-
公开(公告)号：CN119533487A
公开(公告)日：2025-02-28
申请号：CN202411792351.0
申请日：2024-12-06
Applicant: 广东工业大学
IPC: G01C21/20
Abstract: 本发明公开了一种面向变电站设备的无人机巡检路径规划方法，属于无人机路径规划领域，该方法包括以下步骤：基于变电站设备位置构建设备节点集；构建基于多目标优化算法的无人机路径规划模型，通过设计指向性路径规划模块、自适应路径变异模块和非支配‑密度排序模块来构成基于多目标优化算法的无人机路径规划模型；将设备节点集输入基于多目标优化算法的无人机路径规划模型进行处理，得到满足目标且经过优化后的路径集合。本发明能够根据变电站具体环境进行针对性的路径规划，减少了规划过程中计算资源的消耗，得到面向变电站设备的无人机巡检路径。
-
公开(公告)号：CN119247041A
公开(公告)日：2025-01-03
申请号：CN202411613972.8
申请日：2024-11-13
Applicant: 广东工业大学
IPC: G01R31/08
Abstract: 本发明属于电力信息文本数据处理领域，提供了电力信息三元组故障优先检测方法、系统及设备，基于所述电力信息定位矩阵生成电力信息定位中心矩阵，并分别计算每个电力信息定位矩阵与所述中心矩阵之间的分布定位和距离定位；根据分布定位与距离定位的对比生成每个电力信息三元组的电力信息分散距离，并基于所述电力信息分散距离对电力信息三元组进行排序得到电力信息三元组故障优先级序列，以所述优先级序列的顺序对故障问题进行处理。实现了在电力系统中对根本性故障的优先检测和处理，显著提高了电网故障排查的效率和精准度。
-
公开(公告)号：CN118840322A
公开(公告)日：2024-10-25
申请号：CN202410825920.0
申请日：2024-06-25
Applicant: 广东工业大学
IPC: G06T7/00 , G06V20/17 , G06V20/10 , G06V10/25 , G06V10/44 , G06V10/80 , G06V10/82 , G06N3/045 , G06N3/0464
Abstract: 本发明公开的属于道路病害检测技术领域，具体为一种基于深度学习的道路病害检测方法，包括利用RDDA算法进行检测的步骤，具体如下：道路病害数据集构建、构建图像特征提取模块、设计深度可分离无参注意力机制卷积模块、提取特征图深层特征、设计空间金字塔自适应池化融合模块、使用FPN模块进行特征融合、设计NWD‑EIoU损失函数、使用Head检测头检测、模型的训练和验证、将模型进行应用，本发明有效的解决了当前道路病害检测算法参数量大、小目标病害检测精度不足、复杂背景下道路病害检测效果差的问题，从而使得本发明的算法参数量更低，能够适合边缘设备的部署，满足道路病害检测的轻量化和实时性需求。
-
公开(公告)号：CN118314053B
公开(公告)日：2024-10-15
申请号：CN202410741565.9
申请日：2024-06-11
Applicant: 广东工业大学
IPC: G06T5/73 , G06N3/0464 , G06N3/082 , G06T5/60
Abstract: 本发明公开了一种基于神经网络的对无人机巡检航拍图像去雾方法，属于图像处理领域，该方法包括以下步骤：基于无人机巡检航拍图像构建图像数据集；构建启发式感知去雾神经网络，基于图像数据集对启发式感知去雾神经网络进行训练得到训练好的启发式感知去雾神经网络；将待去雾处理的无人机巡检航拍图像输入训练好的启发式感知去雾神经网络进行处理得到无雾清晰航拍图像。本发明能够在去雾的同时尽可能地保留原始图像中的细节和纹理，给巡检工作人员对去雾图像的分析工作带来便利。
-
公开(公告)号：CN118587762A
公开(公告)日：2024-09-03
申请号：CN202410633363.2
申请日：2024-05-21
Applicant: 广东工业大学
Abstract: 本发明公开了一种基于SDVGNet网络的吸烟行为检测方法，涉及行为检测技术领域。本发明包括以下步骤：Step1：构建包含香烟的图像数据集，收集各种场景中包含香烟的图像，利用LabelImg注释软件将收集得到的香烟的图像制作成PASCALVOC格式的数据集；Step2：数据预处理和数据集划分，对包含香烟的图像数据进行标注，打上吸烟和未吸烟的标签，然后将标注数据划分为训练集、验证集和测试集。本发明可以捕获包含香烟的特征图局部跨通道信息交互。相比于传统网络本发明引入MRA注意力机制，既能处理局部特征，又能捕捉全局上下文，从而提高了网络的整体性能和泛化能力。
-
Patent Agency Ranking
公开(公告)号：CN118334351B
公开(公告)日：2024-08-30
申请号：CN202410749519.3
申请日：2024-06-12
Applicant: 广东工业大学
IPC: G06V10/26 , G06N3/0464 , G06N3/0985 , G06V10/44 , G06V10/776 , G06V10/80
Abstract: 本发明公开了一种基于深度学习的指针仪表读数识别方法，包括：获取原始指针仪表图像并进行预处理，获得处理后的指针仪表数据集；构建初始指尺提取网络模型，基于处理后的指针仪表数据集对指尺提取网络模型进行训练，获得目标指尺提取网络模型；基于训练后的指尺提取网络模型对待识别指针仪表图像进行识别，获得无背景指针与尺度仪表的图像识别结果。本发明采用深度学习机器视觉技术代替人工阅读，不仅提高了工作场所的安全性，降低了人力资源的耗费，而且通过自动化数据收集过程提高了效率和准确性。
-
公开(公告)号：CN118394661A
公开(公告)日：2024-07-26
申请号：CN202410815533.9
申请日：2024-06-24
Applicant: 广东工业大学
Abstract: 本发明属于代码可读性评价技术领域，并公开了一种代码可读性评价方法、系统、设备及介质，包括：获取待评价代码片段及对应可读性标签；基于所述待评价代码片段及对应可读性标签构建可读性评价数据集；将所述可读性评价数据集输入代码可读性评价模型中进行评价预测，得到可读性评价分数；其中，所述代码可读性评价模型包括依次连接的特征提取模块、基学习器模块和代码特征堆叠模块。本发明所述技术方案能够全面提取特征，提高了代码可读性评价的准确性和稳定性。
-
公开(公告)号：CN118314525A
公开(公告)日：2024-07-09
申请号：CN202410727107.X
申请日：2024-06-06
Applicant: 广东工业大学
IPC: G06V20/52 , G06V20/70 , G06V10/25 , G06V10/44 , G06V10/52 , G06V10/80 , G06V10/82 , G06V10/764 , G06V10/774 , G01J5/00 , G01J5/48 , G01R31/00 , H02J13/00
Abstract: 本发明属于设备状态检测技术领域，并公开了一种变电站设备状态检测方法，包括：获取待测变电站的设备红外图像，对所述设备红外图像中的各设备进行标注，得到带有边界框的设备红外图像，基于带有边界框的设备红外图像构建变电站设备红外图像数据集；将所述变电站设备红外图像数据集输入设备状态检测模型中进行分类预测，得到变电站设备状态信息；其中，所述设备状态检测模型由依次连接的多通道特征提取模块，加权空间金字塔池化模块和检测层构成。本发明所述技术方案能够自动化快速准确地判断变电站设备状态，解决了变电站设备状态检测效率低，漏判错判，时效性不足的问题。
-
公开(公告)号：CN118246012A
公开(公告)日：2024-06-25
申请号：CN202410380048.3
申请日：2024-03-29
Applicant: 广东工业大学
IPC: G06F21/56 , G06N3/0464 , G06N3/048 , G06V10/77 , G06V10/764 , G06V10/82 , G06N3/08 , G06V10/80
Abstract: 本发明提出了一种基于EPM‑MCNET神经网络的安卓恶意软件检测方法及系统，主要解决现有轻量级神经网络直接应用于安卓恶意软件检测领域效果不理想的问题。具体实现步骤如下：（1）构建一个安卓软件RGB图像数据集D，D由若干个安卓软件RGB图像FI构成；（2）构建并训练基于EPM‑MCNET神经网络的安卓恶意软件检测模型；该模型包括将安卓软件可视化为RGB图像部分和EPM‑MCNET神经网络部分；（3）运用基于EPM‑MCNET神经网络的安卓恶意软件检测模型对安卓软件进行检测，判断该安卓软件是否为安卓恶意软件。
-
公开(公告)号：CN117574334B
公开(公告)日：2024-05-28
申请号：CN202311040048.0
申请日：2023-08-17
Applicant: 广东工业大学
Abstract: 本发明公布了一种结合MD5与序列到序列模型的代码混淆方法及系统，具体步骤包括构建常量数据集、构造编码器字典和解码器字典、数据预处理、构建和训练一个序列到序列模型、构造解密函数、构造不透明谓词、插入不透明谓词和解密函数以及编译生成可执行应用程序。本发明结合MD5散列算法和序列到序列模型作为加解密算法，通过对表达式中的常量进行加解密来构造不透明谓词，以实现代码混淆。将表达式中的常量作为明文，使用MD5散列算法对明文进行加密，利用MD5散列算法的单向性，使生成的密文难以被逆向求解，增强不透明谓词抗静态分析的能力；使用序列到序列模型对密文进行解密，将密文到明文的映射以模型权重的形式进行保存，提升了不透明谓词的安全性。本发明公布的代码混淆方法可有效保护程序执行逻辑，增强程序抗逆向分析的能力。
-
-
-
-
-
-
-
-
-
Search Results
86
records
(took 0.035 seconds)
