-
公开(公告)号：CN118540922A
公开(公告)日：2024-08-23
申请号：CN202410930626.6
申请日：2024-07-11
Applicant: 深圳金语科技有限公司 , 华南理工大学
IPC: H05K9/00
Abstract: 本申请涉及电磁屏蔽技术领域，提供了车载影像系统的电磁干扰屏蔽方法及系统。该方法包括生成目标车辆在各个运行状态下的电磁干扰屏蔽逻辑；将各个所述电磁干扰屏蔽逻辑存储至预设数据库；在车载影像系统处于工作状态时，实时获取所述目标车辆的运行状态；其中，所述车载影像系统设于所述目标车辆；基于所述运行状态在预设数据库中获取目标电磁干扰屏蔽逻辑；基于所述目标电磁干扰屏蔽逻辑屏蔽所述车载影像系统所受的电磁干扰。该方法实现了根据车辆的实际运行状态来动态调整电磁干扰屏蔽的策略，提高了电磁干扰屏蔽方法的可靠性和准确性，提高了用户的体验。
-
公开(公告)号：CN110992311B
公开(公告)日：2023-04-28
申请号：CN201911104107.X
申请日：2019-11-13
Applicant: 华南理工大学
IPC: G06T7/00 , G06V10/80 , G06V10/766 , G06V10/764 , G06V10/82 , G06N3/045 , G06N3/0464 , G06N3/082
Abstract: 本发明公开了一种基于特征融合的卷积神经网络瑕疵检测方法，包括步骤：1)对数据集进行预处理；2)对输入到模型卷积网络中的图片，进行resize、padding和归一化操作；3)将瑕疵图片和模板图片输入到Resnet101卷积网络中进行特征提取，并分别构建出瑕疵图片和模板图片的FPN网络；4)将瑕疵图片和模板图片的FPN网络中对应的特征层的通道进行叠加，采用卷积的方式进行融合；5)基于融合后的特征层进行初步的候选区域提取，再进行ROI池化操作；6)级联多个ROI池化层和分类、回归层构成Cascade R‑CNN网络，对输入的候选区域进行分类和回归；7)选定优化器，对模型进行训练；8)将待预测图片输入到训练好的模型中，输出瑕疵检测结果。本发明可提高瑕疵检测过程中对瑕疵的分类准确率和mAP值。
-
公开(公告)号：CN113160140A
公开(公告)日：2021-07-23
申请号：CN202110311680.9
申请日：2021-03-24
Applicant: 华南理工大学
Abstract: 本发明公开了一种基于yolov3‑spp网络模型的钢板表面缺陷检测方法，包括步骤：1)获取钢板表面缺陷图片，划分为训练集和测试集；2)把训练集的图片输入yolov3‑spp网络模型，进行迭代训练，调整网络模型的权重参数，达到设定的迭代次数后，得到网络模型的权重文件；3)把权重文件加载到yolov3‑spp网络模型，对测试集的图片进行预测，得到检测结果。本发明将yolov3‑spp网络模型中的spp模块作为实现局部特征和全局特征融合的一种有效手段，能够充分提取缺陷在图片中的结构信息，经过训练集的学习，可以在测试集上有效地提高钢板表面缺陷检测的精确率。
-
公开(公告)号：CN113160139A
公开(公告)日：2021-07-23
申请号：CN202110311677.7
申请日：2021-03-24
Applicant: 华南理工大学
Abstract: 本发明公开了一种基于注意力的Faster R‑CNN网络的钢板表面缺陷检测方法，包括步骤：1)获取钢板表面缺陷图片，划分训练集和测试集；2)把训练集的图片输入带注意力模块的resnet50骨干网络提取特征图；3)按FPN特征金字塔网络方式融合特征图；4)特征图输入RPN区域建议网络，根据原图尺寸生成建议框；5)建议框和特征图输入RoI align，再经过全连接网络进行分类和回归，得到相应的损失；6)通过损失对基于注意力的Faster R‑CNN网络进行权重调整，迭代次数达到设定值，即训练结束，得到权重文件，对测试集的图片进行预测。本发明将带有注意力模块的resnet50骨干网络与FPN特征金字塔结合对钢板表面缺陷图片提取特征，有助于提高钢板表面缺陷检测的分类和回归的精确率。
-
公开(公告)号：CN106021924B
公开(公告)日：2019-01-18
申请号：CN201610338733.5
申请日：2016-05-19
Applicant: 华南理工大学
IPC: G06F17/50
Abstract: 本发明公开了一种基于多属性高斯核函数快速相关向量机的污水在线软测量方法，包括：使用多属性高斯核函数来构造快速相关向量机的贝叶斯矩阵；建立基于贝叶斯框架下的多属性高斯核函数快速相关向量机模型；采用滑动窗口技术建立滚动时间窗将模型数据和参数随着滚动时间窗的滚动进行在线更新；实时预测出水水质BOD、COD浓度的输出。该方法在快速相关向量机的基础上引入多属性高斯核函数，增强了核函数的局部性能以及全局性，提出滑动窗口技术将模型数据和参数随着滚动时间窗的滚动进行在线更新，增强了在线校正的有效性，有效提高了出水水质预测的实时性和精度。
-
Patent Agency Ranking
公开(公告)号：CN106874934A
公开(公告)日：2017-06-20
申请号：CN201710021709.3
申请日：2017-01-12
Applicant: 华南理工大学
Abstract: 本发明公开了一种基于加权极限学习机集成算法的污水处理故障诊断方法，包括：采用集成算法Adaboost作为分类学习的整体算法框架；采用改进后的样本权值初始化方法；采用加权极限学习机作为基分类器，通过集成算法迭代更新样本权值的特性，处理不平衡数据，结合核函数的非线性映射来提高数据线性可分的程度。该方法在集成算法的基础上采用了加权极限学习机作为基分类器，可以实现多个类别的不平衡数据分类，增强了对不平衡数据的分类性能，有效提高了污水处理过程中故障诊断的准确性。
-
公开(公告)号：CN104865979A
公开(公告)日：2015-08-26
申请号：CN201510093368.1
申请日：2015-03-02
Applicant: 华南理工大学
Abstract: 本发明公开了一种污水处理过程自适应广义预测控制方法，包含以下顺序的步骤：首先利用反馈线性化的思想来实现自适应广义预测控制器的设计；然后在证明其李雅普诺夫稳定的同时，得到修正系统CARIMA模型参数的自适应规则，来动态调整模型参数使得系统跟踪误差达到最小，实现溶解氧浓度的稳态控制。本发明的控制方法及系统，解决了普通广义预测控制在应对较大干扰时不能实现稳定控制的问题。实验结果表明该控制算法能够稳定、快速地控制溶解氧浓度，具有较强的抗干扰能力，有利于实现污水处理过程的稳定、高效运行。
-
公开(公告)号：CN117593600A
公开(公告)日：2024-02-23
申请号：CN202311344464.X
申请日：2023-10-17
Applicant: 华南理工大学
IPC: G06V10/774 , G06V10/80 , G06V10/82 , G06V10/764 , G06V10/26
Abstract: 本发明公开了一种基于Mosaic融合的长尾学习数据增强方法，首先在长尾数据图片中设定图片中心分割点并将每张图片分割为四块区域；接着将批次内的图片样本顺序打乱，获得四组不同顺序的图片样本集；所有图片样本类别根据其类别数量分为多数类和少数类，两种类别的图片样本采用不同的策略进行Mosaic融合数据增强；最后根据每张图片的融合情况，调整图片的标签信息，计算损失函数。本发明考虑了长尾数据的特点，通过在训练数据中引入Mosaic融合增强，借助多数类样本丰富的信息提高少数类别的多样性，从而提升深度学习网络模型的分类性能，改善模型在长尾数据集上的分类效果。
-
公开(公告)号：CN111161243B
公开(公告)日：2023-04-07
申请号：CN201911390407.9
申请日：2019-12-30
Applicant: 华南理工大学
IPC: G06T7/00 , G06V10/764 , G06V10/82 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种基于样本增强的工业产品表面缺陷检测方法，包括步骤：1)对工业产品表面图像进行尺寸标准化、归一化，切割并分类；2)带缺陷的图片进行随机翻转的数据增强；3)将带缺陷图片和正常图片进行随机拼接增强；4)使用Cascade‑RCNN算法进行迭代训练；5)得到Cascade‑RCNN检测模型；6)通过Cascade‑RCNN检测模型对需要检测的工业产品表面图片和确定无缺陷的纹理模板图片进行滑窗检测，对滑窗检测到的结果进行拼接，并对二者得到的结果进行比较，最终得到待检测图片的缺陷类别及区域标注。本发明可有效降低光照、曝光和位移等条件对缺陷检测的影响，提高了检测稳定性，同时提高了二阶段目标检测器对花纹和背景的分辨能力，降低了误检率。
-
公开(公告)号：CN112508857B
公开(公告)日：2022-04-22
申请号：CN202011282968.X
申请日：2020-11-17
Applicant: 华南理工大学
IPC: G06T7/00 , G06T7/136 , G06T7/194 , G06V10/25 , G06V10/774 , G06V10/82 , G06K9/62 , G06N3/04 , G06N3/08
Abstract: 本发明公开了一种基于改进型Cascade R‑CNN的铝材表面缺陷检测方法，包括步骤：1)对铝材表面图片进行尺寸标准化，切割并分类；2)对图片集进行归一化和在线数据增强，并划分批次；3)将所有批次的图片使用改进型Cascade R‑CNN算法进行迭代训练；4)重复步骤2)至步骤3)，迭代训练得到铝材表面缺陷检测模型；5)将待检测的铝材表面图片输入铝材表面缺陷检测模型，得到检测结果。本发明可有效降低光照、曝光和位移等条件对缺陷检测的影响，提高了检测稳定性，同时大幅提高了极端长宽比缺陷的检出率，降低了误检率。
-
-
-
-
-
-
-
-
-
Search Results
55
records
(took 0.033 seconds)
