-
公开(公告)号：CN119888718A
公开(公告)日：2025-04-25
申请号：CN202411968686.3
申请日：2024-12-30
Applicant: 长安大学
IPC: G06V20/68 , G06V10/25 , G06V10/44 , G06V10/75 , G06V10/764 , G06V10/766 , G06V10/82 , G06N3/0464 , G06N3/045 , G06N3/082 , G06N3/096 , G06N3/0985
Abstract: 本发明公开了基于柔性特征匹配学习的新型食品异物实时检测方法，包括如下步骤：步骤1：新类别识别与扩展：将食品异物图像数据集输入到新异物学习模块；步骤2：传入任务隔离模块；步骤3：异物知识柔性匹配；步骤4：异物候选特性矩阵的生成；步骤5：异物区域聚焦；步骤6：自适应权重计算模块：根据前面阶段的反馈和任务的重要性动态调整模型的权重。本发明通过基于柔性特征匹配学习的方法实现对新异物类别的快速识别与学习，同时避免灾难性遗忘，并在检测流程中优化模型，提升其跨场景适应性和实时反馈能力。且能够有效提高食品异物检测的准确性、效率和适应性，具有广泛的应用前景，尤其在食品生产线等实时检测场景中具有重要的商业价值。
-
公开(公告)号：CN119738887A
公开(公告)日：2025-04-01
申请号：CN202411669404.X
申请日：2024-11-21
Applicant: 长安大学
Abstract: 本发明公开了基于雷达信号多特征融合的隐性裂缝自动检测方法，包括如下步骤：步骤1，对实际公路路段进行采集，获取探地雷达原始数据；步骤2，探地雷达信号数据的处理和多特征探地雷达数据集的构建；步骤3，基于Swin Transformer优化的二阶段贯通裂缝检测模型设计；步骤4，基于Swin Transformer‑YOLOv8优化的一阶段贯通裂缝检测模型设计。本发明能够更快速、更准确地识别和定位道路裂缝，减少了维护时间和成本，降低了由于裂缝导致的路面塌陷等安全风险，增强了模型对不同类型裂缝的识别能力，提升了检测模型的泛化性，有利于保持道路的完整性和延长道路使用寿命，能够连续监测道路状况，实时提供裂缝检测数据，为道路维护决策提供科学依据，提高了道路使用安全性。
-
公开(公告)号：CN119669680A
公开(公告)日：2025-03-21
申请号：CN202411722449.9
申请日：2024-11-28
Applicant: 长安大学
IPC: G06F18/20 , G01S13/88 , G06F18/2131 , G06F18/214 , G06F18/25 , G06V10/25 , G06V10/44 , G06V10/52 , G06V10/80 , G06V10/82 , G06N3/0455 , G06N3/0464 , G06N3/084
Abstract: 本发明公开了基于探地雷达和Swin Transformer优化的轻量化裂缝贯通程度检测方法，包括如下步骤：步骤1，采集探地雷达数据，并进行预处理和特征提取；步骤2，构建多特征融合的数据集；步骤3，设计基于Swin Transformer优化的二阶段贯通裂缝检测模型；步骤4，设计基于Swin Transformer‑YOLOv8优化的一阶段贯通裂缝检测模型；步骤5，根据步骤3和步骤4中的模型架构对训练集和测试集数据进行训练、预测。本发明提高了裂缝贯通程度检测的准确性，为道路维护提供了科学依据；大幅提高了检测速度，满足了大面积快速检测的需求；降低了计算复杂度，减轻了设备性能压力，提高了检测效率；增强了模型的泛化能力，可以适应不同道路条件；促进了智能化道路检测技术的发展。
-
公开(公告)号：CN119090062A
公开(公告)日：2024-12-06
申请号：CN202411130395.7
申请日：2024-08-16
Applicant: 长安大学
IPC: G06Q10/04 , G06Q50/06 , G06F18/213 , G06F18/214 , G06N3/0464 , G06N3/0455 , G06N3/049 , G06N3/08 , H02J3/00
Abstract: 本发明提供融合时间动态特征与因果机制的风电功率预测方法，涉及可再生能源和时间序列预测技术领域。此方法包括：对历史风电数据进行预处理，得到风电功率的相关变量，对历史风电数据进行分解并与风电功率的相关变量进行拼接，得到多尺度特征；对多尺度特征按照时间滑窗进行划分，得到时间多尺度动态特征；将第一时间多尺度动态特征输入训练好的风电深度神经网络预测模型，以输出风电功率的预测值。这样，对历史风电数据进行分解，并与风电功率的相关变量进行拼接，实现并行拼接处理，提高风电预测的效率；风电功率的预测值所利用的是改进的Transformer模型，采用了时序编码层和膨胀因果卷积层，提升风电预测的精度。
-
公开(公告)号：CN117613993A
公开(公告)日：2024-02-27
申请号：CN202311369082.2
申请日：2023-10-20
Applicant: 长安大学
IPC: H02J3/38 , H02J3/46 , H02J3/28 , H02J3/32 , H02J3/00 , G06Q10/0631 , G06N3/0442 , G06N3/043 , G06N3/045 , G06Q50/06
Abstract: 本发明公开了一种公路微电网风光氢蓄储系统的日内优化调度方法，包括：采集公路基础设施区域内的原始气象数据并进行预处理，得到多维规范后的原始气象数据；将多维规范后的原始气象数据输入经训练的FRS‑LSTM模型中，预测未来一天的气象数据，并根据预测的气象数据获得日内风光机组的发电功率；采集公路基础设施中各类用电系统的负荷数据进行分析重组，并异构虚拟电厂；构建改进的Pareto多目标优化调度模型；将异构虚拟电厂内部各模块设备的可参与调度情况输入多目标优化调度模型，获得风光氢蓄储系统的日内最佳优化调度决策。本发明能够有效提升公路基础设施的智能化管理，提高微电网的运行效率、供电可靠性和新能源消纳率。
-
Patent Agency Ranking
公开(公告)号：CN111860596B
公开(公告)日：2023-11-07
申请号：CN202010553028.3
申请日：2020-06-17
Applicant: 长安大学
IPC: G06V10/762 , G06V10/774 , G06V10/82 , G06N3/0464
Abstract: 本发明属于路面裂缝分类领域，公开了一种基于深度学习的无监督路面裂缝分类模型建立方法，包括如下步骤：获取待分类图片数据集；建立AlexNet网络模型并初始化模型的超参数、权重参数及偏置项；将待分类图片数据集输入AlexNet网络模型中，获得高维特征向量集；对高维特征向量集利用快速峰值算法进行聚类，获得伪标签集；利用待分类图片数据集和伪标签集对AlexNet网络模型进行训练，训练完成的模型即为无监督路面裂缝分类模型。本发明将无监督聚类算法引入深度神经网络对路面裂缝图像数据进行处理，进而去掉数据标注的任务，不仅对于深度神经网络而言具有重要意义，并且在无监督视觉特征学习任务上也是一个重大的突破。
-
公开(公告)号：CN115545389A
公开(公告)日：2022-12-30
申请号：CN202210784453.2
申请日：2022-07-05
Abstract: 本申请涉及一种应急调度方法、装置、计算机设备、存储介质和计算机程序产品。所述方法包括：获取应急事件的事件信息；所述事件信息包括事故类型和事故灾情；根据所述事件信息，在人员调度知识库数据库中进行检索得到人员调度方案；所述人员调度方案包括任务调度信息、应急人员需求信息和应急物资需求信息；基于所述应急人员需求信息和所述应急物资需求信息，在应急资源库中进行筛选并分别得到人员调度信息和物资调度信息；对所述任务调度信息、所述人员调度信息和所述物资调度信息进行格式化处理，输出人员调度指令。采用本方法能够有效提高应急处置效率。
-
公开(公告)号：CN113283495A
公开(公告)日：2021-08-20
申请号：CN202110559947.6
申请日：2021-05-21
Applicant: 长安大学
Abstract: 本发明公开了一种集料颗粒分档方法及其装置，方法包括：获取集料颗粒2D/3D特征数据集；根据所述集料颗粒2D/3D特征数据集构建若干2D/3D特征的子数据集；构建基于高斯过程的集料分档模型；将所述若干2D/3D特征的子数据集输入至基于高斯过程的集料分档模型进行模型确认，得到最终的基于高斯过程的集料分档模型；将待分档集料颗粒输入至所述最终的基于高斯过程的集料分档模型得到分档结果。本发明综合考虑集料颗粒2D/3D特征数据，并采用基于高斯过程的机器学习集料分档算法进行分档预测，从而大幅提高了集料颗粒分档的精度。
-
公开(公告)号：CN109166125B
公开(公告)日：2021-03-12
申请号：CN201810737688.X
申请日：2018-07-06
Applicant: 长安大学
Abstract: 本发明公开了一种基于多边缘融合机制的三维深度图像分割算法，包括以下步骤：获取集料颗粒的深度图像并进行预处理，得到预处理后的深度图，对预处理后的深度图提取边缘图像，并进行细化处理；利用被遮挡区域边缘图像与细化处理后的图像进行第一次融合，利用第一次融合后的图像与补全缺失数据后的集料颗粒边缘图像进行第二次融合；然后采用分水岭算法进行集料颗粒的分割。本发明针对颗粒深度图像由于被遮挡而产生的深度数据缺失问题，采用两次融合的方法的形成了颗粒边缘图像，补全了缺失边缘，从而保证了颗粒形态和棱角特征的完整性；对分水岭算法中的种子区域标定和距离变换函数的进行了优化选择，有效地减少了分割中的过分割和欠分割问题。
-
公开(公告)号：CN112365117A
公开(公告)日：2021-02-12
申请号：CN202010913456.2
申请日：2020-09-03
Applicant: 中交西安筑路机械有限公司 , 长安大学
Abstract: 本发明公开了一种基于优化支持向量机的路面结构性能计算方法，利用动态微粒寻优算法优化支持向量机模型参数，其方法包括，首先在模型待寻优参数空间初始化一群微粒，每一个微粒代表参数优化问题的一个潜在最优解，以位置和速度列表对每一个微粒进行表征，然后利用支持向量机对路面结构性能进行计算，以pbest表征某个微粒在动态运动过程中的历史最优位置，以gbest表征所有微粒的历史最优位置，更新微粒个体的位置和速度，根据更新的微粒位置参数返回计算每个微粒的适应度值，然后转入依据适应度值的变化更新微粒个体自身运动最优值和全局运动最优值以及适应度值，最后进行迭代寻优。能够更好地评估路面的整体性能。
-
-
-
-
-
-
-
-
-
Search Results
181
records
(took 0.045 seconds)
