-
公开(公告)号：CN119540181A
公开(公告)日：2025-02-28
申请号：CN202411599788.2
申请日：2024-11-11
Applicant: 贵州大学
IPC: G06T7/00 , G06V20/10 , G06V20/70 , G06V10/82 , G06V10/44 , G06V10/74 , G06N3/0455 , G06N3/0475 , G06N3/0895 , G06N3/096 , G06N5/04 , G06F40/211
Abstract: 本发明公开了一种基于概念增强的零样本植物病害图像表征描述生成方法，包括：获取植物病害图像；基于所述植物病害图像，获取植物病害图像表征描述数据集和原始文本；基于所述表征描述数据集，获取支持文本；基于所述支持文本和原始文本，构建依存结构有向图，其中，所述依存结构有向图用于表明所述支持文本和原始文本之间的对应依存关系；根据所述依存结构有向图，获取关键概念对；将所述关键概念对输入至大型语言LLAMA3模型，获取真实描述文本。本发明旨在改善植物病理形状描述的准确性和全面性，弥补当前众多方法的缺陷，从而构建一个高效、准确的植物病害图像表型描述方法。
-
公开(公告)号：CN118783430A
公开(公告)日：2024-10-15
申请号：CN202410919899.0
申请日：2024-07-10
Applicant: 贵州大学
IPC: H02J3/00 , H02J3/38 , G06Q10/063 , G06Q50/06 , G06N3/006 , G06N3/0442 , G06N3/048 , G06N3/084 , G06F17/14
Abstract: 本发明提出了一种基于改进猎人猎物优化算法与VMD‑LSTM的超短期风电功率预测方法，包括：获取风电场的风电功率历史数据；对所述风电功率历史数据进行分解，获取若干数据子序列，其中，所述数据子序列具有K个不同频率尺度；基于所述风电功率历史数据，对风电功率预测模型进行训练，获取最终的风电功率预测模型；其中，所述风电功率预测模型基于LSTM模型构建，并在训练过程中，利用改进后的猎人猎物优化算法，对LSTM模型进行参数寻优；基于所述最终的风电功率预测模型进行超短期风电功率预测。本发明能够提高超短期风电功率预测的精度。
-
公开(公告)号：CN119339156A
公开(公告)日：2025-01-21
申请号：CN202411635304.5
申请日：2024-11-15
Applicant: 贵州大学
IPC: G06V10/764 , G06V10/44 , G06V10/82 , G06N3/0464 , G06N3/08
Abstract: 本发明涉及图像处理技术领域，特别是涉及一种基于空‑频域层次学习的小样本细粒度图像分类方法，包括：获取待识别植物病害图像；将所述待识别植物病害图像输入预设的病害分类模型中，获取植物病害识别结果，其中，所述病害分类模型用于将植物病害图像中的空域特征和频域特征进行层级融合，识别植物病害。本发明能够缓解现有方法过度进行细粒度学习而导致泛化能力不足的问题，尤其是对以细微并且大小不一又分散的判别性特征为代表的病害数据更加有针对性，可以在实际的生产活动中检测植物的病害识别问题，降低成本。
-
公开(公告)号：CN118823430A
公开(公告)日：2024-10-22
申请号：CN202410790254.1
申请日：2024-06-19
Applicant: 贵州大学
IPC: G06V10/764 , G06V10/32 , G06N3/0464 , G06V10/82 , G06N3/084 , G06N3/0985
Abstract: 本发明公开了一种轻量化图像分类方法，包括获取用于分类的图像数据集，并对图像数据集进行预处理；构建基于结构重参数化和深度可分离卷积的轻量化图像分类网络模型，利用预处理后的图像数据集进行模型训练；利用训练后的基于结构重参数化和深度可分离卷积的轻量化图像分类网络模型对待分类图像进行分类，得到待分类图像的分类结果。本发明提出的方法使用了包含非对称卷积等的高效多分支结构，避免损失特征图的原始信息，并使用结构重参数化方法，实现了训练时间和推理时间的解耦，在提高特征提取能力的同时缩短了推理时间；并且在模型模块设计时使用深度可分离卷积替代了普通卷积，减小了计算量和参数量。
-
公开(公告)号：CN119359476B
公开(公告)日：2025-04-22
申请号：CN202411936605.1
申请日：2024-12-26
Applicant: 贵州大学
IPC: G06Q50/02 , G06N5/02 , G06N5/025 , G06F18/24 , G06F18/22 , G06F16/903 , G06N3/0464 , G06N3/0895
Abstract: 本发明公开了一种基于病害农药知识图谱的长尾病害识别用药一体化方法，包括：构建病害农药信息库，病害农药知识图谱构建；识别模型搭建，获取长尾病害数据、对数据进行统一处理，一阶段模型训练，强化原型对比学习，二阶段模型训练使用类平衡损失和tau Norm来调整长尾病害分类器；根据长尾病害分类器得到的分类结果，从病害农药知识图谱进行查询相应的农药。本发明能实现对长尾病害的精准识别与用药推荐。
-
Patent Agency Ranking
公开(公告)号：CN118785544A
公开(公告)日：2024-10-15
申请号：CN202410799713.2
申请日：2024-06-20
Applicant: 贵州大学
Abstract: 本发明公开了一种用于三维空间监测的异构无线传感器网络覆盖方法，包括：获取待监测的三维空间尺寸和障碍物尺寸；将三维空间尺寸和障碍物尺寸输入异构无线传感器网络覆盖模型，输出非支配覆盖方案；其中，异构无线传感器网络覆盖模型通过3D异构无线传感器覆盖优化模型进行优化，3D异构无线传感器覆盖优化模型通过在蜘蛛蜂优化器中加入融合目标分布密集度的非支配排序方法求解多目标优化结果。本发明有效的提升了三维空间中异构无线传感器网络的覆盖效果，有效的提升了覆盖率和网络连通性，并降低了节点能耗。
-
公开(公告)号：CN118785096A
公开(公告)日：2024-10-15
申请号：CN202410799763.0
申请日：2024-06-20
Applicant: 贵州大学
Abstract: 本发明涉及基于改进秃鹰搜索算法的室内无线传感器网络定位方法，包括：S1、获取待定位相关参数，根据待定位相关参数，引入Singer混沌映射初始化种群，计算种群初始化后的适应度函数，获取种群的初始节点坐标；S2、对种群的初始节点坐标进行更新，引入正余弦因子和反向学习策略寻找最优解，获取当前节点坐标；S3、设置终止条件，重复步骤S2，直至满足终止条件，输出当前节点坐标作为最终节点坐标。本发明以待定位的传感器的定位精度作为优化目标，通过构建适应度函数，将TDOA定位问题和改进的秃鹰搜索算法结合起来，对秃鹰搜索算法引入了Singer混沌映射，构造非线性加速度系数，有利于算法的寻优。
-
公开(公告)号：CN118780174A
公开(公告)日：2024-10-15
申请号：CN202410989806.1
申请日：2024-07-23
Applicant: 贵州大学
IPC: G06F30/27 , G06N3/006 , G06F111/04 , G06F111/08 , G06F113/06 , G06F119/02
Abstract: 本发明公开了一种基于灰狼优化算法的海上风电场运维方案优化方法，包括以下步骤：收集风电机组零部件的历史故障数据和退化模式，构建时变可靠性模型；基于广义多项式混沌展开方法，构建代理模型；基于代理模型的展开系数和正交基函数，计算前四阶原点矩，然后引入最大熵原理获得零部件的概率密度函数，基于概率密度函数对时变可靠性模型进行更新；将更新后的时变可靠性模型引入离散化的混合灰狼优化算法，确定各零部件的最佳运维时间窗以及成本效益最高的运维路线，完成运维方案优化。本发明通过采用先进的时变可靠性模型和代理模型技术，显著提升了海上风电场运维方案的预测准确性，通过混合灰狼优化算法有效降低了整体运维成本。
-
公开(公告)号：CN120012577A
公开(公告)日：2025-05-16
申请号：CN202510090762.3
申请日：2025-01-21
Applicant: 贵州大学
IPC: G06F30/27 , G06N20/10 , G06N20/20 , G06F111/06
Abstract: 本发明公开了一种基于群体智能优化算法的光伏发电系统参数辨识方法及系统，方法包括：获取光伏发电系统的历史运行数据，建立包含环境因素影响的数据集，构建光伏发电量预测模型；采用粒子群优化算法初始化参数搜索空间，模拟计算光伏系统输出功率；建立光伏系统输出功率与环境因素的非线性映射关系，计算得到系统输出功率预测值；通过随机森林算法评估各参数对系统输出功率的重要性，筛选出关键参数；将优化后的参数值代入光伏发电量预测模型，计算系统输出功率，将输出功率与实测值进行对比，若二者误差在允许范围内，则输出最终的参数辨识结果。本发明提高了光伏发电系统参数辨识的准确性和效率。
-
公开(公告)号：CN119988798A
公开(公告)日：2025-05-13
申请号：CN202510083982.3
申请日：2025-01-20
Applicant: 贵州大学
IPC: G06F17/11 , G06F18/213 , G06F18/25 , G06N3/084 , G06N3/0985 , G06N3/092 , G06F7/78
Abstract: 本发明公开了一种基于深度强化学习的风力发电机组参数辨识方法及系统，该方法包括：获取初始数据集；提取所述初始数据的机械特征、电气特征和控制特征；根据所述机械特征、电气特征和控制特征，建立对应的机械子系统模型、电气子系统模型和控制子系统模型；分析所述机械子系统模型、电气子系统模型和控制子系统模型之间的动态耦合关系，获取耦合矩阵；根据所述耦合矩阵，对所述机械子系统模型、电气子系统模型和控制子系统模型进行耦合，获取综合数学模型；根据所述综合数学模型进行风力发电机参数辨识，获取识别结果。本发明实现了风力发电机组的精确建模和参数辨识，为优化机组性能和预测性维护提供了重要支持。
-
-
-
-
-
-
-
-
-
Search Results
19
records
(took 0.016 seconds)
