-
公开(公告)号:CN114581719B
公开(公告)日:2024-09-06
申请号:CN202210235285.1
申请日:2022-03-10
Applicant: 西安交通大学
IPC: G06V10/764 , G06V10/774 , G06V10/82 , G06N3/045 , G06N3/08
Abstract: 一种基于带噪学习的珠光体球化智能评级方法,包括如下步骤:收集耐热钢金相图像,组成原始数据集;在原始数据集上训练深度学习模型,以获得噪声过滤模型;设置置信阈值,使用噪声过滤模型将原始数据集分为噪声样本和正确样本;在正确样本集合上训练深度学习模型,获得分类模型;使用分类模型进行珠光体球化评级;本发明与常规的基于深度学习的珠光体球化评级方法相比,可有效降低标签噪声带来的负面影响,提高了珠光体球化评级的效率和准确率。
-
公开(公告)号:CN109584208B
公开(公告)日:2021-02-02
申请号:CN201811237173.X
申请日:2018-10-23
Applicant: 西安交通大学
Abstract: 本发明公开了一种针对工业结构缺陷智能识别模型的检验方法,包括步骤:1)预备阶段,通过图像采集、整理与筛选形成检验数据集,对每一张图片使用矩形框标记待检对象,之后将检验数据集中的图像输入待检验识别网络,获取其识别结果;2)按照工程要求选择置信度阈值,在单张图像内计算每一个置信度高于阈值的识别标记框与每一个预设答案标记框的重合度值CAr;3)构建单张图像的重合度矩阵;4)按照工程要求选择重合度阈值,并判断识别框正误并统计数量;5)计算得到评估模型的识别检出率与准确率。本发明能够克服传统mAP检验方法在计算多尺度可分割目标识别效果时,识别框大范围抖动重叠导致的模型评估结果失真问题。
-
公开(公告)号:CN114581719A
公开(公告)日:2022-06-03
申请号:CN202210235285.1
申请日:2022-03-10
Applicant: 西安交通大学
IPC: G06V10/764 , G06V10/774 , G06V10/82 , G06K9/62 , G06N3/04 , G06N3/08
Abstract: 一种基于带噪学习的珠光体球化智能评级方法,包括如下步骤:收集耐热钢金相图像,组成原始数据集;在原始数据集上训练深度学习模型,以获得噪声过滤模型;设置置信阈值,使用噪声过滤模型将原始数据集分为噪声样本和正确样本;在正确样本集合上训练深度学习模型,获得分类模型;使用分类模型进行珠光体球化评级;本发明与常规的基于深度学习的珠光体球化评级方法相比,可有效降低标签噪声带来的负面影响,提高了珠光体球化评级的效率和准确率。
-
公开(公告)号:CN113837269A
公开(公告)日:2021-12-24
申请号:CN202111111864.7
申请日:2021-09-23
Applicant: 中国特种设备检测研究院 , 西安交通大学
Abstract: 基于双线性卷积神经网络的金相组织识别方法,包括如下步骤:(1)采集金相图片构成数据集;(2)将数据集划分训练集和测试集,使用训练集数据训练两个不同的卷积神经分类网络,并使用测试集数据测试网络;(3)在两个训练好的卷积神经分类网络基础上建立双线性卷积神经网络;(4)使用训练集数据训练双线性卷积神经网络;(5)使用双线性卷积神经网络识别金相组织;本发明首次将双线性模型运用到金相组织识别任务中,该模型能够提取到更加丰富的特征信息,与单一的卷积神经网络模型相比,提高了金相组织的识别准确率。
-
公开(公告)号:CN113706516A
公开(公告)日:2021-11-26
申请号:CN202111017094.X
申请日:2021-08-31
Applicant: 西安交通大学
Abstract: 本发明公开了一种金相组织识别方法、系统、设备和存储介质,采集金属材料金相图像,组成原始数据集,并划分训练集和测试集,全部样本训练下获得的第一深度学习模型用于识别多数类别的金相组织;在此基础上,使用少数类别样本对模型进行训练,根据模型的输出结果选择难识别样本。将难识别样本与少数类别样本构成新的数据集,用以训练获得第二深度学习模型,所得第二深度学习模型用于识别少数类别的金相组织。该方法通过综合使用分治、欠采样和迁移学习的方法显著提高了模型对少数类别的识别准确率。本方法易于实现,可有效提高金属材料金相组织识别与分析过程的效率和准确率。
-
公开(公告)号:CN109584208A
公开(公告)日:2019-04-05
申请号:CN201811237173.X
申请日:2018-10-23
Applicant: 西安交通大学
CPC classification number: G06T7/0004 , G06T7/11 , G06T7/136 , G06T2207/10004 , G06T2207/20021 , G06T2207/20076 , G06T2207/20081 , G06T2207/20084 , G06T2207/30108
Abstract: 本发明公开了一种针对工业结构缺陷智能识别模型的检验方法,包括步骤:1)预备阶段,通过图像采集、整理与筛选形成检验数据集,对每一张图片使用矩形框标记待检对象,之后将检验数据集中的图像输入待检验识别网络,获取其识别结果;2)按照工程要求选择置信度阈值,在单张图像内计算每一个置信度高于阈值的识别标记框与每一个预设答案标记框的重合度值CAr;3)构建单张图像的重合度矩阵;4)按照工程要求选择重合度阈值,并判断识别框正误并统计数量;5)计算得到评估模型的识别检出率与准确率。本发明能够克服传统mAP检验方法在计算多尺度可分割目标识别效果时,识别框大范围抖动重叠导致的模型评估结果失真问题。
-
公开(公告)号:CN116283988B
公开(公告)日:2023-12-22
申请号:CN202310278324.0
申请日:2023-03-21
Applicant: 西安交通大学 , 浙江丽妮生物技术有限公司
IPC: C07D471/22 , A61P29/00
Abstract: 本发明提供一种单萜吲哚类生物碱及其制备方法、用途,属于天然产物提取技术领域。该单萜吲哚类生物碱提取分离自马钱子,其化学结构式如式Ⅰ所示。经鉴定 ,该化 合物为protostrychnine型生物碱,分子式为C21H25N2O3。经细胞实验验证,本发明提供的化合物protostrychnineA能够显著降低RAW264.7细胞上清液分泌的TNF‑α、IL‑1、IL‑6和NO的浓度,表明其具有较佳的抗炎活性,
-
公开(公告)号:CN116283988A
公开(公告)日:2023-06-23
申请号:CN202310278324.0
申请日:2023-03-21
Applicant: 西安交通大学
IPC: C07D471/22 , A61P29/00
Abstract: 本发明提供一种单萜吲哚类生物碱及其制备方法、用途,属于天然产物提取技术领域。该单萜吲哚类生物碱提取分离自马钱子,其化学结构式如式Ⅰ所示。经鉴定,该化合物为protostrychnine型生物碱,分子式为C21H25N2O3。经细胞实验验证,本发明提供的化合物protostrychnineA能够显著降低RAW264.7细胞上清液分泌的TNF‑α、IL‑1、IL‑6和NO的浓度,表明其具有较佳的抗炎活性,
-
公开(公告)号:CN115093426A
公开(公告)日:2022-09-23
申请号:CN202210899681.4
申请日:2022-07-28
Applicant: 西安交通大学
IPC: C07D491/056 , C07J73/00 , A61P35/00
Abstract: 本发明公开了一种从拐枣七中提取分离苯并菲啶类对映异构体生物碱的方法和应用,该方法是将拐枣七原料经过回流提取、浓缩、分离、纯化,得到6R‑carboxymethyl‑dihydrochelerythrine和6S‑carboxymethyl‑dihydrochelerythrine,该方法从拐枣七中成功提取分离出一对苯并菲啶类对映异构体生物碱,本方法操作简单、提取率和纯度均较高,实现了结构相似度大、难分离的一类化合物的分离,尤其是消旋体的拆分,进一步丰富了对拐枣七中异喹啉类物质基础的认识,本方法提取分离得到的6S‑carboxymethyl‑dihydrochelerythrine具有一定的体外抑制MCF‑7乳腺癌细胞增殖的作用,为后续开发新型抗乳腺癌药物或先导化合物提供了实验依据。
-
公开(公告)号:CN113706516B
公开(公告)日:2024-04-02
申请号:CN202111017094.X
申请日:2021-08-31
Applicant: 西安交通大学
IPC: G06T7/00 , G06V10/764 , G06N3/04 , G06N3/006
Abstract: 本发明公开了一种金相组织识别方法、系统、设备和存储介质,采集金属材料金相图像,组成原始数据集,并划分训练集和测试集,全部样本训练下获得的第一深度学习模型用于识别多数类别的金相组织;在此基础上,使用少数类别样本对模型进行训练,根据模型的输出结果选择难识别样本。将难识别样本与少数类别样本构成新的数据集,用以训练获得第二深度学习模型,所得第二深度学习模型用于识别少数类别的金相组织。该方法通过综合使用分治、欠采样和迁移学习的方法显著提高了模型对少数类别的识别准确率。本方法易于实现,可有效提高金属材料金相组织识别与分析过程的效率和准确率。
-
-
-
-
-
-
-
-
-