-
公开(公告)号：CN119437373A
公开(公告)日：2025-02-14
申请号：CN202411778470.0
申请日：2024-12-05
Applicant: 青岛清万水技术有限公司 , 西北工业大学
IPC: G01F25/10
Abstract: 本发明公开了一种超声流量计内部淤积检测方法、系统与设备，涉及超声波检测技术领域，包括步骤：获取河道中超声流量计多个声道的超声波信号；通过每个声道的超声波信号变化情况分析每个声道的工作状态，将工作状态中出现水流阻塞的情况识别为错误状态，并对规定时间段的错误状态和所有工作状态进行累计计数；通过对规定时间段的所述错误状态计数值与所有工作状态计数值作比，获得所有声道在规定时间范围内的错误状态占比，并将错误状态占比与预设的淤积预警阈值进行大小对比，通过对比结果判断每个声道的淤积状态。本发明通过由淤积产生信号的强弱来表征每个区域淤积的状态，提高了河道每个区域在淤积检测时的准确性。
-
公开(公告)号：CN118013158B
公开(公告)日：2024-07-30
申请号：CN202410416815.1
申请日：2024-04-08
Applicant: 西北工业大学 , 青岛清万水技术有限公司
Abstract: 本发明提供了一种壳菜生长影响测流精度的校准方法及装置，读取设置于待测输水管道的超声波流量计内置的管道内径和实时测量的瞬时流量，以及壳菜生长厚度数据，从而计算得到实际流量。本发明通过运算自动校准待测管道内超声流量计的测量误差，为管理者提供准确可靠的实时精准流量数据，通过测算确定壳菜淤泥中的传播速度常量，通过设计以及公式推理和演算，使得管道流量校正公式仅与管壁内径与壳菜厚度的比值相关，从而使得流量得误差校正计算方便简单。
-
公开(公告)号：CN118013158A
公开(公告)日：2024-05-10
申请号：CN202410416815.1
申请日：2024-04-08
Applicant: 西北工业大学 , 青岛清万水技术有限公司
Abstract: 本发明提供了一种壳菜生长影响测流精度的校准方法及装置，读取设置于待测输水管道的超声波流量计内置的管道内径和实时测量的瞬时流量，以及壳菜生长厚度数据，从而计算得到实际流量。本发明通过运算自动校准待测管道内超声流量计的测量误差，为管理者提供准确可靠的实时精准流量数据，通过测算确定壳菜淤泥中的传播速度常量，通过设计以及公式推理和演算，使得管道流量校正公式仅与管壁内径与壳菜厚度的比值相关，从而使得流量得误差校正计算方便简单。
-
公开(公告)号：CN117456349B
公开(公告)日：2025-02-11
申请号：CN202311126641.7
申请日：2023-12-03
Applicant: 西北工业大学 , 西北工业大学深圳研究院
IPC: G06V20/10 , G06V10/774 , G06V10/764 , G06V10/82 , G06N3/0464
Abstract: 本发明公开了一种基于伪样本学习的无监督SAR与光学图像变化检测方法，通过构建伪样本直接学习变化知识，不断提高伪样本集的质量，巩固和泛化学到的知识来提高网络的可靠性。首先构建伪样本集和真实样本训练集，再构建双分支U‑Net网络，然后对网络的伪样本学习分支和真实样本学习分支分别进行训练，若干次训练后，将双时图像分别输入到网络的两个编码器中，解码器输出变化概率图，最后使用加权融合的方法融合三个概率图，再进行阈值分割，得到最终的检测二值图。本发明通过构造变化区域构建了有标签数据集用来训练网络，避免了传统无监督变化检测方法复杂的特征设计，简化了训练流程。
-
公开(公告)号：CN117456349A
公开(公告)日：2024-01-26
申请号：CN202311126641.7
申请日：2023-12-03
Applicant: 西北工业大学 , 西北工业大学深圳研究院
IPC: G06V20/10 , G06V10/774 , G06V10/764 , G06V10/82 , G06N3/0464
Abstract: 本发明公开了一种基于伪样本学习的无监督SAR与光学图像变化检测方法，通过构建伪样本直接学习变化知识，不断提高伪样本集的质量，巩固和泛化学到的知识来提高网络的可靠性。首先构建伪样本集和真实样本训练集，再构建双分支U‑Net网络，然后对网络的伪样本学习分支和真实样本学习分支分别进行训练，若干次训练后，将双时图像分别输入到网络的两个编码器中，解码器输出变化概率图，最后使用加权融合的方法融合三个概率图，再进行阈值分割，得到最终的检测二值图。本发明通过构造变化区域构建了有标签数据集用来训练网络，避免了传统无监督变化检测方法复杂的特征设计，简化了训练流程。
-
Patent Agency Ranking
公开(公告)号：CN117058009A
公开(公告)日：2023-11-14
申请号：CN202310740976.1
申请日：2023-06-21
Applicant: 西北工业大学深圳研究院 , 西北工业大学
IPC: G06T5/00 , G06V10/774 , G06V10/82 , G06V10/84 , G06N3/0464 , G06N3/048 , G06N3/08
Abstract: 本发明公开了一种基于条件扩散模型的全色锐化方法，该模型包括正向加噪过程和反向去噪过程，算法的正向加噪过程通过马尔科夫链过程逐步将训练数据加噪为高斯噪声，反向去噪过程从高斯噪声出发，通过噪声预测网络的输出，逐步去噪采样得到高分辨率的多光谱图像；本方法使用细节信息(全色图像与上采样多光谱图像的差)作为条件，引导逆向去噪过程的从高斯噪声生成全色图像和多光谱图像的融合结果。训练好的噪声预测网络通过反向马尔科夫链过程进行多轮去噪迭代，生成最终的融合结果。本发明得到的融合结果空间和光谱信息保真度高，显著提高了噪声预测的精度。
-
公开(公告)号：CN117173701B
公开(公告)日：2024-11-05
申请号：CN202311029793.5
申请日：2023-08-14
Applicant: 西北工业大学
IPC: G06V20/70 , G06V10/26 , G06V10/774 , G06V10/778 , G06V10/762 , G06V10/764 , G06V10/77 , G06V10/82 , G06N3/045 , G06N3/0464 , G06N3/048 , G06N3/091 , G06N3/096 , G06N3/0895 , G06N3/084 , G06N3/0985
Abstract: 本发明公开了一种基于超像素特征表征学习的语义分割主动学习方法，设计一个特征提取头来提取主干网络输出的特征，输出逐像素的特征向量，通过特征存储库存储历史类别的特征向量，通过难样本挖掘技术选择对比学习中的正负样本，应用INFONCE损失使得同类间的特征向量靠近，不同类的向量远离。在样本选择方面，通过特征存储库中的向量对UMAP算法进行训练，然后经过超像素分割的未标记的图像区域的特征向量进行降维，再通过Kmeans算法进行聚类，在各个簇中根据熵值选择需要标记的超像素块，以此通过最少的标注数据达到最好的分割性能。实验表明，仅通过8％的有标记数据即可达到全标记数据的95％的性能，领先于现有的应用于语义分割的主动学习的方法。
-
公开(公告)号：CN115146700B
公开(公告)日：2024-03-12
申请号：CN202210558117.6
申请日：2022-05-21
Applicant: 西北工业大学
IPC: G06F18/214 , G06F18/24 , G06N3/0455 , G01C13/00 , G01W1/14
Abstract: 本发明公开了一种基于Transformer序列到序列模型的径流预测方法，首先准备好数据集，读入数据并进行预处理，得到可用的序列数据；其次将经过预处理的数据集划分成训练集、验证集、测试集三个互斥的子集；然后构建Transformer序列到序列模型；接着定义损失函数和优化器，并训练模型；最后对训练完成的模型进行测试。数据集上的实验结果表明，相对于已有的基于数据驱动的序列到序列模型比较，本发明获得的径流预测结果具有较高的预测精度。
-
公开(公告)号：CN114841244B
公开(公告)日：2024-03-12
申请号：CN202210352519.0
申请日：2022-04-05
Applicant: 西北工业大学
IPC: G06V10/764 , G06V10/774
Abstract: 本发明公开了一种基于鲁棒采样和混合注意力金字塔的目标检测方法，包括步骤：基于输入图像生成的候选样本框集合设计鲁棒性训练样本采样策略，构建鲁棒性更强的正负训练样本集合；利用正负训练样本集合对全卷积目标检测网络模型进行训练，将空间注意力机制和通道注意力机制与全卷积目标检测网络模型中的金字塔特征提取模块进行融合，设计出多种结构的混合注意力特征金字塔模块；设计出由教师‑学生模型指导的基于分类分支和回归分支感知引导的修正损失函数。通过构建采用修正中心度质量评估损失函数的全卷积目标检测网络模型，在自然场景数据集和城市场景数据集上提高了检测精度，可以应用于复杂的目标检测场景中。
-
公开(公告)号：CN117610696A
公开(公告)日：2024-02-27
申请号：CN202310219093.6
申请日：2023-03-08
Applicant: 西北工业大学
Abstract: 本发明涉及一种利用不同属性跨数据集的径流预测方法，属于径流预测技术领域。首先，消除了各个国家或地区的降雨‑径流数据集的结构差异，建立具有全球性质的规范化数据集；其次，构建了一种能够利用不同属性跨数据集的Transformer，充分利用了Transformer具有的灵活归纳偏置，并且能够使用跨数据集的不同属性，非自回归式解码能够一次性得到多步预测结果。因此，所训练的径流预测模型具备全球性径流预测的先验知识，具备通用性、易于迁移学习，适用于跨数据集、少数据甚至无数据情况下的径流预测。
-
-
-
-
-
-
-
-
-
Search Results
54
records
(took 0.044 seconds)
