-
公开(公告)号：CN119251225A
公开(公告)日：2025-01-03
申请号：CN202411773613.9
申请日：2024-12-05
Applicant: 西南林业大学
Abstract: 本申请公开了一种基于改进RT‑DETR的公路路面裂缝检测方法，涉及路面病害检测领域。该方法包括基于路面裂缝图像构建路面裂缝样本集；基于高低频注意力机制对RT‑DETR模型进行改进；基于所述路面裂缝样本集对改进后的RT‑DETR模型进行训练，获取裂缝检测模型；基于所述裂缝检测模型对采集到的路面图像进行检测，确定所述路面图像中的目标裂缝，本发明有效解决了在复杂路面情况下裂缝特征提取困难的问题，同时需要处理图像中的噪声、阴影、纹理等干扰因素，导致路面裂缝识别的通用性以及准确性不佳的技术问题，实现了提高路面裂缝特征提取精度，统一路面病害检测标准的技术效果。
-
公开(公告)号：CN117876383B
公开(公告)日：2024-06-07
申请号：CN202410284089.2
申请日：2024-03-13
Applicant: 西南林业大学
IPC: G06T7/00 , G06N3/0464 , G06N3/084 , G06T7/73 , G06V10/44 , G06V10/52 , G06V10/764 , G06V10/82
Abstract: 本申请公开了一种基于yolov5l的公路表面条状裂缝检测方法，涉及图像识别领域，该方法包括：基于表面裂缝图像构建表面条状裂缝样本集；基于所述表面条状裂缝样本集对预设网络进行训练，获取裂缝检测模型；基于所述裂缝检测模型对采集到的表面图像进行检测，确定所述表面图像中的目标裂缝，所以，有效解决了相关技术中对裂缝的形状和类型有一定的假设和限制，同时需要处理图像中的噪声、阴影、纹理等干扰因素，导致表面裂缝识别的通用性以及准确性不佳的技术问题，实现了提高表面裂缝特征提取精度，统一表面病害检测标准的技术效果。
-
公开(公告)号：CN117831301A
公开(公告)日：2024-04-05
申请号：CN202410247186.4
申请日：2024-03-05
Applicant: 西南林业大学
IPC: G08G1/01 , G08G1/065 , G06Q10/04 , G06Q50/40 , G06N3/045 , G06N3/0464 , G06N3/084 , G06F18/213 , G06F18/25
Abstract: 本发明涉及一种结合三维残差卷积神经网络和时空注意力机制的交通流量预测方法，属于交通流时空数据预测领域。本发明构建了一种结合三维残差卷积神经网络和时空注意力机制的交通流量预测模型，模型采用三维残差卷积结构，用以捕获交通数据的时空依赖性特征，时空注意力模块用以捕获时空动态性特征，建立起历史数据与未来交通的直接关系，进一步提高现有方法在交通数据时空特征建模不充分的问题，提高了交通流量的预测精度，其预测结果可以缓解城市交通压力。
-
公开(公告)号：CN116894469B
公开(公告)日：2023-12-15
申请号：CN202311163761.4
申请日：2023-09-11
Applicant: 西南林业大学
Abstract: 本发明涉及深度学习技术领域，尤其涉及一种端边云计算环境中的DNN协同推理加速方法、设备及介质。根据多分支DNN的层类型和计算平台的计算资源，构建目标时延预测模型；基于目标时延预测模型，预测DNN层的执行时延；获取目标平台当前可用带宽资源和可用计算资源，并将可用带宽资源、可用计算资源、截止时延和网络类型，输入最佳退出点预测模型，预测最佳退出点；根据最佳退出点提取多分支DNN，并确定提取后的多分支DNN中的节点划分结果；根据节点划分结果，将提取后的所述多分支DNN中的各个节点，分配至节点划分结果对应的目标平台，目标平台包括终端设备、云服务器和边缘服务器中的(56)对比文件CN 115841590 A,2023.03.24CN 116187429 A,2023.05.30CN 116227558 A,2023.06.06CN 116341624 A,2023.06.27US 2021056357 A1,2021.02.25US 2021247246 A1,2021.08.12US 2021289456 A1,2021.09.16US 2022358358 A1,2022.11.10WO 2022111002 A1,2022.06.02WO 2022252713 A1,2022.12.08WO 2023091019 A1,2023.05.25刘国志等“.车辆边缘计算环境下基于深度强化学习的服务卸载方法”《.计算机集成制造系统》.2022,第28卷(第10期),第3304-3315.guozhi liu等“.An adaptive DNNinference acceleration framework withend-edge-cloud collaborative computing”.《Future Generation Computer Systems》.2023,第140卷第422-435页.Hsu TzHeng等“.A Cloud-Edge-Smart IoTArchitecture for Speeding Up theDeployment of Neural Network Models withTransfer Learning Techniques”.《Electronics》.2022,第11卷(第14期),第1-12页.Enzo Baccarelli等.“Learning-in-the-Fog(LiFo)：Deep Learning Meets FogComputing for the Minimum-EnergyDistributed Early-Exit of Inference inDelay-Critical IoT Realms”《.IEEE Access》.2021,第9卷第25716-25757页.郭永安等“.基于边端协同的CNN推理加速框架”《.南京邮电大学学报(自然科学版)》.2023,第43卷(第3期),第68-77页.
-
公开(公告)号：CN106920034B
公开(公告)日：2021-04-30
申请号：CN201710067985.3
申请日：2017-02-07
Applicant: 西南林业大学
Abstract: 本发明公开了一种挖掘BPMN编制流程并行性的方法及系统，方法包括：根据结构特征从编制流程中提取任务间的基本关系，并构造出基本关系矩阵；分析任务间的依赖关系，并构造出依赖关系矩阵；根据所述依赖关系矩阵构造出依赖图；根据转换规则将所述依赖图转换得到编制流程。本发明从依赖性(dependence)角度将BPMN编制流程中存在顺序关系、但不存在数据依赖的任务对，使它们由串行执行改为并行执行，以达到提高编制效率的目的。属于业务过程管理中的业务过程模型重构领域。
-
Patent Agency Ranking
公开(公告)号：CN119963924A
公开(公告)日：2025-05-09
申请号：CN202510275528.8
申请日：2025-03-10
Applicant: 西南林业大学
IPC: G06V10/764 , G06N3/0464 , G06N3/08 , G06V10/22 , G06V10/74 , G06V10/774 , G06V10/82 , G06F16/16
Abstract: 本发明涉及一种面向路面病害检测的误检方法，属于公路路面病害检测的质量提升研究领域。本发明收集不同路面病害的手工标注的数据集，通过“病害扩充”图像处理技术扩充病害图像数量以制作训练误检模型的数据集，并使用数据集训练出误检模型，再检验模型的分类效果。通过对比模型分类结果和原标签类型，可以判断其是否存在误检问题，并能准确定位到图像对应的label文件中对应的标签数据行进行病害类型修正。本发明训练了能够自动区分不同路面病害类型的误检模型，可以定位需要修改的标签数据位置，能够改善路面病害目标检测结果图像的误检情况。
-
公开(公告)号：CN116894843B
公开(公告)日：2023-11-17
申请号：CN202311161710.8
申请日：2023-09-11
Applicant: 西南林业大学
Abstract: 本发明涉及图像处理技术领域，尤其涉及一种基于感知哈希算法和区块链的普洱茶信息溯源方法。所述方法包括：在接收到校验请求时，基于感知哈希算法，识别待校验茶饼图像上的待校验纹理码；将所述的待校验纹理码与存储于区块链上的参考纹理码进行比对，确定是否存在与所述待校验茶饼图像相匹配的目标茶饼信息；若存在，向请求发送端输出所述目标茶饼信息。基于图像处理的区块链技术，利用计算机视觉的方法调节和分割图像，区块链的去中心化、不可篡改、可追溯等特性，提高了普洱茶的溯源效率和可信度，解决了如何提高普洱茶信息溯源的可靠性的问题。
-
公开(公告)号：CN108961036A
公开(公告)日：2018-12-07
申请号：CN201810609857.1
申请日：2018-06-13
Applicant: 云南电网有限责任公司昆明供电局 , 西南林业大学
CPC classification number: G06Q40/025 , G06Q50/06
Abstract: 本申请公开了一种电力欠费风险预测方法及装置。该方法包括采集目标用电用户的用电信息；确定所述目标用电用户的信用信息；根据所述用户信息和信用信息建立风险预测模型；通过所述风险预测模型预测出所述目标用电用户的电力欠费风险等级；以及根据所述电力欠费风险等级预测所述目标用电用户的欠费概率。本申请解决了电力欠费无法进行准确预测的技术问题。通过大数据分析结果形成对设备定检及故障判断的数据依据，为电力安全运行及设备检修投退提供决策支持依据。
-
公开(公告)号：CN119540639A
公开(公告)日：2025-02-28
申请号：CN202411681721.3
申请日：2024-11-22
Applicant: 西南林业大学
IPC: G06V10/764 , G06V10/774 , G06V20/56 , G06V10/82 , G06N3/04 , G06N3/08
Abstract: 本发明涉及一种面向路面病害目标检测的漏检检测方法，属于公路路面病害检测与质量控制领域。本发明提出了一种“路面补全”图像处理技术，可以将任意bounding box统一替换成正常的路面，同时制作出漏检模型的数据集，并训练漏检模型。漏检模型可以自动检测图片中除了bounding box之外的区域是否存在较大和明显的病害漏检问题，为后续的病害补充标记工作做好前提准备。本发明方法可以自动化地改善路面病害目标检测结果图片中的病害漏检情况。
-
公开(公告)号：CN119251225B
公开(公告)日：2025-02-28
申请号：CN202411773613.9
申请日：2024-12-05
Applicant: 西南林业大学
Abstract: 本申请公开了一种基于改进RT‑DETR的公路路面裂缝检测方法，涉及路面病害检测领域。该方法包括基于路面裂缝图像构建路面裂缝样本集；基于高低频注意力机制对RT‑DETR模型进行改进；基于所述路面裂缝样本集对改进后的RT‑DETR模型进行训练，获取裂缝检测模型；基于所述裂缝检测模型对采集到的路面图像进行检测，确定所述路面图像中的目标裂缝，本发明有效解决了在复杂路面情况下裂缝特征提取困难的问题，同时需要处理图像中的噪声、阴影、纹理等干扰因素，导致路面裂缝识别的通用性以及准确性不佳的技术问题，实现了提高路面裂缝特征提取精度，统一路面病害检测标准的技术效果。
-
-
-
-
-
-
-
-
-
Search Results
19
records
(took 0.047 seconds)
