公开(公告)号：CN119068240A

公开(公告)日：2024-12-03

申请号：CN202411086279.X

申请日：2024-08-08

Applicant: 东北大学

Inventor： 唐立新 ,  刘畅 ,  张凯楠 ,  陶哲瑞

IPC: G06V10/764 ,  G06V10/82 ,  G06T7/00 ,  G06N3/082 ,  G06N3/086 ,  G06N3/126

Abstract: 本发明提供一种基于多目标进化深度学习的钢铁产品质量缺陷识别方法，涉及钢铁产品质量识别技术领域。该方法首先采用自动神经网络加深技术构建原始钢铁产品质量缺陷识别模型；然后采用多目标差分进化算法对得到的最佳原始钢铁产品质量缺陷识别模型进行剪枝处理，降低网络计算复杂度；接着，基于偏好向量从多目标差分进化算法剪枝处理后获取的帕累托前沿上确定偏好Knee解；最后根据获取的Knee解确定钢铁产品质量缺陷识别模型，并重新进行训练获得在测试数据集上对应的准确率，验证模型有效性。该方法成功摆脱了依靠人工经验定义网络结构，同时所获得的质量缺陷识别模型在识别准确率与模型复杂度方面表现出较理想的性能。

公开(公告)号：CN119067490A

公开(公告)日：2024-12-03

申请号：CN202411086285.5

申请日：2024-08-08

Applicant: 东北大学

Inventor： 唐立新 ,  刘畅 ,  徐凯斌 ,  陶哲瑞

IPC: G06Q10/0639 ,  G16C20/20 ,  G16C20/30 ,  G16C20/70 ,  G06Q50/04 ,  G06N3/126 ,  G06F18/214 ,  G06F18/27

Abstract: 本发明提供一种基于多目标进化学习的冷轧材料质量性能区间预报方法，涉及冷轧材料质量性能预报技术领域。该方法首先在冷轧材料生产过程中收集化学成分、工艺参数以及对应的质量性能数据，得到原始样本数据集，对样本数据进行预处理并划分训练集和测试集；接着，采用多目标差分进化算法获取构建质量性能预报模型所需的超参数集合，基于偏好膝解在帕累托前沿中选取最优的一组超参数组合作为构建高斯回归模型的参数组合；最后基于高斯过程回归模型框架以及选取的核函数构建最终冷轧材料质量性能区间预报模型。该方法使所获得的多目标进化学习模型具有较高的预测准确率和较低的时间复杂度。