-
公开(公告)号：CN116228681B
公开(公告)日：2025-03-18
申请号：CN202310061279.3
申请日：2023-01-19
Applicant: 中南大学
Abstract: 本发明适用于图像处理技术领域，提供了一种基于图像多级特征匹配的烧结矿粒智能计数方法，包括：获取破碎机破碎后的矿粒做自由下落运动的视频数据；提取视频数据中第K帧矿粒图像和第K+1帧矿粒图像内每个矿粒的形态特征，并基于动力学模型及提取到的形态特征，通过多级特征匹配追踪第K帧矿粒图像内每个矿粒在第K+1帧矿粒图像中的形态特征，得到视频数据中每个矿粒对应的面积初步确定结果；分别针对视频数据中每个矿粒，根据该矿粒对应的所有面积初步确定结果确定该矿粒的最大面积；根据预设矿粒面积阈值以及每个矿粒的最大面积，对每个矿粒进行粒径划分，并统计不同粒径包含的矿粒个数。本发明能提高烧结矿粒计数的准确度。
-
公开(公告)号：CN119168454A
公开(公告)日：2024-12-20
申请号：CN202411191442.9
申请日：2024-08-28
Applicant: 中南大学
IPC: G06Q10/0639 , G06Q50/04 , G06F18/213
Abstract: 本申请适用于数据处理技术领域，提供了一种基于多层级时空关联特征的工业关键质量指标预测方法，包括：确定与关键质量指标相关的过程变量，并获取训练样本；将全流程、每个子流程分别作为一目标流程，并分别针对每个目标流程执行：从确定出的所有过程变量中筛选出目标流程对应的目标过程变量，并利用邻接矩阵模型和目标过程变量数据，获取目标流程的图邻接矩阵；利用时空依赖感知特征提取模型获取目标流程对应于训练样本的时空特征表示；基于得到的时空特征表示对邻接矩阵模型、时空依赖感知特征提取模型和预测模型进行优化；利用参数优化后的模型对预测时刻的工业关键质量指标进行预测。本申请能提升工业关键质量指标预测的精准度和可靠性。
-
公开(公告)号：CN116228681A
公开(公告)日：2023-06-06
申请号：CN202310061279.3
申请日：2023-01-19
Applicant: 中南大学
Abstract: 本发明适用于图像处理技术领域，提供了一种基于图像多级特征匹配的烧结矿粒智能计数方法，包括：获取破碎机破碎后的矿粒做自由下落运动的视频数据；提取视频数据中第K帧矿粒图像和第K+1帧矿粒图像内每个矿粒的形态特征，并基于动力学模型及提取到的形态特征，通过多级特征匹配追踪第K帧矿粒图像内每个矿粒在第K+1帧矿粒图像中的形态特征，得到视频数据中每个矿粒对应的面积初步确定结果；分别针对视频数据中每个矿粒，根据该矿粒对应的所有面积初步确定结果确定该矿粒的最大面积；根据预设矿粒面积阈值以及每个矿粒的最大面积，对每个矿粒进行粒径划分，并统计不同粒径包含的矿粒个数。本发明能提高烧结矿粒计数的准确度。
-
Patent Agency Ranking
公开(公告)号：CN119313577A
公开(公告)日：2025-01-14
申请号：CN202411454319.1
申请日：2024-10-17
Applicant: 中南大学
IPC: G06T5/60 , G06T5/77 , G06N3/0455 , G06N3/0464 , G06N3/048 , G06N3/084
Abstract: 本发明提供了一种图像修复方法及相关设备，采集现实工业恶劣环境图像和清晰环境图像，并利用清晰环境图像得到合成恶劣环境图像与现实工业恶劣环境图像输入构建的半监督模块进行训练数据筛选，得到新数据集并输入构建的师生模型分三个阶段进行训练，得到工业恶劣环境修复模型；将获取的目标工业环境图像输入工业恶劣环境修复模型进行修复，得到与目标工业环境图像对应的清晰图像；与现有技术相比，本发明通过通过半监督模块筛选训练数据，以提高模型在不同环境下的性能与泛化性；从三个不同阶段对师生模型进行训练，让模型充分学习各个恶劣环境之间的独有特征和公共特征，防止特征学习不充分，从而提高工业恶劣环境图像修复的鲁棒性。
-
公开(公告)号：CN117333069A
公开(公告)日：2024-01-02
申请号：CN202311342483.9
申请日：2023-10-17
Applicant: 中南大学
Abstract: 本公开实施例中提供了一种云边协同质量预测方法，属于数据处理技术领域，具体包括：获取预设时段内的历史工业过程数据；对预处理后的历史工业过程数据按时间窗进行分割，得到时间窗数据；在云端构建Koopman约束分层深度状态空间模型并利用时间窗数据训练；将深度状态空间模型在云端进行简化并重新训练；根据简化后模型的隐变量和预测的观测值计算统计量估计分别确定统计量Tz2,Tx2的监测阈值ηz,Tηzx2；,将简化后的模型Tx2；利用核密度部署到边端设备；在边端设备，对实际工业过程在线数据进行预处理，并得到新的时间窗数据，输入至简化模型，在线进行质量预测并计算统计量来判断模型是否适配并予以解决。通过本公开的方案，提高了模型预测精准度和可靠性。
-
公开(公告)号：CN118982276A
公开(公告)日：2024-11-19
申请号：CN202411005149.9
申请日：2024-07-25
Applicant: 中南大学
IPC: G06Q10/0639 , G06Q50/04 , G06F18/15 , G06F18/213 , G06F18/214 , G06F18/21 , G06F18/22 , G06N3/0464 , G06N3/045 , G06N3/084 , G06N3/09 , G06N3/0895 , G06N3/096
Abstract: 本申请适用于工业过程数据驱动建模技术领域，提供了一种基于即时学习的工业关键工艺指标自适应预测方法，包括：确定与工业关键工艺指标相关的过程参数，并获取离线训练数据；利用离线训练数据对教师模型进行训练，并根据训练后的教师模型对学生模型进行蒸馏学习；基于马氏距离实现即时学习相似样本集合的第一步筛选；利用训练后的学生模型对当前查询样本进行工艺指标预测，并根据预测结果和余弦相似度，实现即时学习相似样本集合的第二步筛选；利用即时学习相似样本集合对学生模型进行在线训练，得到工艺指标预测模型；利用工艺指标预测模型对当前查询样本进行工艺指标预测。本申请能够提高关键工艺指标的预测准确性。
-
公开(公告)号：CN118982275A
公开(公告)日：2024-11-19
申请号：CN202411005146.5
申请日：2024-07-25
Applicant: 中南大学
IPC: G06Q10/0639 , G06Q50/04 , G06F18/25 , G06N3/0455 , G06N3/0464 , G06N3/048
Abstract: 本申请涉及工业过程数据技术领域，提供了一种多模态感知的工业过程工艺指标预测方法。该方法包括：对非结构化数据进行特征提取得到深层特征，并对结构化数据进行编码得到浅层特征；利用第二编码器对深层特征和浅层特征进行融合得到融合特征；根据所有融合特征构建综合损失函数并对第二编码器进行优化，得到优化后的第二编码器；利用优化后的第二编码器得到最终融合特征，并利用预测模型对最终融合特征进行预测得到工艺指标预测值；基于工艺指标预测值构建预测损失函数，并对预测模型进行微调，得到优化后的预测模型；利用优化后的第二编码器、优化后的预测模型进行指标预测，得到工艺指标预测结果。本申请的方法能够提高工艺指标预测的准确性。
-
公开(公告)号：CN117496299A
公开(公告)日：2024-02-02
申请号：CN202311442141.4
申请日：2023-11-01
Applicant: 中南大学
IPC: G06V10/774 , G06V10/82 , G06T7/00 , G06T5/60 , G06T5/70 , G06N3/045 , G06N3/0464 , G06N3/084
Abstract: 本申请适用于图像处理技术领域，提供了一种缺陷图像数据的增广方法、装置、终端设备及介质，通过获取原始缺陷图像训练数据；利用原始缺陷图像训练数据对预先构建的去噪扩散概率模型进行训练，得到训练后的去噪扩散概率模型，并将原始缺陷图像训练数据输入训练后的去噪扩散概率模型，生成表面缺陷图像数据；从表面缺陷图像数据中评估出高质量图像数据，并根据高质量图像数据和原始缺陷图像训练数据，构建新表面缺陷图像数据；利用满足预设质量要求的新缺陷图像数渐进式训练去噪扩散概率模型，并利用训练好的去噪扩散概率模型，对采集的目标缺陷图像数据进行增广；本申请能提高缺陷图像的生成质量。
-
-
-
-
-
-
-
Search Results
8
records
(took 0.016 seconds)
