-
公开(公告)号：CN116823718A
公开(公告)日：2023-09-29
申请号：CN202310407403.7
申请日：2023-04-17
Applicant: 南通大学
IPC: G06T7/00 , G06V10/764 , G06V10/77 , G06V10/40 , G06V10/56 , G06V10/82 , G06N3/0464 , G06N3/048 , G06N3/047 , G06N3/0455 , G06N3/08
Abstract: 本发明提供了一种基于深度学习的筒纱缺陷图像分类方法，属于纺织工艺技术领域。其技术方案为：包括以下步骤：S1、构建筒纱缺陷图像数据集；S2、构建筒纱缺陷图像特征提取模型结构；S3、融入Transformer框架，增加多头自注意力机制；S4、融入稳定学习框架，增加傅里叶特征特征提取层与样本权重学习层；S5、使用所述数据集对网络模型进行训练和验证，得到目标识别模型。本发明的有益效果为：本发明能够提高模型的语义理解能力，提高筒纱缺陷分类的准确性；能够消除背景特征与本质特征的相关联系，提高模型的泛化能力。
-
公开(公告)号：CN116823718B
公开(公告)日：2024-02-23
申请号：CN202310407403.7
申请日：2023-04-17
Applicant: 南通大学
IPC: G06T7/00 , G06V10/764 , G06V10/77 , G06V10/40 , G06V10/56 , G06V10/82 , G06N3/0464 , G06N3/048 , G06N3/047 , G06N3/0455 , G06N3/08
Abstract: 本发明提供了一种基于深度学习的筒纱缺陷图像分类方法，属于纺织工艺技术领域。其技术方案为：包括以下步骤：S1、构建筒纱缺陷图像数据集；S2、构建筒纱缺陷图像特征提取模型结构；S3、融入Transformer框架，增加多头自注意力机制；S4、融入稳定学习框架，增加傅里叶特征特征提取层与样本权重学习层；S5、使用所述数据集对网络模型进行训练和验证，得到目标识别模型。本发明的有益效果为：本发明能够提高模型的语义理解能力，提高筒纱缺陷分类的准确性；能够消除背景特征与本质特征的相关联系，提高模型的泛化能力。
-
公开(公告)号：CN116484262A
公开(公告)日：2023-07-25
申请号：CN202310502606.4
申请日：2023-05-06
Applicant: 南通大学
IPC: G06F18/24 , G06F18/214 , G06F18/25 , G06N3/0499 , G06N3/0464
Abstract: 本发明涉及故障诊断技术领域，尤其涉及一种基于文本分类对纺织设备故障辅助处理方法，包括：S1、根据目标文本的历史文本维修检测等关联数据获取初始提示特征、样本文本，样本文本的标注类别得到训练文本；S2、将训练文本输入预先构建的文本分类模型，利用文本分类模型的词特征提取网络对训练文本进行处理，得到词特征融合向量；S3、根据初始文本分类模型和初始提示特征，对样本文本进行文本分类，得到样本文本的预测类别，纺织设备通过文本分类辅助处理故障方法布置应用。本发明能够辅助维修人员依据故障现象快速准确定位设备的故障位置及原因，大大降低了人工依赖度，有利于提高基于知识的故障诊断的自主化程度、可解释性和诊段。
-
公开(公告)号：CN116484262B
公开(公告)日：2023-12-08
申请号：CN202310502606.4
申请日：2023-05-06
Applicant: 南通大学
IPC: G06F18/24 , G06F18/214 , G06F18/25 , G06N3/0499 , G06N3/0464
Abstract: 本发明涉及故障诊断技术领域，尤其涉及一种基于文本分类对纺织设备故障辅助处理方法，包括：S1、根据目标文本的历史文本维修检测等关联数据获取初始提示特征、样本文本，样本文本的标注类别得到训练文本；S2、将训练文本输入预先构建的文本分类模型，利用文本分类模型的词特征提取网络对训练文本进行处理，得到词特征融合向量；S3、根据初始文本分类模型和初始提示特征，对样本文本进行文本分类，得到样本文本的预测类别，纺织设备通过文本分类辅助处理故障方法布置应用。本发明能够辅助维修人员依据故障现象快速准确定位设备的故障位置及原因，大大降低了人工依赖度，有利于提高基于知识的故障诊断的自主化程度、可解释性和诊
-
-
-
Search Results
4
records
(took 0.014 seconds)
