公开(公告)号：CN116959609A

公开(公告)日：2023-10-27

申请号：CN202310831291.8

申请日：2023-07-07

Applicant: 中国计量大学

Inventor： 刘辉 ,  潘锴 ,  黄睿 ,  姬文静 ,  韦泽

IPC: G16C20/30 ,  G16C20/10 ,  G16C20/70 ,  G16C10/00 ,  G06F18/2135

Abstract: 本发明提供一种提高油罐腐蚀产物自燃性评估结果准确性的油罐腐蚀产物自燃性评估方法，该方法包括以下步骤：采集油罐腐蚀产物样品；测试油罐腐蚀产物样品，获得若干影响油罐腐蚀产物自燃性的因素特征指标参数，构建多因素指标集；对因素特征指标参数进行标准化处理，构建多因素指标集的标准化矩阵，并计算标准化矩阵的相关系数矩阵；根据相关系数矩阵，确定多因素指标集的主成分矩阵与相应权重，构建评估模型，根据评估模型计算结果，对油罐腐蚀产物样品的自燃性进行排序。本发明使用多种指标评估油罐腐蚀产物的自燃性，运用主成分分析法结合多种重要指标对油罐腐蚀产物的自燃性进行评分与排序，在自燃性判断方面较现有技术更为精准。

公开(公告)号：CN116977745A

公开(公告)日：2023-10-31

申请号：CN202310997083.5

申请日：2023-08-09

Applicant: 浙江方圆检测集团股份有限公司 ,  中国计量大学

Inventor： 周恩 ,  黄志炳 ,  韦泽 ,  王建海 ,  马燕君 ,  陆佳杰 ,  姬文静 ,  曾祺

IPC: G06V10/764 ,  G06V10/82 ,  G06V10/774 ,  G06T7/13 ,  G06T7/11 ,  G06N20/00

Abstract: 本发明提供一种基于机器学习的插座分类方法。该方法先获取待分类的插座图像，再将插座图像输入至训练好的插座分类模型，累加插座分类模型所有弱神经网络分类器的回归值，得到最终的分类结果；其中插座分类模型是利用神经网络增强(NNBoost)算法构建，再设置模型各项参数的初试值；构建损失函数L，计算均方误差并设定目标阈值ξ，通过训练集对NNBoost分类模型进行训练，当均方误差小于目标阈值ξ时，得到训练完成的插座分类模型；该方法涉及加强神经网络框架，使用图像处理算法从插座图像中提取相关特征，然后根据其类型对插座进行分类。该方法实现了插座分类的高精确度，并消除了人工分类的需要，从而提高了插座分类的效率，节省了时间和资源。