-
公开(公告)号：CN114998701A
公开(公告)日：2022-09-02
申请号：CN202210818058.1
申请日：2022-07-13
Applicant: 济南大学
Abstract: 本发明提供了一种基于像素特征匹配的目标检测损失优化方法，涉及图像识别目标检测领域。本发明根据特征提取和融合过程中下采样操作对图像像素特征的损失，从像素特征角度入手，对模型特征提取和融合后的特征图上采样融合，评估预测框和真实框在特征图上的映射区域的Dice距离，通过细化预测框和真实框的特征差异进而优化模型参数，采用巴氏距离计算预测框和真实框直方图分布相似度，增强模型对像素级别差异的感知，更直观的评估模型泛化效果，进而提高模型预测框预测的准确度。本发明中，提出基于像素特征匹配损失弥补目标检测网络中直接框回归损失计算的不足，在不增加模型参数量的基础上提高了模型的鲁棒性。
-
公开(公告)号：CN114399504A
公开(公告)日：2022-04-26
申请号：CN202210297708.2
申请日：2022-03-25
Applicant: 济南大学
Abstract: 本申请公开了一种基于工业互联网的智能轮辋检测与跟踪方法及系统，涉及工业智能检测与跟踪领域，系统包括图像采集器，通过信号线连接有边缘计算设备输入端口，所述边缘计算设备的输出端口通过通讯协议转换网关连接有PLC模块，所述轮辋检测工作台的一端设置有轮辋分拣处，在所述轮辋分拣处的一端安装有用于辅助轮辋流向指定分拣机的挡臂。本发明量化目标检测算法用于适配算力有限的边缘设备，通过对比图像相邻帧之间的目标相关信息并关联进行目标匹配，得到轮辋的实时流向，自定通讯协议联动PLC控制摆臂旋转方向。智能检测与跟踪方法及系统可解决传统检测缺陷，提高轮辋的生产效率。
-
公开(公告)号：CN112926685A
公开(公告)日：2021-06-08
申请号：CN202110337542.8
申请日：2021-03-30
Applicant: 济南大学
Abstract: 本申请公开了一种工业中钢材氧化带目标检测方法、系统及设备，采集不同光照强度下不同钢材类型的氧化带样本图像，进行图像预处理以获得初始氧化带样本数据集；按预设比例划分为训练集、验证集、测试集；基于原始YOLOv4‑tiny算法改进其网络结构，得到钢材氧化带目标检测算法；利用训练集对优化后的网络训练，选取mAP最优的权重文件；将训练完成的网络集成在检测系统中，检测钢材氧化带图像得到氧化带的位置信息。优化后的网络减少了计算参数，提高了网络提取有效特征的能力，能够减少检测中的误判和漏检。压缩后的模型能够部署在小型嵌入式设备端实现在线检测，提高检测方法对复杂工业环境的鲁棒性，为工业智能制造提供了技术保障。
-
公开(公告)号：CN101270603A
公开(公告)日：2008-09-24
申请号：CN200810015866.4
申请日：2008-05-09
Applicant: 济南大学
CPC classification number: C04B28/143 , C04B2111/00017 , C04B2111/28 , C04B2111/52 , Y02W30/92 , C04B16/08 , C04B18/08 , C04B22/148 , C04B24/2623
Abstract: 本发明涉及一种由磷石膏和轻质材料为主要原材料生产的磷石膏轻质墙板，利用经煅烧处理后的磷石膏为主要原料制作，磷石膏轻质墙板的竖向带有一排圆形通孔，侧向带有凹槽，是由以下重量份的原料制成：磷石膏粉100份；聚苯乙烯泡沫颗粒3－10份；粉煤灰30－80份；硫铝酸盐水泥0.5－3份；8％的聚乙烯醇水溶液1－3份；水料比0.50－1.20。本发明的磷石膏轻质墙板，主要利用了废弃物质磷石膏和粉煤灰，制成一种达到国家质量要求的绿色环保墙体材料，符合国家节能减排、绿色环保的政策，并具有轻质、隔热、隔声、强度高、防火、防虫蛀、呼吸功能等性质。
-
公开(公告)号：CN114359742B
公开(公告)日：2022-09-16
申请号：CN202210274690.4
申请日：2022-03-21
Applicant: 济南大学
IPC: G06V20/10 , G06V10/40 , G06V10/75 , G06V10/774 , G06V10/80 , G06V10/82 , G06K9/62 , G06N3/04 , G06N3/08
Abstract: 本发明提出了一种优化小目标检测的加权损失函数计算方法，涉及图像识别目标检测领域。本发明在基于深度学习目标检测模型的基础上，针对小目标检测精度低的挑战，结合目标检测模型的输出预测框和真实框的匹配，对目标检测模型的预测框损失计算函数采用加权惩罚，提高目标检测模型对小目标的学习能力，提高目标检测的精度。相比增加模型参数和增强特征融合等方法，本发明在不提升模型参数量和不影响模型推理速度的条件下，提高图像识别中目标检测的精度，具备高效性。
-
Patent Agency Ranking
公开(公告)号：CN114863371A
公开(公告)日：2022-08-05
申请号：CN202210807302.4
申请日：2022-07-11
Applicant: 济南大学
Abstract: 本发明公开了一种基于深度学习的食品粗加工违规检测方法，涉及图像识别和食品安全检测技术领域。本发明通过获取食品粗加工间图像，识别出粗加工间常用用具和容器，例如菜刀、厨刀、锯齿刀、去骨刀、去皮刀、箩筐、砧板、周转盆、不锈钢盆、垃圾桶、拖把等，通过训练好的神经网络模型进行目标检测，获取这些用具和容器的二维坐标，与标记区域进行位置判定，通过预设逻辑判定粗加工间工作人员在食品粗加工期间是否出现违规行为，与人工监督食品粗加工相比，本发明检测效率更高，实时性更好，信息化程度有很大提高。
-
公开(公告)号：CN114359742A
公开(公告)日：2022-04-15
申请号：CN202210274690.4
申请日：2022-03-21
Applicant: 济南大学
IPC: G06V20/10 , G06V10/40 , G06V10/75 , G06V10/774 , G06V10/80 , G06V10/82 , G06K9/62 , G06N3/04 , G06N3/08
Abstract: 本发明提出了一种优化小目标检测的加权损失函数计算方法，涉及图像识别目标检测领域。本发明在基于深度学习目标检测模型的基础上，针对小目标检测精度低的挑战，结合目标检测模型的输出预测框和真实框的匹配，对目标检测模型的预测框损失计算函数采用加权惩罚，提高目标检测模型对小目标的学习能力，提高目标检测的精度。相比增加模型参数和增强特征融合等方法，本发明在不提升模型参数量和不影响模型推理速度的条件下，提高图像识别中目标检测的精度，具备高效性。
-
公开(公告)号：CN114863464A
公开(公告)日：2022-08-05
申请号：CN202210798533.3
申请日：2022-07-08
Applicant: 济南大学
IPC: G06V30/422 , G06V30/418 , G06V30/24 , G06V30/19
Abstract: 本发明公开了一种PID图纸图件信息的二阶识别方法，涉及图像识别图像分类领域，尤其是PID图纸图件的识别问题。本发明提出结合传统机器学习和深度学习强监督实现对PID图纸图件的准确识别和分类，针对PID图件中存在的类内差异较小的问题，第一阶段采用归一化相关系数、HOG特征提取相关性计算的方式实现按图件共有的基础几何图形特征的初分类，第二阶段采用深度学习强监督的方式，对相似度较高的图件添加关键部位重标注，提模型对类内差异部位的感知能力来改善模型对图件分类和识别的性能，从而提升PID图纸图件信息在实际工程中的应用效率，提升企业数字化交付的能力。
-
公开(公告)号：CN116366247A
公开(公告)日：2023-06-30
申请号：CN202310372881.9
申请日：2023-04-10
Applicant: 济南大学 , 山东记食信息科技有限公司
Abstract: 本申请公开了一种基于地理位置可寻址网络的服务器动态选择门限代理重加密方法动态选择门限代理重加密方法。该基于地理位置可寻址网络的服务器动态选择门限代理重加密方法包括收集代理服务器集群各服务器的地理位置，构建集群分布地理位置网络图；当数据使用者需选择与自己距离最近的多个服务器进行授权申请时，则执行代理服务器动态选择操作；将离数据使用者相对最近的多个代理服务器身份信息发给数据使用者，数据使用者执行授权申请操作；达到动态选择门限代理服务器的目的，保证数据使用者可获得地理位置相距最近的多个服务器的授权，进而解决门限代理重加密过程中数据申请者如何动态选择与自己距离最近的多个服务器进行授权申请的问题。
-
公开(公告)号：CN115541613A
公开(公告)日：2022-12-30
申请号：CN202211245053.0
申请日：2022-10-12
Applicant: 济南大学
Abstract: 本发明公开了一种基于人工智能的电除尘器安全操作规程检测方法，包括图像采集单元、图像标记单元、目标检测单元、计算单元、顺序对比单元以及违规警告单元，利用计算机视觉，图像处理等技术，搭建了一款复杂场景下自动化安全流程监测方法，能够识别出操作人员进行操作的步骤顺序以及操作是否规范，通过识别操作顺序并产生及相关记录，再将操作记录与操作规范流程所对比得出结论，若发现不规范流程则及时警告，保证企业的安全生产。
-
-
-
-
-
-
-
-
-
Search Results
24
records
(took 0.078 seconds)
