-
公开(公告)号：CN119990411A
公开(公告)日：2025-05-13
申请号：CN202510004344.8
申请日：2025-01-02
IPC: G06Q10/04 , G06N3/045 , G06N3/0442 , G06N3/0464 , G06N3/048
Abstract: 一种混合模型的长江水位预测方法，属于水位预测技术领域，旨在解决长江水位预测中非线性特性建模难、计算复杂度高及长序列依赖关系捕捉不足等问题；本发明以长江中游秭归、宜昌、白沙脑、老林沟、陈二口和姚港六个水位站数据为输入，采用基于相似性的方法填补缺失值；通过DSC模块学习各水位站独立依赖关系及空间特征；利用GRU模块建模水位站随时间变化的动态依赖关系；最终输出长江水位预测结果；该方法显著提高了水位预测精度，为防洪减灾、水资源管理及航运调度提供可靠支持；具有预测精度高、计算效率高及适用范围广等优点，能够有效应对极端天气和气候变化对水位预测带来的挑战，为保障流域内人民生命财产安全和经济社会发展作出贡献。
-
公开(公告)号：CN119992152A
公开(公告)日：2025-05-13
申请号：CN202411753302.6
申请日：2024-12-02
Applicant: 三峡大学
IPC: G06V10/764 , G06V10/80 , G06V10/774 , G06V10/82 , G06N3/0464
Abstract: 一种基于多尺度特征融合的电子器件分类检测方法，该方法包括以下步骤：使用高画质摄像头拍摄电子器件的图像；对各类电子器件进行初始判断，并使用Labelimg对数据集进行标注；将多尺度特征融合模块融入原YOLOv10s模型中，构建改进后的YOLOv10s模型；将待检测电子器件的图像输入到训练后所述改进后的电子器件分类识别模型中，得到识别结果，判断检测的置信度和正确性。与原始YOLOv10s模型相比，本发明提出的模型能够实时、精准地识别五种电子器件。本模型实现了电子器件的实时高精度分类检测，具有一定的现实意义。
-
公开(公告)号：CN120070853A
公开(公告)日：2025-05-30
申请号：CN202510080016.6
申请日：2025-01-19
Applicant: 三峡大学
IPC: G06V10/25 , G06V20/17 , G06V10/82 , G06V20/70 , G06N3/08 , G06N3/0455 , G06V10/764
Abstract: 一种基于transformer改进的输电线路多目标缺陷检测方法，该方法包括以下步骤：使用无人机拍摄的输电线路缺陷图像；对绝缘子、绝缘子自爆、绝缘子闪络、鸟巢、线路异物5个类别(4种缺陷)进行肉眼观察，并使用Labelimg对数据集进行标注；将原YOLO11s的主干网络替换为swin transformer主干网络，并在颈部网络引入CBAM注意力机制，构建新模型；将待检测输电线路的图像输入经过训练的改进识别模型，生成识别结果，并确定缺陷的位置和精度。本发明提出的方法能够更实时、更精准地识别输电线路的显著缺陷。本发明实现了对输电线路绝缘子、鸟害以及缠绕物的高精度实时分类检测，能够快速定位线路设备故障，具备重要的实际应用价值。
-
公开(公告)号：CN119810508A
公开(公告)日：2025-04-11
申请号：CN202411820561.6
申请日：2024-12-11
Applicant: 三峡大学
IPC: G06V10/764 , G06V10/774 , G06V10/82 , G06N3/0464
Abstract: 一种融合双层路由注意力机制的钢缆缆绳缺陷识别方法，包括以下步骤：步骤S1：对缆绳图像进行收集，并筛选出有缺陷的缆绳图像，区分缆绳的缺陷，将其划分为雷击闪络缺陷与破损断线缺陷；步骤S2：使用Labelimg对数据集进行标注，并划分为训练集、验证集、测试集；步骤S3：获得改进后的用于钢缆缆绳缺陷识别的YOLO11s模型；步骤S4：将获得的数据集输入用于钢缆缆绳缺陷识别的YOLO11s模型，结合模型对获取的钢缆缆绳缺陷图像进行识别，并使用精度Precision、召回率Recall、平均精度均值mAP和每秒传输帧数FPS作为评估指标。步骤S5：将改进后的模型与原模型进行对比，验证改进模型的突出性。步骤S6：预测数据集图片，验证实验的准确性。
-
-
-
Search Results
4
records
(took 0.014 seconds)
