-
公开(公告)号:CN119150186A
公开(公告)日:2024-12-17
申请号:CN202411183021.1
申请日:2024-08-27
Applicant: 山东省计算中心(国家超级计算济南中心)
IPC: G06F18/2433 , G06F18/25 , G06F18/241 , G06F18/213 , G06N3/0464 , G06N3/082
Abstract: 本发明提出了基于双维度特征的输氢管网流量异常检测方法及系统,通过在时间维度和通道维度进行自适应切片,得到大小一致的数据切片;利用时间特征提取器、空间特征提取器和主干特征提取器捕获切片内部及切片之间的特征关联;利用由多组不同特征尺度隐藏层构成的重构网络进行多视野下的重构,对重构结果进行异常评分,以实现精准的异常检测;本发明方法能够有效识别工业输氢管网中的异常流量数据,提高工业安全管理水平。
-
公开(公告)号:CN118644359B
公开(公告)日:2024-10-22
申请号:CN202411124271.8
申请日:2024-08-16
Applicant: 山东省计算中心(国家超级计算济南中心)
Abstract: 本发明涉及能源供应技术领域,具体为应用于工业园区的氢能负荷预测方法及系统,通过获取工业园区历史能源负荷数据、工业园区所在地气象站的历史气象数据以及时间数据,并进行预处理,经编码操作得到特征表示;预处理后的数据基于全局时域特征捕获网络得到频域表示,进一步得到全局周期性特征;根据得到的特征表示,利用多尺度特征融合网络提取出局部非线性特征;得到的全局周期性特征和局部非线性特征,利用自适应门控融合网络得到预测结果。利用深度神经网络的强大拟合能力和频域分析的周期性识别优势,结合多尺度特征提取技术,能够更全面、更精细地解析氢能源需求的内在规律,显著提高预测的准确性和稳定性。
-
公开(公告)号:CN118568650B
公开(公告)日:2024-10-15
申请号:CN202411059783.0
申请日:2024-08-05
Applicant: 山东省计算中心(国家超级计算济南中心)
IPC: G06F18/2433 , G06F18/25 , G06V10/764 , G06V10/26 , G06V20/70 , G06V10/44 , G06V10/80 , G06V10/82 , G06F40/30 , G06N3/0464 , G06N3/0455 , G06N3/048
Abstract: 本发明属于计算机视觉和图像识别技术领域,提供了一种基于细粒度文本提示特征工程的工业异常检测方法及系统,包括提取工业图像的文本特征、图像块特征和图像特征;利用图像特征对文本提示进行优化更新,得到细粒度文本提示特征;将图像块特征与细粒度文本提示特征进行相似性对比分析,将对比生成的异常结果图进行相加融合得到最终的异常检测结果;优化模型的参数,使损失函数最小,利用训练好的模型进行测试集的异常检测。本发明针对少样本工业图像异常检测,通过特征提取模块、细粒度文本提示工程模块和跨模态空间域多粒度交互模块搭建异常检测模型框架,提高了模型的泛化能力。
-
公开(公告)号:CN117710757B
公开(公告)日:2024-05-24
申请号:CN202410159978.6
申请日:2024-02-05
Applicant: 山东省计算中心(国家超级计算济南中心)
Abstract: 本发明公开了一种基于多尺度特征引导与融合的工业异常检测方法及系统,涉及计算机视觉中的工业图像异常检测技术领域。该方法包括步骤:获取工业产品表面缺陷图像并进行预处理,得到训练集和测试集;建立由模拟异常网络、多尺度特征提取网络、多尺度特征加权融合网络和像素级异常评分网络依次连接的初步异常检测模型;利用训练集对初步异常检测模型进行训练,并利用测试集对训练好的异常检测模型进行效果验证;利用训练好的异常检测模型对待检测的工业图像进行异常检测。本发明能够提高对工业图像异常的敏感性和准确性,实现对产品表面缺陷更为可靠的检测识别和定位。
-
公开(公告)号:CN117853491A
公开(公告)日:2024-04-09
申请号:CN202410262991.4
申请日:2024-03-08
Applicant: 山东省计算中心(国家超级计算济南中心)
IPC: G06T7/00 , G06V10/44 , G06V10/80 , G06V10/82 , G06N3/0455 , G06N3/0464 , G06N3/048 , G06N3/08
Abstract: 本发明属于数字图像处理和计算机视觉领域,提供了基于多场景任务下的少样本工业产品异常检测方法及系统,其技术方案为:将多场景下多种类别的工业产品图像数据集划分为训练集和测试集,所述训练集只包含正常产品图片,将测试集分为支持集和查询集,其中,支持集仅包含正常产品图片,查询集包括各类异常产品图片和对应的正常图片;利用深度对比学习方法构建双孪生网络框架,通过双孪生网络框架构建训练集对应的多场景任务下正常产品的特征分布的目标检测模型;基于训练后的多场景任务下正常产品的特征的目标检测模型建立支持集的特征分布,并通过查询集进行工业产品异常检测得到异常检测结果,可有效地解决实际工业多场景变换下存在的各种问题。
-
公开(公告)号:CN117190078A
公开(公告)日:2023-12-08
申请号:CN202311450870.4
申请日:2023-11-03
Applicant: 山东省计算中心(国家超级计算济南中心)
IPC: F17D5/00 , F17D5/02 , F17D1/02 , G06F18/2433 , G06F18/25 , G06F123/02
Abstract: 本发明公开了一种输氢管网监测数据异常检测方法及系统,涉及氢能源和数据处理技术领域,该方法包括:获取当前设定时间步长的输氢管网监测数据,提取时间变量序列数据和动态变量序列数据;将提取的数据输入至时序预测模型中,通过时间特征嵌入层和动态特征嵌入层,提取时间特征嵌入和动态特征嵌入,并通过时序编码器和动态编码器分别进行编码,将编码后的特征嵌入输入至转码器中进行融合,输出融合后的变量矩阵;最后动态特征嵌入、编码后的时间特征嵌入和变量矩阵均输入至解码器进行解码,输出预测值;将预测值和实际观测值的差值与设定阈值进行比较,实际观测值是否为异常数据。本发明实现了非平稳的输氢管网监测数据的准确异常检测。
-
公开(公告)号:CN112817561B
公开(公告)日:2023-08-18
申请号:CN202110142430.7
申请日:2021-02-02
Applicant: 山东省计算中心(国家超级计算济南中心)
IPC: G06F8/10 , G06F40/211 , G06F40/30 , G06F40/289 , G06F40/253 , G06F16/35 , G06N3/0442 , G06N3/047 , G06N3/048 , G06N3/0455 , G06N3/08
Abstract: 本发明公开了软件需求文档的事务类功能点结构化抽取方法及系统,包括:获取目标软件需求文档;对目标软件需求文档进行预处理,得到需求语句数据;将需求语句数据,输入到预先训练过的功能点触发词识别模型中,输出识别的功能点触发词及类别;将需求语句数据和所得到的功能点触发词,输入到预先训练过的功能点论元识别模型中,输出功能点论元及其类别;将所得到的功能点触发词和功能点论元组合,得到功能点短语;将功能点短语输入到预先训练过的语言模型中,得到各功能点短语的输出概率值,从而根据输出概率值筛选出目标软件需求文档的功能点短语。
-
公开(公告)号:CN112217665A
公开(公告)日:2021-01-12
申请号:CN202011032210.0
申请日:2020-09-27
Applicant: 山东省计算中心(国家超级计算济南中心) , 中国电子技术标准化研究院
IPC: H04L12/24
Abstract: 本发明属于物联网终端领域,提供了一种物联网终端接收和发射性能的定量评估方法,包括获取物联网终端的通信数据,提取物联网终端的接收性能参数和发射性能参数;将接收性能参数和发射性能参数输入至评估模型中,输出物联网终端的接收性能等级和发射性能等级及相应评分,筛选出接收性和发射性能均在最优等级的物联网终端来构建物联网;其中,评估模型包括并行连接且模型架构相同的接收性能评估模型和发射性能评估模型。
-
公开(公告)号:CN110239270B
公开(公告)日:2020-12-25
申请号:CN201910537717.2
申请日:2019-06-20
Applicant: 山东省计算中心(国家超级计算济南中心)
Abstract: 本公开公开了一种橄榄核随形雕刻方法及系统,包括:获取标准雕刻工艺品外形数据,所述标准雕刻工艺品的外形数据,包括:标准雕刻工艺品的长度、每个点的切削深度和最大切削深度;获取待雕刻橄榄核的外形数据;所述待雕刻橄榄核的外形数据,包括:待雕刻橄榄核的长度和待雕刻橄榄核的每个点的高度;根据标准雕刻工艺品外形数据和待雕刻橄榄核的外形数据,计算出实际雕刻过程中待雕刻橄榄核每个点的切削深度;将实际雕刻过程中待雕刻橄榄核每个点的切削深度发送给雕刻机,雕刻机对橄榄核完成雕刻任务。
-
公开(公告)号:CN118898614B
公开(公告)日:2025-01-28
申请号:CN202411397545.0
申请日:2024-10-09
Applicant: 山东省计算中心(国家超级计算济南中心)
IPC: G06T7/00 , G06V10/25 , G06V10/44 , G06V10/52 , G06V10/774 , G06V10/82 , G06N3/0464
Abstract: 本发明提出了基于多域高效特征聚合网络的齿轮缺陷检测方法及系统,涉及计算机视觉应用领域,用于缺陷检测的多域高效特征聚合网络包括多域混合特征提取网络、多尺度特征聚焦传播融合网络以及检测头网络;所述多域混合特征提取网络,采用多域特征无损下采样模块在频域和空间域下对齿轮图像进行下采样,构建初始特征图,利用高效混合特征感知模块从局部和全局、空间和通道的角度对初始特征图进行增强,得到多尺度特征图;所述多尺度特征聚焦传播融合网络,对多尺度特征进行融合,得到融合后的特征图;所述检测头网络,根据融合后的特征图,检测齿轮缺陷;本发明构建多域高效特征聚合网络,进行鲁棒性强、精度高的齿轮缺陷检测。
-
-
-
-
-
-
-
-
-