-
公开(公告)号：CN119313659A
公开(公告)日：2025-01-14
申请号：CN202411847662.2
申请日：2024-12-16
Applicant: 中国计量大学
IPC: G06T7/00 , G06V10/52 , G06V10/80 , G06V10/82 , G06V10/764 , G06N3/0464 , G06N3/048 , G06N3/08
Abstract: 本发明公开了一种轻量化工业产品表面缺陷检测方法，属于计算机视觉与人工智能应用领域，本发明通过获取工业产品表面缺陷图像数据集，并对数据进行预处理；构建YOLO‑IDL工业产品表面缺陷检测模型，设计轻量级分层多尺度特征提取网络作为主干网络，设计尺度灵犀颈作为颈部网络，头部网络采用YOLOv8头部网络；再使用预处理后的工业产品表面缺陷图像数据集，对YOLO‑IDL工业产品表面缺陷检测模型进行训练，得到训练集好的YOLO‑IDL工业产品表面缺陷检测模型并进行部署，以对工业产品表面缺陷进行检测，输出缺陷类型以及位置。
-
Patent Agency Ranking
公开(公告)号：CN119227817A
公开(公告)日：2024-12-31
申请号：CN202411757786.1
申请日：2024-12-03
Applicant: 中国计量大学
Abstract: 本发明公开了一种大模型多智能体协同的机械制造知识问答方法，属于计算机技术领域，获取并将机械制造领域问题与预设的策略配置提示词输入至中枢智能体，以判断是否采用并行策略来解决问题；中枢智能体根据是否采用并行策略来决定问题的分解方式分为并行分解和串行分解；对于并行分解，中枢智能体将问题拆分为多个独立的子问题，并输入到检索智能体多步推理模块，分别获得对应子问题的答案，最后将多个子问题答案输入到中枢智能体，得到最终回答；对于串行分解，中枢智能体按逻辑顺序将问题拆分为一系列有序的解决步骤，将先拆解出的问题输入到检索智能体多步推理模块，再根据得到的答案及原始问题拆解出新问题，以此类推，直至得到最终答案。
-
公开(公告)号：CN118332342A
公开(公告)日：2024-07-12
申请号：CN202410749143.6
申请日：2024-06-12
Applicant: 杭州昊清科技有限公司 , 中国计量大学
IPC: G06F18/214 , G06F18/15 , G06F18/22 , G06F18/25 , G06N5/022 , G06N3/0442 , G06N3/0455 , G06N3/0464 , G06F123/02
Abstract: 本发明公开了一种工业流程数据增广与生成方法，采集工业流程中的原始数据，原始数据包括过程数据、历史数据、经验知识和机理知识；提取历史数据、经验知识和机理知识的特征后，基于上下文注意力机制进行知识的交叉融合，得到上下文注意力数据；对过程数据进行时序处理，对得到的时序数据经编码后，与上下文注意力数据一同进行解码，得到增广数据；对于缺失的工业流程数据，将其上下游工序的数据融合后进行条件扩散，得到生成的当前工序数据，将生成的当前工序数据与上下游工序的机理条件进行条件扩散，得到生成的上下游工序数据，基于原始的和生成的上下游工序数据相似度，判断所生成的当前工序数据的有效性。
-
公开(公告)号：CN119272641A
公开(公告)日：2025-01-07
申请号：CN202411813374.5
申请日：2024-12-11
Applicant: 中国计量大学
IPC: G06F30/27 , G06N3/0455 , G06N3/082 , G06F119/02 , G06F119/04
Abstract: 本发明公开了一种融合预训练大语言模型的工业设备剩余寿命预测方法，属于深度学习、大语言模型、时序数据特征提取等技术领域，针对工业设备时序数据的复杂性和高维特征，首先通过时序数据预处理模块对原始数据进行处理，得到独立分段的退化数据，再利用输入嵌入模块的标记编码、位置编码和时间编码实现对退化数据的编码，然后通过预训练大语言模型参数微调模块实现预训练的大型语言模型与时间序列的特征对齐，并将预训练权重传递给预训练大模型附加网络编码模块，减少需要调整的参数数量，同时提高模型的泛化能力和准确率，最后通过输出层得到工业设备剩余寿命的预测结果。
-
公开(公告)号：CN118332342B
公开(公告)日：2024-10-01
申请号：CN202410749143.6
申请日：2024-06-12
Applicant: 杭州昊清科技有限公司 , 中国计量大学
IPC: G06F18/214 , G06F18/15 , G06F18/22 , G06F18/25 , G06N5/022 , G06N3/0442 , G06N3/0455 , G06N3/0464 , G06F123/02
Abstract: 本发明公开了一种工业流程数据增广与生成方法，采集工业流程中的原始数据，原始数据包括过程数据、历史数据、经验知识和机理知识；提取历史数据、经验知识和机理知识的特征后，基于上下文注意力机制进行知识的交叉融合，得到上下文注意力数据；对过程数据进行时序处理，对得到的时序数据经编码后，与上下文注意力数据一同进行解码，得到增广数据；对于缺失的工业流程数据，将其上下游工序的数据融合后进行条件扩散，得到生成的当前工序数据，将生成的当前工序数据与上下游工序的机理条件进行条件扩散，得到生成的上下游工序数据，基于原始的和生成的上下游工序数据相似度，判断所生成的当前工序数据的有效性。
-
公开(公告)号：CN119323562A
公开(公告)日：2025-01-17
申请号：CN202411847661.8
申请日：2024-12-16
Applicant: 中国计量大学
IPC: G06T7/00 , G06V10/80 , G06V10/762 , G06V10/30 , G06V10/77 , G06V10/44 , G06V10/52 , G06V10/82 , G06N3/0499 , G06N3/0464 , G06N3/047 , G06N3/08
Abstract: 本发明公开了工业环境中多模态数据的动态特征融合与异常检测方法，属于计算机技术领域，首先，对收集的工业数据进行预处理，去除背景干扰、噪声清理和调整数据格式，生成更干净、规范的点云和图像；其次，对预处理后的点云数据进行不同尺度的采样和查询，降低计算复杂度并保留局部几何结构信息，增强数据的鲁棒性；接着，将处理后的点云数据输入特征提取器，提取点云特征并保存；同时，对RGB图像数据进行图像特征提取并保存；然后，将点云特征和RGB图像特征输入多模态特征动态融合模块，充分利用两种模态的信息进行融合并保存融合特征；最后，结合点云特征、图像特征和融合特征进行异常检测，输出异常区域的特征图。
-
-
-
-
-
Search Results
6
records
(took 0.023 seconds)
