-
公开(公告)号：CN119151968A
公开(公告)日：2024-12-17
申请号：CN202411660471.5
申请日：2024-11-20
Applicant: 中国计量大学
Abstract: 本发明公开了一种基于边界线索深度融合的息肉图像分割方法，通过构建边界线索深度融合网络，将肠息肉图像输入主干网络提取不同层次特征信息，以指导息肉区域提取；构建边界线索挖掘模块以借助部分层级特征获得边界细节信息,实现对息肉区域更精准的定位；构建前景目标增强模块增强网络结合反转注意力分支对前景目标整体结构特征的学习，使网络侧重于关注前景目标；构建深度特征融合模块集成边界信息和前景信息，通过级联特征融合以及边界信息引导进一步提高分割性能，最后利用训练好的模型得到息肉分割结果。本发明克服了息肉在边界不确定性及形态多样性时的局限性，并在训练中采用加权联合尺度差异损失优化模型，实现息肉区域高精度识别与分割。
-
公开(公告)号：CN119313659A
公开(公告)日：2025-01-14
申请号：CN202411847662.2
申请日：2024-12-16
Applicant: 中国计量大学
IPC: G06T7/00 , G06V10/52 , G06V10/80 , G06V10/82 , G06V10/764 , G06N3/0464 , G06N3/048 , G06N3/08
Abstract: 本发明公开了一种轻量化工业产品表面缺陷检测方法，属于计算机视觉与人工智能应用领域，本发明通过获取工业产品表面缺陷图像数据集，并对数据进行预处理；构建YOLO‑IDL工业产品表面缺陷检测模型，设计轻量级分层多尺度特征提取网络作为主干网络，设计尺度灵犀颈作为颈部网络，头部网络采用YOLOv8头部网络；再使用预处理后的工业产品表面缺陷图像数据集，对YOLO‑IDL工业产品表面缺陷检测模型进行训练，得到训练集好的YOLO‑IDL工业产品表面缺陷检测模型并进行部署，以对工业产品表面缺陷进行检测，输出缺陷类型以及位置。
-
公开(公告)号：CN119313659B
公开(公告)日：2025-05-23
申请号：CN202411847662.2
申请日：2024-12-16
Applicant: 中国计量大学
IPC: G06T7/00 , G06V10/52 , G06V10/80 , G06V10/82 , G06V10/764 , G06N3/0464 , G06N3/048 , G06N3/08
Abstract: 本发明公开了一种轻量化工业产品表面缺陷检测方法，属于计算机视觉与人工智能应用领域，本发明通过获取工业产品表面缺陷图像数据集，并对数据进行预处理；构建YOLO‑IDL工业产品表面缺陷检测模型，设计轻量级分层多尺度特征提取网络作为主干网络，设计尺度灵犀颈作为颈部网络，头部网络采用YOLOv8头部网络；再使用预处理后的工业产品表面缺陷图像数据集，对YOLO‑IDL工业产品表面缺陷检测模型进行训练，得到训练集好的YOLO‑IDL工业产品表面缺陷检测模型并进行部署，以对工业产品表面缺陷进行检测，输出缺陷类型以及位置。
-
公开(公告)号：CN119336921A
公开(公告)日：2025-01-21
申请号：CN202411884224.3
申请日：2024-12-20
Applicant: 中国计量大学
Abstract: 本发明公开了基于大语言模型的工业知识图谱补全与自适应检索方法，属于计算机技术领域，将残缺知识图谱划分多个子图，通过负样本过滤、邻域信息剪枝、信息合并、问答模板映射以及构建知识图谱补全大模型并进行LoRA微调，补全知识图谱，通过自适应检索查询模块接收用户问题、任务分解、实体探索、关系探索、更新记忆子模块中的子图、推理路径和子目标状态，并评估性能输出查询结果，在反思与自我矫正中，当信息不足时，LLM会基于当前信息评估是否需要调整探索方向或修正推理路径，最终，根据检索到的信息输出满足用户需求的答案。本发明有效地结合了大语言模型的能力，通过自适应检索和反思机制，提高了知识图谱补全的效率和准确性。
-
公开(公告)号：CN119323562A
公开(公告)日：2025-01-17
申请号：CN202411847661.8
申请日：2024-12-16
Applicant: 中国计量大学
IPC: G06T7/00 , G06V10/80 , G06V10/762 , G06V10/30 , G06V10/77 , G06V10/44 , G06V10/52 , G06V10/82 , G06N3/0499 , G06N3/0464 , G06N3/047 , G06N3/08
Abstract: 本发明公开了工业环境中多模态数据的动态特征融合与异常检测方法，属于计算机技术领域，首先，对收集的工业数据进行预处理，去除背景干扰、噪声清理和调整数据格式，生成更干净、规范的点云和图像；其次，对预处理后的点云数据进行不同尺度的采样和查询，降低计算复杂度并保留局部几何结构信息，增强数据的鲁棒性；接着，将处理后的点云数据输入特征提取器，提取点云特征并保存；同时，对RGB图像数据进行图像特征提取并保存；然后，将点云特征和RGB图像特征输入多模态特征动态融合模块，充分利用两种模态的信息进行融合并保存融合特征；最后，结合点云特征、图像特征和融合特征进行异常检测，输出异常区域的特征图。
-
Patent Agency Ranking
公开(公告)号：CN119649035B
公开(公告)日：2025-05-23
申请号：CN202510170370.8
申请日：2025-02-17
Applicant: 中国计量大学
Abstract: 本发明公开了一种基于非线性特征的牙齿实例分割方法，属于图像处理、深度学习技术领域，首先采集病人口腔X光片并对其进行图像质量评估，对不合格的图像进行去噪处理，按FDI牙位表示法制作掩码图像，构建并训练非线性特征的牙齿实例分割网络进行牙齿图像的实例分割，其主干网络由编码器模块、反向机制模块、密集扩张模块、解码器模块、拼接模块、输出模块、感受野特征卷积核注意力混合模块组成，本发明深度挖掘牙齿深层特征信息，以产生更准确的实例分割结果，克服了传统方法在面对牙齿图片复杂和牙齿种类繁多时的局限性，并在训练结束后对训练结果进行指标评价，在符合设定的基准指标后输出分割结果，实现了对牙齿的高精度识别与分割。
-
公开(公告)号：CN119272641B
公开(公告)日：2025-05-23
申请号：CN202411813374.5
申请日：2024-12-11
Applicant: 中国计量大学
IPC: G06F30/27 , G06N3/0455 , G06N3/082 , G06F119/02 , G06F119/04
Abstract: 本发明公开了一种融合预训练大语言模型的工业设备剩余寿命预测方法，属于深度学习、大语言模型、时序数据特征提取等技术领域，针对工业设备时序数据的复杂性和高维特征，首先通过时序数据预处理模块对原始数据进行处理，得到独立分段的退化数据，再利用输入嵌入模块的标记编码、位置编码和时间编码实现对退化数据的编码，然后通过预训练大语言模型参数微调模块实现预训练的大型语言模型与时间序列的特征对齐，并将预训练权重传递给预训练大模型附加网络编码模块，减少需要调整的参数数量，同时提高模型的泛化能力和准确率，最后通过输出层得到工业设备剩余寿命的预测结果。
-
公开(公告)号：CN119229129B
公开(公告)日：2025-03-25
申请号：CN202411729938.7
申请日：2024-11-29
Applicant: 中国计量大学
IPC: G06V10/26 , G06V10/774 , G06V10/44 , G06V10/82 , G06V10/25 , G06V10/80 , G06N3/0464 , G06N3/048 , G06N3/084
Abstract: 本发明公开了一种基于牙根边缘加权损失的牙齿图像分割方法，涉及医学图像处理领域，该方法通过构建牙根边缘加权损失的牙齿实例分割网络并进行训练，分割网络主要包括主干网络、精炼特征增强模块、牙根边缘特征增强模块和牙根边缘加权交叉熵损失函数，利用训练后得到的最佳模型得到牙齿实例分割结果。本发明的方法深度融合了牙根边界线索以及牙齿的细节特征，以产生精细的牙齿掩码，克服了传统算法在面对牙根边界不确定性以及由于牙齿种类繁多时的局限性，并在训练过程中采用加权交叉熵损失函数优化模型训练过程，实现了对牙齿的高精度识别与分割。
-
公开(公告)号：CN119649035A
公开(公告)日：2025-03-18
申请号：CN202510170370.8
申请日：2025-02-17
Applicant: 中国计量大学
IPC: G06V10/26 , G06V10/30 , G06V10/44 , G06V10/80 , G06V10/764 , G06V10/82 , G06N3/0464 , G06N3/0455 , G06N3/09 , G06N3/048
Abstract: 本发明公开了一种基于非线性特征的牙齿实例分割方法，属于图像处理、深度学习技术领域，首先采集病人口腔X光片并对其进行图像质量评估，对不合格的图像进行去噪处理，按FDI牙位表示法制作掩码图像，构建并训练非线性特征的牙齿实例分割网络进行牙齿图像的实例分割，其主干网络由编码器模块、反向机制模块、密集扩张模块、解码器模块、拼接模块、输出模块、感受野特征卷积核注意力混合模块组成，本发明深度挖掘牙齿深层特征信息，以产生更准确的实例分割结果，克服了传统方法在面对牙齿图片复杂和牙齿种类繁多时的局限性，并在训练结束后对训练结果进行指标评价，在符合设定的基准指标后输出分割结果，实现了对牙齿的高精度识别与分割。
-
公开(公告)号：CN119227817A
公开(公告)日：2024-12-31
申请号：CN202411757786.1
申请日：2024-12-03
Applicant: 中国计量大学
Abstract: 本发明公开了一种大模型多智能体协同的机械制造知识问答方法，属于计算机技术领域，获取并将机械制造领域问题与预设的策略配置提示词输入至中枢智能体，以判断是否采用并行策略来解决问题；中枢智能体根据是否采用并行策略来决定问题的分解方式分为并行分解和串行分解；对于并行分解，中枢智能体将问题拆分为多个独立的子问题，并输入到检索智能体多步推理模块，分别获得对应子问题的答案，最后将多个子问题答案输入到中枢智能体，得到最终回答；对于串行分解，中枢智能体按逻辑顺序将问题拆分为一系列有序的解决步骤，将先拆解出的问题输入到检索智能体多步推理模块，再根据得到的答案及原始问题拆解出新问题，以此类推，直至得到最终答案。
-
-
-
-
-
-
-
-
-
Search Results
15
records
(took 0.021 seconds)
