公开(公告)号：CN119887790A

公开(公告)日：2025-04-25

申请号：CN202510393184.0

申请日：2025-03-31

Applicant: 湖南大学

Inventor： 张英杰 ,  刘朝林 ,  李蒲德 ,  丁晨 ,  徐梦迪

IPC: G06T7/00 ,  G06N3/0464 ,  G06V10/25 ,  G06V10/44 ,  G06V10/52 ,  G06V10/774 ,  G06V10/80 ,  G06V10/82

Abstract: 本发明提供一种风机叶片表面损伤检测方法及系统，属于风机叶片损伤检测技术领域。本发明采用金字塔增强算法和补丁增强算法相结合的方式，金字塔增强算法提供全局的多尺度信息，补丁增强算法提供局部细节信息，能让模型从不同层次的信息中学习，提升对风机叶片损伤检测的精度；在模型的训练阶段，采用注意力机制关注图像中与损伤有关的特征，抑制与损伤无关的特征，生成增强特征，将增强特征从笛卡尔坐标映射到极坐标系形成极坐标特征，突出损伤特征在风机叶片径向方向和轴向方向的表达，然后将极坐标特征与增强特征进行融合，构建融合了细粒度局部信息和粗粒度全局信息的特征图，使模型获得对不同尺度目标的检测能力。

公开(公告)号：CN115561997A

公开(公告)日：2023-01-03

申请号：CN202211438842.6

申请日：2022-11-17

Applicant: 湖南大学

Inventor： 张英杰 ,  空巴提·居玛 ,  李蒲德 ,  李明 ,  胡作磊

IPC: G05B11/42

Abstract: 本申请公开了一种基于高可靠性柜门设计的户外通信机柜节能控制方法，通过混合粒子优化算法生成PID控制参数的初始值，然后通过模糊控制器输出参数的精确调整值，最后通过Smith预估器消除控制过程滞后的影响，进而可以输出更优的温度控制值，再根据温度控制值控制执行对象执行相应的控制操作，可以大幅提升控制的精度。

公开(公告)号：CN117036355A

公开(公告)日：2023-11-10

申请号：CN202311300362.8

申请日：2023-10-10

Applicant: 湖南大学

Inventor： 王炼红 ,  邱浩轩 ,  张英杰 ,  李蒲德 ,  李明 ,  丁晨

IPC: G06T7/00 ,  G06N3/04 ,  G06N3/084 ,  G06V10/25 ,  G06V10/44 ,  G06V10/774 ,  G06V10/82

Abstract: 本发明公开了一种图像编码器训练方法，属于图像数据处理技术领域，其中所述方法包括获取数据集利用编码器进行目标图像和背景图像的特征提取，利用预设损失函数获取所述特征的损失值和一个预设值调整第一、第二编码器，并返回特征提取步骤，当损失值下降到一定值时所述编码器训练完成。本发明还公开了一种U‑Net神经网络模型的训练方法、叶片故障图像检测方法、图像处理的装置、图像处理的终端和介质。本发明无anchor生成，无IOU损失计算，无置信度损失计算，无非极大值抑制过程，减少了计算量和参数数量，提高了目标检测算法的运行速度。

公开(公告)号：CN117036355B

公开(公告)日：2023-12-15

申请号：CN202311300362.8

申请日：2023-10-10

Applicant: 湖南大学

Inventor： 王炼红 ,  邱浩轩 ,  张英杰 ,  李蒲德 ,  李明 ,  丁晨

IPC: G06T7/00 ,  G06N3/04 ,  G06N3/084 ,  G06V10/25 ,  G06V10/44 ,  G06V10/774 ,  G06V10/82

Abstract: 本发明公开了一种图像编码器训练方法，属于图像数据处理技术领域，其中所述方法包括获取数据集利用编码器进行目标图像和背景图像的特征提取，利用预设损失函数获取所述特征的损失值和一个预设值调整第一、第二编码器，并返回特征提取步骤，当损失值下降到一定值时所述编码器训练完成。本发明还公开了一种U‑Net神经网络模型的训练方法、叶片故障图像检测方法、图像处理的装置、图像处理的终端和介质。本发明无anchor生成，无IOU损失计算，无置信度损失计算，无非极大值抑制过程，减少了计算量和

公开(公告)号：CN117952949A

公开(公告)日：2024-04-30

申请号：CN202410164743.6

申请日：2024-02-05

Applicant: 湖南大学

Inventor： 张英杰 ,  查政悦 ,  王炼红 ,  陆碧良 ,  李蒲德 ,  丁晨 ,  阳郁为 ,  徐梦迪 ,  刘朝林

IPC: G06T7/00 ,  G06V20/17 ,  G06V20/10 ,  G06V10/44 ,  G06V10/46 ,  G06V10/764 ,  G06V10/82 ,  G06N3/0464 ,  G06N3/045 ,  G06N3/048

Abstract: 本申请提供一种基于多频率注意网络的风机叶片损伤检测方法及系统，属于风机叶片损伤检测技术领域。本申请采用八度卷积提取将特征，然后分解为低频组和高频组两部分，之后采用通道注意力分别将两部分的特征进行重新校准。低频组特征代表着图片当中像素的平滑变化的部分，所以低频组特征能够帮助大体确定是否存在一个损伤，高频组特征代表着图像当中像素快速变化的部分，所以高频组特征能够帮助聚焦于损伤的边缘，这将有利于消除图片中自然背景的影响，以及发现细小的损伤。本申请体提供的方法能够减少自然背景所带来的影响，同时显著提升了判别的精度。

公开(公告)号：CN116565840A

公开(公告)日：2023-08-08

申请号：CN202310427911.1

申请日：2023-04-20

Applicant: 湖南大学

Inventor： 张英杰 ,  阳郁为 ,  陆碧良 ,  李蒲德 ,  丁晨 ,  张彩华 ,  查政悦

IPC: H02J3/00 ,  G06N3/0455 ,  G06N3/084 ,  G06Q50/06 ,  G06Q10/04

Abstract: 本申请提供一种用于风电场风功率预测的高精度风速软测量方法，针对NWP数据具有非线性和强动态性的特点，提出了一种基于VAE的特征学习网络，同时利用熵权法给每个变量损失自适应地赋予不同的权重，从而改进原有VAE模型的损失函数，在高斯混合模型的基本框架上进行非线性的特征提取，同时构建潜隐变量与风速之间的基于BP神经网络的回归器，最终实现对风速的软测量，具备较高的预测精度。