-
公开(公告)号：CN119474983A
公开(公告)日：2025-02-18
申请号：CN202411602853.2
申请日：2024-11-11
Applicant: 清华大学
IPC: G06F18/24 , G01N21/84 , G01N21/01 , G01D21/02 , G06V10/26 , G06V10/52 , G06V10/764 , G06V10/82 , G06V10/80 , G06N3/0464 , G06N3/08
Abstract: 本申请涉及制茶技术领域，特别涉及一种基于多模态的茶叶做青程度检测方法、装置、设备及介质，其中，方法包括：通过相应传感器获取茶叶在做青过程中的图像数据、温湿度数据和重量数据；根据图像数据得到做青叶片的第一分类结果，并根据温湿度数据和重量数据得到做青叶片的第二分类结果；最后总结第一分类结果和第二分类结果来确定茶叶的做青程度。由此，解决了相关技术中基于图像处理的方法来检测茶叶，判断条件单一，且存在花费时间长、操作复杂，准确性低等问题。
-
公开(公告)号：CN119379996A
公开(公告)日：2025-01-28
申请号：CN202411602854.7
申请日：2024-11-11
Applicant: 清华大学
IPC: G06V10/25 , G06V10/40 , G06V10/80 , G06V10/26 , G06N3/082 , G06V10/82 , G06V10/774 , G06N3/0464 , G06N3/0475 , G06V10/56 , G06V10/776 , G06N3/045 , G06N3/094
Abstract: 本申请涉及制茶技术领域，特别涉及一种基于深度学习的茶叶做青程度分级方法、装置及电子设备，其中，方法包括：获取待使用的茶叶做青图像；将茶叶做青图像输入目标检测模型，目标检测模型输出变色的叶片，对提取到的变色叶片采用RGB颜色空间模型对茶叶叶片做青程度的做出判断，其中，目标检测模型包括：主干网络、颈部网络和检测头，主干网络用于提取茶叶做青图像的多个特征信息，颈部网络用于融合所多个特征信息，检测头基于融合后的特征信息定位茶叶做青图像中的叶片变色区域；最后通过RGB颜色空间模型对得到的变色的叶片进行色彩分割，通过分割的面积确定茶叶做青程度分级。由此，解决了相关技术无法保证茶叶质量，且存在成本高等问题。
-
公开(公告)号：CN115144211A
公开(公告)日：2022-10-04
申请号：CN202210638838.8
申请日：2022-06-07
Applicant: 清华大学
Abstract: 本申请公开了一种基于离散小波变换和门控循环单元的故障检测方法及装置，其中，方法包括：获取待检测目标的高频状态监测信号；将高频状态监测信号输入预先训练的故障检测模型，离散小波变换作为深度学习网络的嵌入层，将高频状态监测信号映射到低维小波域，得到高频故障分量，并对高频故障分量进行特征压缩，得到故障特征分量；再将其作为浅层特征训练一个带注意力机制的门控循环单元网络，最后经过全连接层得到待检测目标的故障结果，从而不仅提升了故障检测的准确率，还使得模型的故障检测结果具备一定的可解释性。由此，解决了相关技术中高频信号特征设计主观性较大以及泛化性较差等问题。
-
公开(公告)号：CN113592319A
公开(公告)日：2021-11-02
申请号：CN202110891753.6
申请日：2021-08-04
Applicant: 清华大学 , 潍柴动力股份有限公司
Abstract: 本发明公开了一种基于INSGA‑Ⅱ的复杂约束下的柔性作业车间调度方法及装置，该方法包括：获取车间的基础生产信息与调度约束，其中，基础生产信息包括订单任务、设备资源与手工资源、工序信息和班次信息中的一种或多种，且调度约束包括不换机约束与弹性延长班次时间约束；以总加权拖期损失最小化和总成本最小化作为双优化目标，对复杂约束下的柔性机加车间调度问题建模，得到柔性机加车间的调度模型；将当前车间的生产信息输入至调度模型，得到当前车间的最佳调度方案。该方法结合特定的生产特征准确建立FJSP模型，并使得生成的调度方案更加贴近真实情况、更具有可用性。
-
公开(公告)号：CN112581719A
公开(公告)日：2021-03-30
申请号：CN202011226178.X
申请日：2020-11-05
Applicant: 清华大学 , 北京新芯智能科技有限责任公司
Abstract: 本申请提出一种基于时序生成对抗网络的半导体封装过程预警方法和装置，涉及数据处理技术领域，其中，方法包括：获取监测数据，并对监测数据进行预处理，获取训练数据；从训练数据中获取正常样本集合，计算正常样本集合的密度函数，根据密度函数估计异常阈值；获取已训练的生成器网络，利用已训练好的生成器网络生成预定数量的异常样本；将预定数量的异常样和训练数据混合后输入神经网络训练，以使在半导体封装过程中，将关键工艺参数输入已训练的神经网络获取异常预测值，以及根据异常预测值和异常阈值进行预警处理。由此，通过生成异常样本混合到训练数据进行训练，并确定异常阈值实现提前对生产异常进行预警，提高产品良率与生产线效率。
-
Patent Agency Ranking
公开(公告)号：CN108694502A
公开(公告)日：2018-10-23
申请号：CN201810440569.8
申请日：2018-05-10
Applicant: 清华大学
CPC classification number: Y02P90/30 , G06Q10/06312 , G06Q50/04
Abstract: 一种基于XGBoost算法的机器人制造单元自适应调度方法，属于制造业生产线自动化调度领域，具体涉及采用XGBoost算法对具有复杂约束的机器人制造单元进行实时在线调度的方法。包括以下步骤：建立样本数据库，数据库中存储的样本是生产数据以及对应生产数据的最优启发式方法；以样本数据库为基础，应用FIPS‑XGBoost算法启发式调度方法分类模型；通过监测机器人制造单元内的生产状态信息，获取实际的生产数据，将实际的生产数据输入给启发式调度方法分类模型，得到最优启发式方法。本发明可以快速高效地求解最优特征子集，算法性能普遍好于组合调度规则，验证了该算法自适应调度的有效性。使用本发明提供的分类模型，根据实际生产数据得出最优启发式方法，可以减少机器人空载移动次数、加快调度效率，带来单元内吞吐量的提升。
-
公开(公告)号：CN119831459A
公开(公告)日：2025-04-15
申请号：CN202411890460.6
申请日：2024-12-20
Applicant: 清华大学
IPC: G06Q10/067 , G06Q10/0639 , G06F30/27 , G06T17/00 , G06N3/0895
Abstract: 本申请涉及一种基于数字孪生技术的食品膨化及烘干工艺的监控方法，其中，方法包括：构建设备和产品的虚拟孪生体模型；通过经验模型及机理模型建立初始的仿真模型，以模拟预测不同输入参数下的设备运行状态、物料状态和产品的质量指标等；采集设备工艺数据和产品质量数据并导入服务器；整合三维模型和仿真模型，预测下一步可能的输出并可视化展示；同时，在服务器中设置机器学习模型，通过比对初始模型的模拟结果和物理世界的实际运行监测数据修正模型，以实现孪生体的迭代完善；在此基础上，通过引入大语言模型作为用户、实体设备和孪生体之间的自动化、智能化、实时化的交互手段，从而能够进一步提高监控效率。
-
公开(公告)号：CN112149987B
公开(公告)日：2024-09-06
申请号：CN202010983212.1
申请日：2020-09-17
Applicant: 清华大学
IPC: G06Q10/0631 , G06N3/048 , G06N3/08 , G06N3/006
Abstract: 本发明公开了一种基于深度强化学习的多目标柔性作业车间调度方法和装置，涉及动态调度技术领域，其中，方法包括：读取当前重调度时刻的生产线状态特征向量输入训练后的目标智能体的目标策略网络得到调度目标；将生产线状态特征向量和调度目标输入训练后的工件智能体的工件策略网络得到工件指派规则，并输入训练后的机器智能体的机器策略网络得到机器分配规则；根据工件指派规则选取待加工工件，根据机器分配规则选取加工机器，通过加工机器对待加工工件的下一道工序进行加工处理。由此，通过在不同的重调度时刻根据生产线的状态智能选取不同的优化目标、工件指派规则和机器分配规则，实现多目标协同优化和完全实时化、自主化、无人化的智能工厂。
-
公开(公告)号：CN118069983A
公开(公告)日：2024-05-24
申请号：CN202410021289.9
申请日：2024-01-05
IPC: G06F18/10 , G06F17/14 , G06N3/0464 , G06N3/08
Abstract: 本申请涉及电梯技术领域，特别涉及一种电梯振动信号去噪方法、装置、电子设备及存储介质，其中，方法包括：采集电梯的轿厢垂直振动信号，并生成原始一维时间序列信号；将不同类型、不同强度的噪声注入到原始一维时间序列信号，得不同类型的一维含噪混合信号；采用滑动窗口方式分割生成目标长度的数据样本并划分为训练集、验证集和测试集；构建ResUNet深度神经网络并采用训练集对ResUNet训练直至网络收敛，采用验证集对超参数调整，获得训练完成的网络模型；将测试集的含噪振动信号输入到训练完成的网络模型进行预测，输出去噪后的振动信号。由此，解决了相关技术中，由于需要依赖电梯振动信号的先验知识或参数的人为设定，影响去噪的有效性和可靠性等问题。
-
公开(公告)号：CN115293670A
公开(公告)日：2022-11-04
申请号：CN202210700734.5
申请日：2022-06-20
Abstract: 本申请公开了一种基于混合元启发式算法的自动配送中心订单分拣方法，其中，方法包括：接收待分拣的多个订单信息；利用预设混合元启发式算法中的遗传算法对订单信息进行编码得到初始种群，利用预设混合元启发式算法中的调整算法对初始种群进行交叉和变异后，得到最优种群及最优种群对应的最优个体；利用预设混合元启发式算法中的迭代邻域搜索算法对最优种群及最优种群对应的最优个体进行邻域搜索，得到最优种群的最优解，对最优解进行解码，得到多个订单信息的最佳分拣方案。由此，解决了相关技术的分拣系统的结构比简单的人工分拣系统复杂，传统的基于规则的启发式算法构建起来较为困难，且难以保证所得方案的有效性等问题。
-
-
-
-
-
-
-
-
-
Search Results
21
records
(took 0.02 seconds)
