-
公开(公告)号：CN103281208B
公开(公告)日：2016-09-07
申请号：CN201310221298.4
申请日：2013-05-31
Applicant: 山东省计算中心(国家超级计算济南中心)
Abstract: 本发明公开了一种数据灾备服务及综合监控系统，其特征是：包括：灾备存储子系统：实时存储灾备数据信息；ISM服务器子系统：接收用户应用服务器子系统提供的灾备服务实施参数，与灾备存储子系统交互访问，实时检测灾备存储的状态变化，进而记录每个灾备服务的执行情况；用户应用服务器子系统：通过向ISM服务器子系统提供由灾备实施人员填写的灾备服务实施参数，实时接收来自ISM服务器子系统返回的服务状态，继而可以实时查询到灾备服务的容灾情况。灾备设备综合监控系统：对数据灾备中心的室内微环境及设备运行状态参数进行采集和精准控制。本系统方便了数据灾备服务中心的灾备项目管理，满足了用户了解灾备和灾备中心宣传灾备的目的。
-
公开(公告)号：CN104679607B
公开(公告)日：2016-02-24
申请号：CN201510061675.1
申请日：2015-02-04
Applicant: 山东省计算中心(国家超级计算济南中心)
Abstract: 本发明公开了一种异构存储的容灾系统及方法，系统包括用户端和异地灾备中心，其中，用户端包括备份服务器、生产存储模块和备份存储模块，备份服务器连接生产存储模块与备份存储模块，生产存储模块连接备份存储模块；异地灾备中心包括异地灾备中心存储模块，异地灾备中心存储模块与备份存储模块连接，且所述备份存储模块与异地灾备中心存储模块兼容，本发明仅新增一台低端存储的情况下，即实现了异构存储的兼容及远程容灾，相较于存储虚拟化或远程挂载等方法，运维投入和预算更低，简单易用。
-
公开(公告)号：CN118898614A
公开(公告)日：2024-11-05
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。
-
公开(公告)号：CN118644359A
公开(公告)日：2024-09-13
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：CN118570212A
公开(公告)日：2024-08-30
申请号：CN202411059782.6
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: G06T7/00 , G06V10/80 , G06V10/44 , G06V10/42 , G06V10/52 , G06V10/82 , G06V20/70 , G06V10/25 , G06N3/0464 , G06N3/045 , G06N3/084 , G06N3/048
Abstract: 本发明公开了一种基于强化特征提取网络的显示屏缺陷检测方法及系统，属于工业表面缺陷检测技术领域，包括将获取的液晶显示屏图像输入至训练好的表面缺陷检测模型，表面缺陷检测模型中液晶显示屏图像首先经过深层强化特征提取网络提取液晶显示屏图像的不同尺度特征，并将不同尺度的强化特征输入至跨层交互连接网络有效结合浅层特征和深层特征，输出不同尺度的交互特征，将不同尺度的交互特征输入至语义感知识别网络捕捉远距离特征，增强对缺陷特征的多尺度表示，最终输出缺陷检测结果。通过设计深层强化特征提取网络、跨层交互连接网络和语义感知识别网络构建液晶显示屏表面缺陷检测模型，实现多类别缺陷检测的精准识别和定位。
-
Patent Agency Ranking
公开(公告)号：CN117669593B
公开(公告)日：2024-04-26
申请号：CN202410128850.3
申请日：2024-01-31
Applicant: 山东省计算中心(国家超级计算济南中心)
IPC: G06F40/30 , G06F40/295
Abstract: 本发明公开的基于等价语义的零样本关系抽取方法、系统、设备及介质，涉及零样本关系抽取技术领域，包括：获取待识别样本；提取待识别样本中句子实例的语义特征向量及关系描述的语义特征向量；对句子实例的语义特征向量和关系描述的语义特征向量，均进行正交变换，对应获得句子语义等价向量和关系语义等价向量；计算句子实例的语义特征向量和关系描述的语义特征向量的匹配分数，及句子语义等价向量和关系语义等价向量的匹配分数；将两种匹配分数加权求和，获得句子实例和关系描述的预测分数；根据句子实例和关系描述的预测分数，确定句子实例和关系描述的预测关系。提高了零样本关系抽取的准确性。
-
公开(公告)号：CN116935221B
公开(公告)日：2024-02-13
申请号：CN202310901025.8
申请日：2023-07-21
Applicant: 山东省计算中心(国家超级计算济南中心) , 齐鲁工业大学(山东省科学院)
IPC: G06V20/10 , G06V20/70 , G06V10/25 , G06V10/77 , G06V10/80 , G06V10/82 , G06N3/045 , G06N3/0464 , G06N3/08 , G06Q50/02 , G16Y10/05
Abstract: 一种基于物联网的植保无人机杂草深度学习检测方法，涉及图像识别技术领域，植保无人机对农田进行数据采集，进行挑选制作农作物与杂草数据集，利用农作物与杂草数据集进行分析标注并转换标注格式，图像预处理，特征提取网络模型搭建，特征融合网络模型搭建，图像训练及测试验证，对训练结果进行封装，构建物联网系统。解决了杂草识别准确率低的问题，具有鲁棒性高，泛化能力强，准确度高的特点。(56)对比文件Zhiren Zhu.et al.Improved YOLOv5l-based Detection of Surface Defects in HotRolled Steel Strips《.Frontiers inComputing and Intelligent Systems》.2023,第4卷(第1期),全文.
-
公开(公告)号：CN117036937B
公开(公告)日：2024-01-26
申请号：CN202310901011.6
申请日：2023-07-21
Applicant: 山东省计算中心(国家超级计算济南中心) , 齐鲁工业大学(山东省科学院)
IPC: G06V20/10 , G06V10/774 , G06V10/764 , G06V10/80 , G06V10/82 , G06V10/25 , G06N3/045 , G06N3/0464 , G06N3/08 , G06T7/00
Abstract: 一种基于物联网和深度学习的盲道方向识别及瑕疵检测方法，涉及智能交通技术领域，包括：获取盲道图像，图像加雾处理，图像标注，搭建模型，模型训练与测试，模型部署。将深度学习方法与物联网技术相融合，识别盲道的方向以及盲道表面的裂缝与坑洞，用于辅助盲人出行以及盲道维修。能够实时识别盲道方向以及盲道表面的瑕疵，方法具有准确率高，泛化性强的特点，可以将盲道相关信息通过物联网技术，传输至盲人或者盲道维修部门手中，在智能交通，尤其是盲道交通及盲道管理等领域具有较好的应用前景。
-
公开(公告)号：CN117036937A
公开(公告)日：2023-11-10
申请号：CN202310901011.6
申请日：2023-07-21
Applicant: 山东省计算中心(国家超级计算济南中心) , 齐鲁工业大学(山东省科学院)
IPC: G06V20/10 , G06V10/774 , G06V10/764 , G06V10/80 , G06V10/82 , G06V10/25 , G06N3/045 , G06N3/0464 , G06N3/08 , G06T7/00
Abstract: 一种基于物联网和深度学习的盲道方向识别及瑕疵检测方法，涉及智能交通技术领域，包括：获取盲道图像，图像加雾处理，图像标注，搭建模型，模型训练与测试，模型部署。将深度学习方法与物联网技术相融合，识别盲道的方向以及盲道表面的裂缝与坑洞，用于辅助盲人出行以及盲道维修。能够实时识别盲道方向以及盲道表面的瑕疵，方法具有准确率高，泛化性强的特点，可以将盲道相关信息通过物联网技术，传输至盲人或者盲道维修部门手中，在智能交通，尤其是盲道交通及盲道管理等领域具有较好的应用前景。
-
公开(公告)号：CN115375677B
公开(公告)日：2023-04-18
申请号：CN202211298772.9
申请日：2022-10-24
Applicant: 山东省计算中心(国家超级计算济南中心)
Abstract: 本发明公开的基于多路径和多尺度特征融合的酒瓶缺陷检测方法及系统，属于工业检测技术领域，包括：获取酒瓶RGB图像；根据RGB图像和训练好的酒瓶缺陷检测模型中，获得酒瓶缺陷检测结果，其中，酒瓶缺陷检测模型包括多个依次连接的残差提取模块，后三个残差提取模块中的每个残差提取模块均依次连接上采样网络、注意力增强块和检测单元，三个上采样网络按照从与最后一个残差提取模块连接的上采样网络到与倒数第三个残差提取模块连接的上采样网络的方向依次连接，每个上采样网络与残差提取模块之间还设置路径增强模块，残差提取模块的输出输入到路径增强模块中，路径增强模块的输出输入到上采样网络中。提高了酒瓶缺陷检测的准确性。
-
-
-
-
-
-
-
-
-
Search Results
111
records
(took 0.088 seconds)
