-
公开(公告)号：CN113052005B
公开(公告)日：2024-02-02
申请号：CN202110181294.2
申请日：2021-02-08
Applicant: 湖南工业大学
IPC: G06V20/40 , G06V10/774 , G06F16/36
Abstract: 本发明的实施例提供一种用于家居服务的垃圾分拣方法和垃圾分拣装置，该方法包括：采集物品图片基础数据和文本类垃圾数据、结构化垃圾数据；根据物品图片基础数据和预设比例，得到训练数据和测试数据；根据训练数据和YOLOv4‑T i ny目标检测模型，得到模型权重文件；根据模型权重文件和测试数据，得到图片视频类垃圾判断模型；根据图片视频类垃圾判断模型、文本类垃圾数据和结构化垃圾数据，得到垃圾分拣知识图谱；根据图片视频类垃圾判断模型和垃圾分拣知识图谱进行垃圾分拣。本发明在家居场景中实现了对垃圾和非垃圾物品的智能分拣，具有节约人工成本和分拣准确性高的优点，也提供了一种在源头进行垃圾分拣的解决方案。
-
公开(公告)号：CN117273319A
公开(公告)日：2023-12-22
申请号：CN202311171487.5
申请日：2023-09-12
Applicant: 湖南工业大学
IPC: G06Q10/0631 , G06Q50/04 , G06N7/01 , G06N3/0455 , G06F16/901 , G06N3/042 , G06N3/0464 , G06N3/048 , G06N3/092
Abstract: 本发明公开了一种基于DIFFormer和深度强化学习求解动态FJSP的方法，所述方法的步骤如下：S1：构建用于求解动态柔性作业车间调度问题的D‑DRL模型；S2：将柔性作业车间调度问题定义为一个五元组异构图；S2：将FJSP转换为一个马尔科夫决策过程；S3：采用DIFFormer对五元组异构图进行特征提取；S4：采用双延迟深度确定性策略梯度算法进行策略训练；S5：在执行柔性作业车间调度方案过程中，针对动态事件，根据当前执行进度与总调度的占比情况，采用合适的重调度策略修改动态柔性作业车间调度方案；综上所述，本发明方法通过将深度强化学习与DIFFormer相结合，充分利用任务之间的全局信息，以及准确地建模任务的相关性，提高调度决策的准确性和效率。
-
公开(公告)号：CN115446662B
公开(公告)日：2023-10-10
申请号：CN202210873176.2
申请日：2022-07-22
Applicant: 湖南工业大学
Abstract: 本发明公开了一种基于CEEMDAN‑IFTC‑PSR的刀具振动信号处理方法，首先，针对实际数控加工过程中刀具产生的振动信号出现零值、局部无数据、存在离群点、数量级相差数倍等情况进行信号预处理；然后，对每个预处理后的振动信号数据文件，分解为若干固有模态函数分量，并运用t检验的方法进一步明确哪些是高频分量、低频分量。接着，将所有样本的高频IMF分量放入高频IMFs分量池，低频IMF分量放入低频IMF分量池，并重构融合成n个样本子集Yn(t)，其中包含高频数据Yn,1(t)和低频数据Yn,2(t)。最后，将Yn(t)中的高频数据Yn,1(t)运用相空间重构成Zn,1(t)，低频数据Yn,2(t)重构为Zn,2(t)，从而提取出数控加工刀具剩余使用寿命退化高相关性的特征，并为后续刀具剩余使用寿命预测提供坚实的基础。
-
公开(公告)号：CN115578600A
公开(公告)日：2023-01-06
申请号：CN202211344345.X
申请日：2022-10-31
Applicant: 湖南工业大学
IPC: G06V10/764 , G06V10/774 , G06V10/771
Abstract: 本发明公开了一种基于加权K最近邻算法的浮选工况识别方法及系统，通过对泡沫图像数据集中模糊和不确定的数据、以及各类特征的不同分布进行模糊多邻域颗粒的设置；引入熵的概念计算出由特征子集诱导的模糊多邻域颗粒所提供的信息量，并在模糊多粒度信息理论框架下充分考虑泡沫图像特征间的多重关系；根据特征间的多重关系构建目标评价函数，计算出每个特征的函数值，并对特征进行排序；利用计算出的特征函数值对K近邻算法进行加权；选取分类准确率最高的特征子集作为浮选工况识别的最优特征子集。本发明充分考虑到泡沫图像特征间存在的多重关系，能充分利用好特征提供的有用信息，分类效率和分类准确率高。
-
公开(公告)号：CN115446662A
公开(公告)日：2022-12-09
申请号：CN202210873176.2
申请日：2022-07-22
Applicant: 湖南工业大学
Abstract: 本发明公开了一种基于CEEMDAN‑IFTC‑PSR的刀具振动信号处理方法，首先，针对实际数控加工过程中刀具产生的振动信号出现零值、局部无数据、存在离群点、数量级相差数倍等情况进行信号预处理；然后，对每个预处理后的振动信号数据文件，分解为若干固有模态函数分量，并运用t检验的方法进一步明确哪些是高频分量、低频分量。接着，将所有样本的高频IMF分量放入高频IMFs分量池，低频IMF分量放入低频IMF分量池，并重构融合成n个样本子集Yn(t)，其中包含高频数据Yn,1(t)和低频数据Yn,2(t)。最后，将Yn(t)中的高频数据Yn,1(t)运用相空间重构成Zn,1(t)，低频数据Yn,2(t)重构为Zn,2(t)，从而提取出数控加工刀具剩余使用寿命退化高相关性的特征，并为后续刀具剩余使用寿命预测提供坚实的基础。
-
Patent Agency Ranking
公开(公告)号：CN114298159A
公开(公告)日：2022-04-08
申请号：CN202111482531.5
申请日：2021-12-06
Applicant: 湖南工业大学
Abstract: 一种基于无标签样本下文本融合的图像相似性检测方法，属于图像相似性度量技术领域，包括以下步骤：S1：构建包含upper、middle、lower三个分支的TFCSiam模型；S2：对S1构建的模型进行训练；S3：利用S2训练好的模型进行图像间相似性度量。该方法通过引入无监督学习中的对比学习、文本融合结构只是将图像相关的文本信息作为图像特征的补充、通过图文跨模态模块将文本信息嵌入到一个图文语义共享的子空间，然后再将子空间的嵌入特征融合到图像当中等方法，实现了减小特征融合以及后续多模态投影的复杂度、提高模型预测精度、提高模型训练计算效率等效果。
-
公开(公告)号：CN113052005A
公开(公告)日：2021-06-29
申请号：CN202110181294.2
申请日：2021-02-08
Applicant: 湖南工业大学
Abstract: 本发明的实施例提供一种用于家居服务的垃圾分拣方法和垃圾分拣装置，该方法包括：采集物品图片基础数据和文本类垃圾数据、结构化垃圾数据；根据物品图片基础数据和预设比例，得到训练数据和测试数据；根据训练数据和YOLOv4‑T i ny目标检测模型，得到模型权重文件；根据模型权重文件和测试数据，得到图片视频类垃圾判断模型；根据图片视频类垃圾判断模型、文本类垃圾数据和结构化垃圾数据，得到垃圾分拣知识图谱；根据图片视频类垃圾判断模型和垃圾分拣知识图谱进行垃圾分拣。本发明在家居场景中实现了对垃圾和非垃圾物品的智能分拣，具有节约人工成本和分拣准确性高的优点，也提供了一种在源头进行垃圾分拣的解决方案。
-
公开(公告)号：CN112712171A
公开(公告)日：2021-04-27
申请号：CN202110038535.8
申请日：2021-01-12
Applicant: 湖南工业大学
Abstract: 本发明涉及深度卷积神经网络的分布式训练方法、设备和存储介质，通过混合采用参数服务器的同步参数更新策略和异步参数更新策略，避免了因木桶效应造成的更新全局参数等待时间过长的问题，缓解了因梯度过时导致的梯度下降过程不稳定，加快了模型的分布式并行训练速度，提高了模型的收敛速度和精度。
-
公开(公告)号：CN108534678A
公开(公告)日：2018-09-14
申请号：CN201810376567.7
申请日：2018-04-25
Abstract: 本发明属于岩石缺陷检测技术领域，公开一种岩石试件几何缺陷测量装置，包括：试件支撑模块：包括可带动试件绕中心轴旋转的转盘，实现试件在横向测量模块和竖向测量模块测量过程中的全面测量；横向测量模块包括可水平移动的横向测量探头，横向测量探头的水平行程与试件支撑模块的中心轴在同一平面上；竖向测量模块：包括可在竖直方向移动的竖向测量探头，竖直测量探头的竖直行程与试件支撑模块的中心轴在同一平面上；测量控制模块：为试件支撑模块、横向测量模块和竖向测量模块提供电源和程序控制及提供测量结果分析和展示。本发明采用全自动的操作模式来实现岩石试件各参数的读取，测量过程中无人为因素的干扰，测量结果精确。
-
公开(公告)号：CN114296911B
公开(公告)日：2024-08-30
申请号：CN202111509160.5
申请日：2021-12-10
Applicant: 湖南工业大学
IPC: G06F9/50 , G06F16/2453
Abstract: 本发明公开了一种面向Dask集群的基于局部加权线性回归的动态数据分块方法，将待处理的大规模数据集划分成用于块大小寻优的子数据集集合和剩余待处理的子数据集集合，通过对用于块大小寻优的每个子数据集对应的块大小的处理，采用局部加权线性回归算法较精准地在线动态估计剩余待处理每个子数据集对应的块大小，依据所有已被处理的每个子数据集对应的块大小和所耗时间。本发明解决了对人工经验的高度依赖以及费时耗力的离线训练，能较好地适应数据集、并行应用程序和集群环境的变化，并一定程度上提高了在Dask集群中处理大规模数据集的效率。
-
-
-
-
-
-
-
-
-
Search Results
47
records
(took 0.028 seconds)
