公开(公告)号：CN116106005A

公开(公告)日：2023-05-12

申请号：CN202310388300.0

申请日：2023-04-12

Applicant: 北京理工大学 ,  中国科学院大学

Inventor： 杨晨 ,  赖鄹 ,  兰舒琳 ,  祝烈煌

IPC: G01M13/028 ,  G06F18/213 ,  G06F18/24 ,  G06N3/0455 ,  G06N3/08

Abstract: 本发明涉及一种基于端边云协同机器学习的旋转设备故障诊断方法，属于人工智能与工业物联网技术领域。本发明设计的端边云协同的故障诊断框架，通过在端节点部署TinyML模型，有效利用端设备算力，降低模型部署后的计算、通讯成本，解决故障诊断精度与延迟之间的矛盾。在边缘、云的赋能下，解决了端节点TinyML难以实现寿命预测的问题。本方法结合设备故障振动信号的物理特性，确定了故障诊断模型的最小输入节点数，分析了振动数据的差分特征，为级联网络提供了理论层面的支撑，构建了基于级联自编码器的故障诊断模型，降低了峰值内存占用，将模型部署于单片机中，实现了工业现场海量底层设备剩余算力的有效利用。

公开(公告)号：CN117975578A

公开(公告)日：2024-05-03

申请号：CN202410160873.2

申请日：2024-02-05

Applicant: 北京理工大学

Inventor： 杨晨 ,  赵亚洲 ,  兰舒琳 ,  祝烈煌

IPC: G06V40/40 ,  G06V40/16 ,  G06V20/00 ,  G06V10/44 ,  G06V10/74 ,  G06T1/00 ,  G06N3/045 ,  G06N3/0455 ,  G06N3/047 ,  G06N3/0475 ,  G06N3/094

Abstract: 本发明公开了一种基于人脸特征及其关联水印的深度伪造主动检测方法。本发明将人脸特征与水印图像紧密耦合，提出一种基于人脸特征的水印生成方法，使得水印随着人脸图像特征的变化而不断动态改变，避免了已有方法中使用固定水印可能导致的各类安全风险。同时，本发明中用于与恢复的水印对比的基准水印是带有关联水印的合成图像基于水印生成器直接生成的的映射水印，而非约定的固定水印，因此，无需考虑基准水印的同步问题，简化了检测过程。此外，本发明的检测方法可部署在第三方，使用者只需访问特定的接口即可实现对深度伪造的检测，检测模型和检测过程对使用者可用不可见，也无需使用者在本地部署相关模型，提高了检测的安全性与实用性。

公开(公告)号：CN115393678B

公开(公告)日：2024-04-02

申请号：CN202210913815.3

申请日：2022-08-01

Applicant: 北京理工大学 ,  中国科学院大学

Inventor： 杨晨 ,  王颍超 ,  兰舒琳 ,  祝烈煌

IPC: G06V10/80 ,  G06V10/82 ,  G06F40/216 ,  G06N3/045 ,  G06N3/0464 ,  G06N3/048 ,  G06N3/084 ,  G06V10/30 ,  G06V10/774

Abstract: 本发明公开了一种基于图像式中间态的多模态数据融合决策方法，包括确定决策任务涉及的多模态数据；设计多模态数据统一转换为图像模态数据的方法；面向决策任务获取多模态样本数据，并统一为图像模态以构造训练集和测试集；基于训练集和测试集，训练融合注意力机制的多通道深度神经网络；采集用于决策的多模态数据，并统一转换为图像模态以构造决策数据集；将决策数据集输入多通道深度神经网络进行特征自适应提取与融合决策。本发明既避免了多特征提取模型导致的复杂网络设计和大量参数寻优问题，又可方便地、仅使用一个硬件加速设备来完成快速的神经网络计算；增强深度神经网络各通道提取特征的交互性和互补性；减少冗余特征的输入。

公开(公告)号：CN113778483A

公开(公告)日：2021-12-10

申请号：CN202110961128.4

申请日：2021-08-20

Applicant: 北京理工大学 ,  中国科学院大学 ,  北京电子工程总体研究所

Inventor： 杨晨 ,  兰舒琳 ,  赖鄹 ,  付斯琴 ,  禹航

IPC: G06F8/65 ,  G06F8/71 ,  G06F16/36 ,  G06N3/04

Abstract: 本发明公开了一种云边端赋能的装备决策及安全空中升级装置和方法，以方法的实现为例，包括收集装备设计阶段产生的文本型数据及运行阶段产生的数值型数据；基于云边端架构实现知识图谱和深度神经网络的分层构建及分层决策；基于云边端架构、网络技术及分割技术，实现决策模型的优化及快速版本迭代。本发明能够科学、高效地实现装备的决策制定，其突出特点是可实现可量化决策和不可量化决策的制定；兼顾了决策的实时性和准确性；可快速、安全地实现装备中决策模型的空中升级，单个边缘节点的数据泄露不会造成隐私泄露。

公开(公告)号：CN116106005B

公开(公告)日：2023-06-06

申请号：CN202310388300.0

申请日：2023-04-12

Applicant: 北京理工大学 ,  中国科学院大学

Inventor： 杨晨 ,  赖鄹 ,  兰舒琳 ,  祝烈煌

IPC: G01M13/028 ,  G06F18/213 ,  G06F18/24 ,  G06N3/0455 ,  G06N3/08

Abstract: 本发明涉及一种基于端边云协同机器学习的旋转设备故障诊断方法，属于人工智能与工业物联网技术领域。本发明设计的端边云协同的故障诊断框架，通过在端节点部署TinyML模型，有效利用端设备算力，降低模型部署后的计算、通讯成本，解决故障诊断精度与延迟之间的矛盾。在边缘、云的赋能下，解决了端节点TinyML难以实现寿命预测的问题。本方法结合设备故障振动信号的物理特性，确定了故障诊断模型的最小输入节点数，分析了振动数据的差分特征，为级联网络提供了理论层面的支撑，构建了基于级联自编码器的故障诊断模型，降低了峰值内存占用，将模型部署于单片机中，实现了工业现场海量底层设备剩余算力的有效利用。

公开(公告)号：CN115393678A

公开(公告)日：2022-11-25

申请号：CN202210913815.3

申请日：2022-08-01

Applicant: 北京理工大学 ,  中国科学院大学

Inventor： 杨晨 ,  王颍超 ,  兰舒琳 ,  祝烈煌

IPC: G06V10/80 ,  G06V10/82 ,  G06F40/216 ,  G06N3/04 ,  G06N3/08 ,  G06V10/30 ,  G06V10/774

Abstract: 本发明公开了一种基于图像式中间态的多模态数据融合决策方法，包括确定决策任务涉及的多模态数据；设计多模态数据统一转换为图像模态数据的方法；面向决策任务获取多模态样本数据，并统一为图像模态以构造训练集和测试集；基于训练集和测试集，训练融合注意力机制的多通道深度神经网络；采集用于决策的多模态数据，并统一转换为图像模态以构造决策数据集；将决策数据集输入多通道深度神经网络进行特征自适应提取与融合决策。本发明既避免了多特征提取模型导致的复杂网络设计和大量参数寻优问题，又可方便地、仅使用一个硬件加速设备来完成快速的神经网络计算；增强深度神经网络各通道提取特征的交互性和互补性；减少冗余特征的输入。