种金属不锈钢套管的耐高温光缆制作工艺，该耐高温光缆包括耐高温光纤裸纤、不锈钢毛细套管和连接用不锈钢毛细套管；制作工艺包括步骤S1：对单根不锈钢毛细套管进行通孔处理；步骤S2：光纤裸纤穿过多根不锈钢毛细套管，并对不锈钢毛细套管之间的连接处进行初步固定；步骤S3：完成不锈钢毛细套管之间的拼接固定，并对制作好的光缆进行通光性检测。本发明使用不锈钢毛细套管作为耐高温光纤裸纤的保护层，提高其弯曲性能和抗应力冲击能力，满足高温环境的使用需求；多根不锈钢毛细套管拼接的方式可按需制作不同长度的耐高温光缆，同时压紧后的连接用不锈钢毛细套将不锈钢毛细套管固定住并且不伤害到裸纤，大大提高光缆制作的成功率。
-
公开(公告)号：CN116012721B
公开(公告)日：2023-06-30
申请号：CN202310312623.1
申请日：2023-03-28
申请人： 浙江大学湖州研究院
IPC分类号： G06V20/10 , G06V10/40 , G06V10/764 , G06V10/82 , G06N3/0464 , G06N3/08
摘要： 本发明公开了一种基于深度学习的水稻叶片病斑检测方法，通过EFFTAN检测模型完成对水稻病斑的检测，EFFTAN检测模型包括：特征提取模块、特征融合模块以及分类和目标框回归模块。本发明基于深度学习单阶段检测原理，提出增强特征融合方法和目标自适应方法，经过多种方法的优化整合，使模型的收敛速度及检测准确率得到明显提高，同时增强了模型的泛化能力。
-
公开(公告)号：CN116012721A
公开(公告)日：2023-04-25
申请号：CN202310312623.1
申请日：2023-03-28
申请人： 浙江大学湖州研究院
IPC分类号： G06V20/10 , G06V10/40 , G06V10/764 , G06V10/82 , G06N3/0464 , G06N3/08
摘要： 本发明公开了一种基于深度学习的水稻叶片病斑检测方法，通过EFFTAN检测模型完成对水稻病斑的检测，EFFTAN检测模型包括：特征提取模块、特征融合模块以及分类和目标框回归模块。本发明基于深度学习单阶段检测原理，提出增强特征融合方法和目标自适应方法，经过多种方法的优化整合，使模型的收敛速度及检测准确率得到明显提高，同时增强了模型的泛化能力。
-
-
-
-
-
-
搜索结果
7 条记录 (耗时 0.027 秒)
