-
公开(公告)号：CN111008649B
公开(公告)日：2023-03-28
申请号：CN201911104108.4
申请日：2019-11-13
Applicant: 华南理工大学
IPC: G06V10/774 , G06V10/764 , G06V10/82 , G06N3/0464 , G06N3/048
Abstract: 本发明公开了一种基于三支决策的缺陷检测数据集预处理方法，该方法通过构造一个卷积神经网络来进行图片特征的提取，利用随机梯度下降法基于分类网络中的交叉熵损失来进行卷积神经网络权值的更新，同时利用卷积神经网络输出的特征来进行样本所属域的划分，对划分后的负域和边界域样本进行数据增强，再利用数据增强后的数据集继续进行训练，直到分类网络达到一个较好的分类准确率。通过实验证明了本发明方法比直接对数据集中的图片进行无差别的增强后进行训练，模型的收敛速度更快，最终的分类准确率更高。
-
公开(公告)号：CN111161244B
公开(公告)日：2021-12-21
申请号：CN201911391419.3
申请日：2019-12-30
Applicant: 华南理工大学
Abstract: 本发明公开了一种基于FCN+FC‑WXGBoost的工业产品表面缺陷检测方法，包括步骤：1)对图片进行尺寸标准化和归一化操作；2)将图片进行在线增强与分批；3)将图片送入全卷积网络FCN与全连接网络FC结合的网络进行训练；4)将全连接网络输出层的输入作为特征向量，训练一个WXGBoost分类模型，使用克隆选择算法进行自动调参，并将全连接层的输出层替换为WXGBoost，再与全卷积网络FCN组合，得到FCN+FC‑WXGBoost网络模型；5)进行检测时将图片输入FCN+FC‑WXGBoost网络，得到缺陷的位置和类别信息。本发明有效降低了光照、曝光和位移等条件对缺陷检测的影响，提高了缺陷检测稳定性，同时降低了缺陷类别不平衡对检测精度的影响，提高检测精度。
-
公开(公告)号：CN113160141A
公开(公告)日：2021-07-23
申请号：CN202110311684.7
申请日：2021-03-24
Applicant: 华南理工大学
Abstract: 本发明公开了一种钢板表面缺陷检测系统，包括数据处理模块、特征提取模块、特征金字塔模块、区域建议模块、池化检测模块，数据处理模块实现对钢板表面缺陷图片的训练集和测试集划分，特征提取模块实现对钢板表面缺陷图片的各层特征图的提取，特征金字塔模块实现各层特征图的融合，区域建议模块实现对建议框的提取，池化检测模块实现对建议框对应的特征图的检测，在训练阶段以检测的损失调整权重参数，在测试阶段仅获取钢板表面缺陷图片的缺陷位置和类别。本发明能够有效提取钢板表面缺陷图片的特征，有助于提高钢铁表面缺陷检测的精确率。
-
公开(公告)号：CN111161244A
公开(公告)日：2020-05-15
申请号：CN201911391419.3
申请日：2019-12-30
Applicant: 华南理工大学
Abstract: 本发明公开了一种基于FCN+FC-WXGBoost的工业产品表面缺陷检测方法，包括步骤：1)对图片进行尺寸标准化和归一化操作；2)将图片进行在线增强与分批；3)将图片送入全卷积网络FCN与全连接网络FC结合的网络进行训练；4)将全连接网络输出层的输入作为特征向量，训练一个WXGBoost分类模型，使用克隆选择算法进行自动调参，并将全连接层的输出层替换为WXGBoost，再与全卷积网络FCN组合，得到FCN+FC-WXGBoost网络模型；5)进行检测时将图片输入FCN+FC-WXGBoost网络，得到缺陷的位置和类别信息。本发明有效降低了光照、曝光和位移等条件对缺陷检测的影响，提高了缺陷检测稳定性，同时降低了缺陷类别不平衡对检测精度的影响，提高检测精度。
-
公开(公告)号：CN106681305A
公开(公告)日：2017-05-17
申请号：CN201710000827.6
申请日：2017-01-03
Applicant: 华南理工大学
IPC: G05B23/02
CPC classification number: G05B23/0254
Abstract: 本发明公开了一种Fast RVM污水处理在线故障诊断方法，包括步骤：1)剔除掉污水数据中属性不完整的样本，将其归一化到[0,1]区间中，确定历史数据集和更新测试集；2)采用基于聚类的快速相关向量机方法对历史数据集的多数类数据压缩；3)根据虚拟少数类向上采样方法对历史数据集的少数类数据扩充；4)建立“一对一”的快速相关向量机多分类训练模型；5)从更新测试集中添加新样本到模型中进行测试，并更新历史数据集；6)回到步骤2)，重新处理不平衡的历史数据，训练模型，不断重复上述过程，直到在线测试数据完毕。本发明有效地降低了污水数据的不平衡性，提高了分类准确率，加快在线更新速度，对于实时诊断出运行故障，保证污水处理厂安全运行。
-
Patent Agency Ranking
公开(公告)号：CN105843072A
公开(公告)日：2016-08-10
申请号：CN201610168991.3
申请日：2016-03-22
Applicant: 华南理工大学
IPC: G05B17/02
CPC classification number: G05B17/02
Abstract: 本发明公开了一种基于改进局部搜索的免疫遗传算法的污水处理节能优化方法，包括：设计曝气池的溶解氧浓度和缺氧池硝酸氮的比例积分控制器；考虑出水和能耗，确定节能优化函数和节能目标；提出改进局部搜索的免疫遗传算法；求解溶解氧和硝酸氮的动态控制的设定值；在保证出水满足排放标准的前提下，最小化最优化能耗成本。该方法采用改进局部搜索的免疫遗传算法，搭建以污水水质为约束、鼓风机能耗和泵送能耗都达最小的优化目标函数，提出以四分之一天为周期的控制器参考值为控制对象，进行动态调整的优化策略，将局部搜索的免疫遗传算法的优化结果加入到控制器参考值的离线求解当中，在保证出水水质前提下显著降低污水处理过程中能耗。
-
公开(公告)号：CN105740619A
公开(公告)日：2016-07-06
申请号：CN201610061351.2
申请日：2016-01-28
Applicant: 华南理工大学
CPC classification number: G06F19/00 , G06K9/6269 , G06N3/084
Abstract: 本发明公开了一种基于核函数的加权极限学习机污水处理在线故障诊断方法，包括步骤：1)剔除掉污水数据中属性不完整的数据，然后将数据归一化处理，确定历史数据集和更新测试集；2)选取核函数和加权方案，然后根据最优模型确定模型参数；3)根据所选取的加权方案对历史数据集的每个样本赋予权值；4)训练模型，根据核函数计算核矩阵；5)从更新测试集中添加新样本到模型中进行测试，并更新历史数据集；6)回到步骤3)，重新训练模型，不断重复上述过程，直到在线测试数据完毕，从而实现对污水处理过程的在线运行状态的识别。本发明方法更新时间短，分类准确率高，对于实时诊断出运行故障，污水处理厂安全运行，提高污水处理厂的运行效率具有重要意义。
-
公开(公告)号：CN105487526A
公开(公告)日：2016-04-13
申请号：CN201610009907.3
申请日：2016-01-04
Applicant: 华南理工大学
IPC: G05B23/02
CPC classification number: G05B23/0254
Abstract: 本发明公开的本发明公开了一种Fast RVM污水处理故障诊断方法，包括以下顺序的步骤：1)剔除掉污水数据中待识别样本中属性不完整的样本，由于各样本属性量纲的不同，对其进行归一化处理，归一化到[0,1]区间中；2)基于聚类的快速相关向量机多数类数据压缩模块；3)虚拟少数类向上采样的少数类数据扩充模块；4)“一对一”的快速相关向量机多分类模型；5)快速相关向量机污水故障诊断建模。本发明通过基于聚类的快速相关向量机对多数类数据压缩和虚拟少数类向上采样方法对少数类数据扩充，降低了污水数据的不平衡性，同时采用Fast RVM对污水生化处理过程建立多分类模型，有效提高了对污水生化处理系统的故障诊断精度。
-
-
公开(公告)号：CN118711029A
公开(公告)日：2024-09-27
申请号：CN202410853770.4
申请日：2024-06-28
Applicant: 华南理工大学
IPC: G06V10/80 , G06V10/40 , G06V10/82 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种基于神经网络多专家分层逻辑融合的长尾图像识别方法，该方法是基于结合了多专家分层逻辑融合技术的神经网络实现长尾图像的有效识别，包含一个多分支特征提取网络、两个多专家分层逻辑融合模块和全连接层，多分支特征提取网络包含一个共享的主干网络和三个独立的专家网络，两个多专家分层逻辑融合模块用于将主干网络的浅层逻辑输出与前两个专家网络的深层逻辑输出进行融合，同时在专家网络的融合逻辑输出之间使用相互学习方法，不仅能促进三个专家网络传递信息并提升彼此的性能，也能促进主干网络参数的协同更新。本发明可有效增强网络对长尾图像数据集中少数类图像的识别能力，并促进网络浅层与深层参数的协同更新。
-
-
-
-
-
-
-
-
-
Search Results
55
records
(took 0.03 seconds)
