-
公开(公告)号:CN110223288A
公开(公告)日:2019-09-10
申请号:CN201910519815.3
申请日:2019-06-17
Applicant: 华东交通大学
Abstract: 本发明提供一种有颜色特征和无颜色特征的稀土离子共存条件下多组分含量预测方法,涉及稀土萃取过程组分含量预测领域。该方法包括:稀土萃取过程存在组分含量难以快速、准确检测的问题,针对含有无色Ce离子的CePr/Nd混合溶液与Pr/Nd溶液的图像颜色特征有较大差异,导致原有基于颜色特征的单一稀土元素组分含量检测方法不再适用,提出一种基于GA-ELM的稀土萃取过程多组分含量预测方法。首先在HSI颜色空间下寻得与组分含量相关性最大的H、S分量;然后以H、S分量一阶矩为输入,建立基于极限学习机ELM的多组分含量软测量模型;针对ELM模型的初始权值和阈值的不确定性,采用遗传算法GA对模型参数进行优化,使优化后的组分含量ELM模型精度更高。
-
公开(公告)号:CN119762977A
公开(公告)日:2025-04-04
申请号:CN202510252438.7
申请日:2025-03-05
Applicant: 华东交通大学
IPC: G06V20/10 , G06V20/70 , G06V10/26 , G06V10/98 , G06V10/40 , G06V10/44 , G06V10/42 , G06V10/52 , G06V10/54 , G06V10/80 , G06V10/764 , G06V10/82 , G06N3/0464 , G06N3/0455 , G06N3/084 , G06N3/048
Abstract: 本发明公开了一种混凝土道路裂缝识别方法及系统,方法包括:构建基于改进DeepLabv3+的混凝土道路裂缝识别模型;将所述混凝土道路裂缝数据集输入至所述混凝土道路裂缝识别模型中,基于结合边缘增强和几何适应性的复合损失函数对所述混凝土道路裂缝识别模型的模型参数进行优化,训练生成所述混凝土道路裂缝识别模型的权重,得到目标裂缝识别模型;将实时混凝土道路裂缝图像输入至所述目标裂缝识别模型中,所述目标裂缝识别模型输出得到初步识别结果,并通过伪检测剔除与漏检修复算法优化所述初步识别结果,得到最终识别结果。显著降低误检率和漏检率,保证最终识别结果的准确性和完整性。
-
公开(公告)号:CN117076690B
公开(公告)日:2024-01-09
申请号:CN202311326626.7
申请日:2023-10-13
Applicant: 华东交通大学
IPC: G06F16/36 , G06F40/295 , G06F30/27 , G06N3/0442 , G06N3/08 , G06N3/126 , G06Q10/0633 , G06Q50/04 , G06F119/18
Abstract: 本发明涉及数据分析领域,更具体的说,它涉及一种数据驱动的工艺流程组态方法及系统。一种数据驱动的工艺流程组态系统,包括:描述文本获取模块、实体提取模型管理模块、命名实体提取模块、工艺流程知识图谱管理模块、工艺流程三元组输出模块、工艺流程组态图构建模块、检测点信息映射模块和工艺流程组态图显示模块。本发明通过自动识别描述文本中的设备实体,并将设备实体与工艺流程知识图谱进行匹配,自动构建工艺流程组态图,同时将检测点信息映射至工艺流程组态图中的图元中,无需工作人员花费大量时间来梳理工艺流程组态图中图元、管线和数据之间的关系,在针对大型工艺流程的工艺流程组态图的设计时,能够提高工作效率。
-
公开(公告)号:CN113232044A
公开(公告)日:2021-08-10
申请号:CN202110666652.9
申请日:2021-06-16
Applicant: 华东交通大学
IPC: B25J19/00
Abstract: 本发明公开了一种隧道巡检机器人自清洁控制系统,涉及隧道机器人领域,包括检测单元、清洁控制单元、信号处理单元,检测单元包括图像拍摄模块、超声波发生模块、超声波接收模块、图像分析模块、照明模块、超声波发射时间差比对模块与第一信号传输模块,清洁控制单元包括图像记录模块、除尘模块、喷水模块、清洗剂喷洒模块、擦洗模块与第二信息传输模块。本发明的控制系统在进行使用时,可以控制隧道巡检机器人进行自我检测,判断自身表面的清洁度,在表面沾染灰尘与污垢时,可以前往清洁平台进行清洗,有效防止了由于灰尘与污垢对隧道巡检机器人的监测精度产生影响,大大提升了机器人的使用寿命。
-
公开(公告)号:CN119809941A
公开(公告)日:2025-04-11
申请号:CN202510293350.X
申请日:2025-03-13
Applicant: 华东交通大学
IPC: G06T3/4076 , G06T3/4046 , G06T7/40 , G06T3/4007 , G06T7/13 , G06N3/0464 , G06N3/094
Abstract: 本发明公开了一种基于结构与纹理特征的图像超分辨率方法及系统,方法包括:构建具有结构和纹理特征提取能力的生成对抗网络,将超分辨率图像数据集输入至生成对抗网络中,训练并生成对应模型的权重,根据权重得到图像超分辨率模型,将待超分辨率图像输入至图像超分辨率模型中,图像超分辨率模型生成超分辨率后的高清图像。实现了通过融合图像的结构与纹理特征,提升图像超分辨率恢复效果,避免细节丢失,同时提供高效的性能优化和用户友好的界面,使得图像处理过程更为便捷。
-
公开(公告)号:CN119068312A
公开(公告)日:2024-12-03
申请号:CN202411308144.3
申请日:2024-09-19
Applicant: 华东交通大学
IPC: G06V10/82 , G06N3/0464 , G06N3/096 , G06V10/54 , G06V10/56 , G06V10/774
Abstract: 本申请公开了一种稀土元素组分含量的预测方法、装置、设备、介质及产品,涉及稀土元素组分含量预测技术领域,该方法包括获取目标稀土溶液图像;基于颜色特征提取方法,提取目标稀土溶液图像中的颜色特征;基于灰度共生矩阵,提取目标稀土溶液图像中的空间纹理特征,得到图像显性特征;基于卷积神经网络,提取所述目标稀土溶液图像中的图像隐性特征;将目标稀土溶液图像中的颜色特征、图像显性特征和图像隐性特征输入至训练好的稀土萃取过程元素组分含量预测模型中,对目标稀土溶液图像中的稀土元素组分含量进行预测。本申请可提高数据稀缺条件下稀土元素组分含量预测的检测效率和预测精度。
-
公开(公告)号:CN118154467A
公开(公告)日:2024-06-07
申请号:CN202410578768.0
申请日:2024-05-11
Applicant: 华东交通大学
IPC: G06T5/73 , G06T5/60 , G06N3/045 , G06N3/0475 , G06N3/094
Abstract: 本发明公开了一种基于改进CycleGAN网络模型的图像去雨方法及系统,方法包括:获取待去雨图像;将所述待去雨图像输入至预先构建的改进CycleGAN网络模型中,所述改进CycleGAN网络模型输出去雨后的图像,其中,所述改进CycleGAN网络模型中包含生成器、判别器以及损失函数,所述生成器中包含密集连接卷积网络、掩膜生成器以及注意力特征生成器。为防止特征提取过程中高频特征丢失,确保细节修复效果更好,在生成器中引入密集连接卷积网络;其次为使得修复区域集中在雨纹周围,使得雨纹去除的更干净,引入CBAM注意力机制;最后针对去雨纹任务的特殊性,对雨纹到干净背景的映射进一步约束,使得生成的图像更加逼真。
-
公开(公告)号:CN114330089B
公开(公告)日:2024-05-14
申请号:CN202110856661.4
申请日:2021-07-28
Applicant: 华东交通大学
IPC: G06F30/27 , G06F119/02
Abstract: 本发明涉及一种稀土元素含量变化预测方法,包括:获取稀土串级萃取过程中数据集;数据集包括无标签数据子集和有标签数据子集,无标签数据子集包括萃取工况下特征数据;构建稀疏自编码多分支网络模型;稀疏自编码多分支网络模型模拟稀土串级萃取过程的组分含量变化;根据无标签数据子集,对稀疏编码主网络进行无监督预训练;为各分支网络分别构建损失函数;基于各分支网络的损失函数,采用误差反向传播算法与随机梯度下降算法,根据有标签数据子集对预训练后的稀疏自编码多分支网络模型进行有监督训练,输出稀土元素含量变化预测模型;利用稀土元素含量变化预测模型对稀土串级萃取过程中稀土元素组分含量进行预测。本发明提高了预测的准确性。
-
公开(公告)号:CN113130014B
公开(公告)日:2023-02-07
申请号:CN202110440712.5
申请日:2021-04-23
Applicant: 华东交通大学
IPC: G16C20/10 , G16C20/70 , G06N3/0499 , G06N3/084
Abstract: 本发明公开了一种基于多分支神经网络的稀土萃取模拟方法及系统,方法包括:获取稀土原始数据集并进行预处理,得到处理后的数据集;将处理后的数据集划分为训练集和测试集;根据训练集构建多分支神经网络模型;构建多分支神经网络模型的各个分支对应的独立损失优化函数;对各个分支对应的独立损失优化函数进行训练,当各个分支的独立损失优化函数均收敛到设定阈值时,停止训练,获得训练后的多分支神经网络模型;利用测试集对所述训练后的多分支神经网络模型进行模拟,当模拟精度达到设定精度时,停止模拟,获得最终的多分支神经网络模型;利用最终的多分支神经网络模型进行稀土萃取模拟。本发明提高了稀土萃取模拟的预测精度和准确性。
-
公开(公告)号:CN112070051B
公开(公告)日:2022-09-20
申请号:CN202010973894.8
申请日:2020-09-16
Applicant: 华东交通大学
IPC: G06V20/59 , G06V40/16 , G06V40/18 , G06V10/762 , G06V10/766 , G06V10/82 , G06N3/04 , G06N3/08
Abstract: 本发明提供基于剪枝压缩的疲劳驾驶快速检测方法,包括以下步骤S1:采用基本回归树的人脸对比算法,获取各类人脸数据库中的人脸样本数据,构建人脸区域数据集,并将人脸样本数据中的人脸、眼和嘴部区域进行标注,删除复杂场景;S2:使用K‑means算法对标注的脸部和眼部目标框的大小进行聚类,采用YOLO V3模型通过DarkNet‑53网络结构进行回归训练;S3:在YOLO V3模型中引入BN层,对BN层中的缩放因子γ进行L1正则化处理,判别出不重要的卷积通道或神经元通道;稀疏化训练后根据剪枝率对模型进行剪枝压缩,之后再对剪枝后的模型进行微调;S4:采用检测到的闭眼图片数量和嘴部张开图片数量在单位时间内所检测图片数量的占比来进行眼部疲劳判定和嘴部哈欠判定。
-
-
-
-
-
-
-
-
-