-
公开(公告)号：CN119942220A
公开(公告)日：2025-05-06
申请号：CN202510103678.0
申请日：2025-01-22
Applicant: 湖南工业大学
IPC: G06V10/764 , G06V10/42 , G06V10/44 , G06V10/54 , G06V10/80 , G06V10/82 , G06V10/77 , G06V20/10 , G06N3/0464 , G06N3/08
Abstract: 本发明公布了一种基于Retinex模型的高光谱图像分类方法，属于图像处理技术领域，包括以下步骤：对高光谱图像进行Retinex分解，得到固有属性分量和光照分量；通过双分支网络分别对固有属性分量和光照分量进行特征提取，其中固有属性分量特征提取器用于提取高光谱图像的材质特征和纹理信息，光照分量特征提取器用于提取高光谱图像的光照特征；利用基于交互注意力机制的特征融合模块对提取的固有属性特征和光照特征进行融合，生成融合后的特征表示；对融合后的特征进行分类，生成高光谱图像的分类结果。本发明能够有效提取高光谱图像中的空谱特征，显著提高了分类精度，具有广泛的应用前景，适用于复杂光照条件下的高光谱图像分类任务。
-
公开(公告)号：CN119885437A
公开(公告)日：2025-04-25
申请号：CN202411967669.8
申请日：2024-12-30
Applicant: 湖南工业大学
IPC: G06F30/15 , G06F30/27 , G06N3/096 , B61K9/08 , G06F119/14
Abstract: 本申请公开了一种重载列车轮轨力监测模型的训练方法、装置和设备，包括：获取多组轨检车和重载列车在预设轨道行驶的实际轮轨力和仿真轮轨力；对每组轨检车仿真轮轨力和重载列车仿真轮轨力进行模型训练，得到轨检车和重载列车的仿真轮轨力映射关系模型；将轨检车实际轮轨力和重载列车实际轮轨力输入仿真轮轨力映射关系模型中进行神经网络迁移学习，得到重载列车轮轨力监测模型。基于此，通过对多组仿真轮轨力进行模型训练，从而准确确定重载列车和轨检车之间所存在的一个映射关系，由此再通过迁移学习的方式，将仿真轮轨力映射关系模型从仿真数据中迁移到现实中来，从而使得通过重载列车轮轨力监测模型所检测得到的轮轨力更加准确。
-
公开(公告)号：CN118840678A
公开(公告)日：2024-10-25
申请号：CN202410867064.5
申请日：2024-07-01
Applicant: 湖南工业大学
IPC: G06V20/17 , G06V20/10 , G06V10/82 , G06N3/0464
Abstract: 本发明为基于YOLOv8的动态结构适应性的铁路轨道提取算法，涉及深度学习图像处理领域。在航拍图中，由于部分铁路岔口具有复杂的几何拓扑结构，障碍物遮挡等问题使得铁路的提取任务更加困难。针对以上问题，提出了一种基于YOLOv8的动态结构适应性的铁路轨道提取算法(DSA‑Yolov8)用于铁路提取。首先，对Yolov8主干网络部分的C2f融入了拓扑几何约束细小结构DySnakeConv从而更好地适应各种复杂几何结构的铁路岔口。其次，颈部添加了RCSOSA模块用于减少样本通道数量，关注空间维度特征。最后，添加了带有动态非单调的聚焦机制Wise‑IoU损失函数强化边界框损失的拟合能力，提高模型鲁棒性。该方法在铁路数据集和Deepglobe道路数据集上都展现了良好的提取效果。
-
公开(公告)号：CN118606773A
公开(公告)日：2024-09-06
申请号：CN202410329092.1
申请日：2024-03-21
Applicant: 湖南工业大学
IPC: G06F18/241 , G01M13/045 , G01M13/04 , G06F18/214 , G06F18/213 , G06N3/042 , G06N3/0464
Abstract: 本发明公开了一种基于多约束条件下模态不变性图卷积融合网络的故障诊断方法及模型，本发明所述模型包括多约束模态不变性表示和图卷积融合推断两个部分，多约束模态不变性表示部分通过卷积自编码器和挤压激励模块对电流、振动模态数据进行独立特征提取，通过源域分类器、域鉴别器捕获电流、振动模态数据间的冗余性、互补性。图卷积融合推断部分利用图卷积神经网络的空间聚合特征对电流、振动模态特征进行融合以充分利用多模态上下文语义信息，获取更全面、更完备的轴承状态信息再通过MLP执行最终故，障决策，解决了现有多模态数据数量多、种类多、差异大，进而导致多源数据之间冗余性、互补性挖掘困难，数据融合难的问题。
-
公开(公告)号：CN117176004A
公开(公告)日：2023-12-05
申请号：CN202311167480.6
申请日：2023-09-11
Applicant: 湖南工业大学
Abstract: 本发明公开了一种具有参数在线监测功能的模块化多绕组永磁电机双环级联预测控制方法，步骤包括：先建立模块化多绕组永磁电机的状态方程，然后根据其离散化方程设计无差拍电流预测控制器，再设计转速预测控制器和模块化多参数在线监测系统的权值学习算法，最后根据在线监测的参数实时更新电流预测控制器和转速预测控制器中的参数。本发明实现了模块化多绕组永磁电机的鲁棒双环级联预测控制，有效地抑制了模块化多绕组永磁电机参数失配引起的电流和转速静差问题。
-
Patent Agency Ranking
公开(公告)号：CN116012687A
公开(公告)日：2023-04-25
申请号：CN202310101570.9
申请日：2023-02-10
Applicant: 湖南工业大学
Abstract: 本发明公开了一种用于轮对踏面缺陷识别的图像交互融合方法，所述方法主体包含有五个阶段，分别为数据采集与处理阶段、多尺度交互注意特征提取阶段、约束耦合解码阶段、融合推断阶段以及结果展示阶段；其多尺度交互注意特征提取阶段中运用的自适应混合交互注意模块，利于进行模型目标形状的区分，其多尺度交互注意特征提取阶段中运用的多尺度稀疏特征提取模块，利于进行提取特征时尺度的区分；其设计的约束耦合解码阶段，该阶段将一致性损失和重构损失引入模态解码器中，提高了模型识别的精度；综上所述，本发明解决了提取特征时目标形状和尺度难以区分的问题，模型识别精度高。
-
公开(公告)号：CN119649156A
公开(公告)日：2025-03-18
申请号：CN202510103679.5
申请日：2025-01-22
Applicant: 湖南工业大学
IPC: G06V10/764 , G06V10/82 , G06V20/10 , G06N3/045 , G06N3/0464 , G06V10/80
Abstract: 本发明公布了一种基于混合度量学习和双流表示的高光谱图像分类方法，属于图像处理技术领域，包括以下步骤：步骤A：对源域和目标域的高光谱数据进行预处理，生成空间光谱斑块，并通过数据增强技术构建支持集和查询集，模拟少样本学习任务；步骤B：设计双分支嵌入特征提取模块（BiStream），结合注意力机制和域映射策略，从源域和目标域中提取高效的分类特征；步骤C：引入局部中心熵矩阵（LCEM）和自适应域自适应损失模块（AdaptLoss），对齐源域和目标域的特征分布，实现领域自适应；步骤D：使用马哈拉诺比斯距离和LCEM正则化矩阵，完成目标域的少样本分类。本发明在跨域小样本领域对整体性能都有着很好的提升效果。
-
公开(公告)号：CN119068078A
公开(公告)日：2024-12-03
申请号：CN202410937871.X
申请日：2024-07-12
Applicant: 湖南工业大学
Abstract: 基于Arcpy的铁路股道平面图自动生成方法，涉及自动化数据处理领域、铁路运输管理领域，有效解决了传统人工绘图方法中因个人主观经验和标准不一致而导致的误差问题，以及人工成本高，效率低等问题。此算法基于贪心算法的基础上不断地从原始铁路股道影像图中获取绘图难度最低的铁路股道曲线要素数据添加到铁路股道平面基础图层中，并一直维护这个基础图层最后得到铁路股道平面转换图，通过这一算法，绘图过程不仅标准统一、速度快，而且显著降低了制作成本。
-
公开(公告)号：CN117494551A
公开(公告)日：2024-02-02
申请号：CN202311359340.9
申请日：2023-10-19
Applicant: 湖南工业大学
IPC: G06F30/27 , G06N3/045 , G06N3/0442 , G06N3/0464 , G06N3/048 , G06N3/08 , G06F119/04
Abstract: 本发明公开了一种基于动态多尺度激活控制网络的剩余寿命预测方法。本发明首先构建特征提取压缩模块，可以不进行任何基于信号处理的情况下低计算预算和自适应地学习故障特征，并有效压缩。其次设计多尺度门控因果膨胀卷积(MGDCC)结构，可以高效多尺度的从全生命周期中每个时间步上短时长高频数据中挖掘出寿命退化程度的特征，再外联门控循环单元(GRU)进一步把控全生命周期维度上的寿命退化趋势特征。最后基于前层挖掘出的特征给出最终的RUL预测值。本发明所述方法解决了现有预测模型易受数据中噪声干扰、挖掘寿命退化特征时计算成本上升以及预测精度不高的问题。
-
公开(公告)号：CN118691996A
公开(公告)日：2024-09-24
申请号：CN202410892295.1
申请日：2024-07-04
Applicant: 湖南工业大学
IPC: G06V20/17 , G06V10/44 , G06V10/774 , G06V10/776 , G06V10/80 , G06V10/82 , G06N3/0455 , G06N3/0464 , G06N3/084
Abstract: 一种基于多尺度残差融合编解码结构网络(MRC‑Net)的无人机航拍影像铁路提取方法，涉及深度学习领域，解决现有技术中采用像素级语义分割铁路精度低的问题，本发明提出了基于多尺度残差编解码结构的网络，利用该网络在特征提取的优势，提高了图像的分割质量。在编码器部分，设计了一个多尺度特征提取器，在编解码器之间设计了相邻特征层融合模块，减小了不同层特征间的语义差异。引入边缘检测算子，增强边缘信息，并引入交叉熵损失对不同尺度结果进行预测，提高对不同尺度信息的感知能力。本发明基于多尺度残差融合编解码结构网络(MRC‑Net)的无人机航拍铁路提取方法，集成了多尺度特征提取器和多尺度特征融合模块的设计，提高了铁路提取精度。
-
-
-
-
-
-
-
-
-
Search Results
17
records
(took 0.024 seconds)
