-
公开(公告)号：CN120046901A
公开(公告)日：2025-05-27
申请号：CN202510050080.X
申请日：2025-01-13
Applicant: 广东工业大学
IPC: G06Q10/0631 , G06Q10/10 , G06Q50/04 , G06N3/006 , G06N3/045
Abstract: 本申请公开了基于人工蜂群与近端策略优化算法的任务调度方法及系统，方法包括：获取工业生产过程中的工作流任务数据；通过人工蜂群算法对工作流任务数据进行全局搜索处理，生成初始任务调度方案；通过近端策略优化算法对初始任务调度方案进行局部优化处理，输出目标任务调度方案；根据目标任务调度方案对工作流任务数据进行任务调度处理，得到任务调度结果。本申请能够解决动态环境中工作流调度灵活性不足的问题，同时能够快速地搜索到最优的任务调度方案，保障资源利用率的最优化，提高工业生产过程中的任务调度效率，可广泛应用于工业智能生产技术领域。
-
公开(公告)号：CN119934984A
公开(公告)日：2025-05-06
申请号：CN202510020016.7
申请日：2025-01-07
Applicant: 广东工业大学
IPC: G01B11/02 , G01S17/86 , G01S17/894 , G01S7/497 , G06V10/774 , G06V10/80 , G06V10/82 , G06N3/0464 , G06N3/08
Abstract: 本发明涉及船只长度测量技术领域，提出一种智能侦察装备的海上船只长度测量方法，包括以下步骤：通过光电吊舱设备上的图像采集传感器和激光测距传感器采集海上目标船只的船只图像、距离方向数据和传感器姿态数据；将所述船只图像输入经过训练的目标检测模型，得到船只识别框；根据所述距离方向数据生成船只三维点云；基于空间变换矩阵将所述船只图像、船只三维点云和船只识别框进行融合，得到融合图像；将所述融合图像和所述传感器姿态数据输入经过训练的深度神经网络，得到船只长度测量结果。本发明能够提高船只长度测量的准确性，同时增强模型的鲁棒性和实时性，为海上船只监控和管理提供了有效的技术支持。
-
公开(公告)号：CN119850927A
公开(公告)日：2025-04-18
申请号：CN202510024406.1
申请日：2025-01-07
Applicant: 广东工业大学
Abstract: 本发明涉及计算机视觉技术领域，提出一种智能侦察装备的多模态目标检测方法，包括：通过智能侦察装备采集待测目标主体的可见光图像、红外图像和单光子图像；将可见光图像、红外图像和单光子图像输入基于YOLOv5的多模态目标检测模型中，得到目标检测结果；其中，多模态目标检测模型包括第一特征提取模块、第二特征提取模块和第三特征提取模块，分别用于对输入的可见光图像、红外图像和单光子图像进行特征提取，得到可见光特征图、红外特征图和单光子特征图；多模态目标检测模型还包括融合模块和头部网络；融合模块用于将可见光特征图、红外特征图和单光子特征图进行融合，得到融合特征图，并通过头部网络得到待测目标主体的目标位置和类别信息。
-
公开(公告)号：CN119850421A
公开(公告)日：2025-04-18
申请号：CN202510024416.5
申请日：2025-01-07
Applicant: 广东工业大学
IPC: G06T3/4053 , G06T3/4046 , G06V10/40 , G06T7/00 , G06V10/80 , G06N3/0464 , G06N3/08
Abstract: 本发明涉及计算机视觉技术领域，提出一种智能侦察装备的自适应图像超分辨率重建方法，包括以下步骤：通过智能侦察装备采集低分辨率图像；将所述低分辨率图像输入经过训练的退化模型中进行特征提取，得到第一退化特征；将所述低分辨率图像进行无参考图像质量评估，得到图像的退化类型和退化程度后将其映射成向量，得到第二退化特征；将所述第一退化特征和第二退化特征进行特征融合，得到综合退化向量特征；将所述低分辨率图像和所述综合退化向量特征输入基于深度可分离卷积的超分辨率重建模型中进行处理，得到重建的高分辨率图像；其中，所述超分辨率重建模型根据所述综合退化向量特征进行网络层数的自适应调整。
-
公开(公告)号：CN114820445B
公开(公告)日：2025-04-15
申请号：CN202210279053.6
申请日：2022-03-21
Applicant: 广东工业大学
IPC: G06T7/00 , G06V10/46 , G06V10/80 , G06V10/82 , G06V10/762 , G06V10/74 , G06V10/22 , G06N3/0464 , G06N3/042 , G06N3/045 , G06N3/08
Abstract: 本发明公开了一种图像瑕疵检测方法，包括：S1：对待检测图像进行梯度特征提取，得到梯度图；将待检测图像输入卷积神经网络进行训练，得到特征图；S2：将梯度图与特征图融合，得到融合梯度注意力机制的特征图；S2：得到若干个宽高比自适应的锚点框；S4：得到各个锚点框之间的深层关系；S5：根据各个锚点框之间的深层关系对锚点框进行聚类合并，得到文字输出区域；S6：将文字输出区域与标准图像进行对比，完成待检测图像的瑕疵检测。本发明通过生成宽高比自适应的锚点框，利用图神经网络得到各个锚点框之间的深层关系，使锚点框能更好地聚类合并，实现待检测图像上的文字信息所在位置快速、准确定位，方便瑕疵检测的处理。
-
Patent Agency Ranking
公开(公告)号：CN119337225A
公开(公告)日：2025-01-21
申请号：CN202411223894.0
申请日：2024-09-03
Applicant: 广东工业大学 , 广东能哥知识科技有限公司
IPC: G06F18/2413 , G06F18/214 , G06N3/096 , G06N3/084
Abstract: 本发明公开了基于轻量化元学习的设备故障诊断模型训练方法、诊断方法、系统、装置及介质，包括：获取机电设备的样本单故障电信号集和样本复合故障电信号集，将样本单故障电信号集转换为样本单故障时频图集，将样本复合故障电信号集转换为样本复合故障时频图集，利用样本单故障时频图集和元随机梯度下降算法训练未训练的机电设备故障诊断模型，得到初级的机电设备故障诊断模型；机电设备故障诊断模型包括深度分离卷积层和轻量级卷积变换网络，利用样本复合故障时频图集和元随机梯度下降算法对初级的机电设备故障诊断模型进行微调，得到训练好的机电设备故障诊断模型。本发明可以在较少的复合故障样本下，提高诊断性能，可应用于设备故障检测领域。
-
公开(公告)号：CN119169466A
公开(公告)日：2024-12-20
申请号：CN202411314418.X
申请日：2024-09-20
Applicant: 广东工业大学
IPC: G06V20/10 , G06V10/82 , G06V10/764 , G06V10/44 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种基于空间频域注意模型的跨视角地理定位方法，包括：构建空间频域注意模型，其中空间频域注意模型采用双分支网络结构，一个分支网络结构包括依次连接的骨干网络、空间频域注意模块、分类器；其中，骨干网络用于对无人机图像或卫星图像提取多尺度语义骨干特征，空间频域注意模块用于提取空间结构特征和空间频域跨维交互特征；根据训练样本，通过混合三元组损失函数和交叉熵损失函数对空间频域注意模型进行训练，得到训练好的模型；通过训练好的模型对待测图像进行识别匹配，得到相同地理位置的另一视角图像以实现有效的跨视角地理定位。
-
公开(公告)号：CN119151423A
公开(公告)日：2024-12-17
申请号：CN202411256133.5
申请日：2024-09-09
Applicant: 广东工业大学
IPC: G06Q10/0835 , G06Q10/083 , G06Q10/0631 , G06Q10/04 , G06N3/006 , G06Q50/40 , G06N3/092 , G06Q10/047
Abstract: 本申请实施例提供了一种跨系统业务数据融合的船舶分段物流调度方法和系统，属于船舶分段物流调度的技术领域。本发明获取堆场状态信息；根据所述堆场状态信息，获取路径选择信息；根据所述路径选择信息，得到堆场状态预测序列的目标函数；根据所述堆场状态预测序列的目标函数，得到船舶存放位置预测信息；根据所述船舶存放位置预测信息，完成船舶分段物流调度。本发明能够实现大规模堆场布局优化模型的有效训练，在保护船厂数据的同时实现堆场布局优化。
-
公开(公告)号：CN115914352B
公开(公告)日：2024-12-17
申请号：CN202211565362.6
申请日：2022-12-07
Applicant: 广东工业大学 , 广东能哥知识科技有限公司
IPC: H04L67/51 , H04L41/147 , H04L41/16
Abstract: 本发明提供的一种强化学习的组件服务装配集成方法及系统，方法包括以下步骤：获取目标工作流，根据工作流中的子任务构建动态服务组合模型；根据子任务对应的候选服务的当前服务质量确定第一质量指标，第一质量指标包括可用性，响应时间和代价值；构建奖励函数；通过动态服务组合模型以及奖励函数确定目标服务组合；通过时间序列预测模型以及强化学习的方式，对目标服务组合在动态环境中的预期服务质量进行预测；将预测得到预期服务质量对目标服务组合进行优化调整，根据优化调整后的目标服务组合输出目标行动选择策略；方案考虑了动态环境下的服务质量，提高了服务选择的准确性并且提高了自适应能力，可广泛应用于计算机技术领域。
-
公开(公告)号：CN116721313B
公开(公告)日：2024-10-11
申请号：CN202310773583.0
申请日：2023-06-27
Applicant: 广东工业大学 , 航天宏图信息技术股份有限公司
IPC: G06V10/774 , G06V10/26 , G06N3/0464 , G06N3/08 , G06V10/764 , G06V10/82
Abstract: 一种基于无监督学习的RGB图像高光谱重建方法及系统，首先对获得的高光谱数据集及RGB图像语义分割数据集进行预处理，然后构建生成对抗网络模型，构建模型后向生成对抗网络模型输入预处理后的高光谱数据集及RGB图像语义分割数据集，利用自适应竞争梯度下降法对生成对抗网络模型进行更新训练，得到训练好的生成对抗网络模型，最后向训练好的生成对抗网络模型输入待重建的RGB图像，利用生成对抗网络模型的生成器卷积神经网络，输出重建好的高光谱图像。本发明通过构造一种生成对抗网络模型，并将生成对抗网络模型与自适应竞争梯度下降法相结合，从而在高鲁棒性的同时保障了高光谱图像重建前后语义一致。
-
-
-
-
-
-
-
-
-
Search Results
687
records
(took 0.045 seconds)
