-
公开(公告)号：CN119888854A
公开(公告)日：2025-04-25
申请号：CN202510037723.7
申请日：2025-01-09
Applicant: 南京工业大学
IPC: G06V40/20 , G06V10/764 , G06V10/762 , G06V10/774 , G06V10/80 , G06V10/82 , G06V20/40 , G06N3/0464 , G06N3/0442 , G06N3/084 , G06N5/04
Abstract: 本发明涉及机器视觉技术领域，具体涉及一种基于机器视觉技术实现工业场景中异常行为检测及智能分析的系统与方法。该系统通过高精度摄像头采集车间影像数据，运用图像识别算法解析工人动作、姿态及设备运行状态。为确保精准检测，构建多元特征模型挖掘行为特征，采用深度学习神经网络优化识别精度与速度。其显著特征包括：通过数据预处理提高图像质量，运用多种算法融合实现精准行为定位与识别，设计智能分析模块生成报告辅助决策。在工业生产中，该系统能及时发现违规操作、偏离安全区、疲劳作业等异常，发出警报并提供分析报告，避免事故，提升生产效益。经测试，异常行为检测准确率高，系统响应迅速,可有效助力工业安全管理与生产流程优化。
-
公开(公告)号：CN117497178A
公开(公告)日：2024-02-02
申请号：CN202311524833.3
申请日：2023-11-15
Applicant: 南京工业大学
IPC: G16H50/20 , G16H50/70 , G06F40/295 , G06F40/30 , G06N5/025 , G06N3/0442 , G06N3/045 , G06N3/0464
Abstract: 本发明涉及一种基于知识图谱的常见病辅助决策方法，该方法首先通过识别结构化，非结构化的各种语义知识构建领域知识图谱；使用HAKE嵌入方法，挖掘不同三元组的实体之间的潜在关系嵌入知识图谱，完善已有的知识图谱内容；根据用户输入的问句，使用基于ALBERT的多层级卷积CRF网络模型进行医疗命名实体识别得到头部实体；使用基于ALBERT‑TextCNN意图识别模型和头部实体识别用户的意图生成候选三元组集合；针对候选集合中的每个三元组，计算联合距离，根据计算结果选择距离最小的三元组作为结果；本方法的优点在于利用知识图谱为辅助决策模型提供了有效的决策依据，同时基于医学实体识别以及意图识别模型提升了辅助决策结果的准确性和可靠性。
-
公开(公告)号：CN116844017A
公开(公告)日：2023-10-03
申请号：CN202310632681.2
申请日：2023-05-31
Applicant: 南京工业大学
Abstract: 本发明涉及一种基于机器学习的视频行人检测方法，首先以改进型Yolov5网络结构设计人物检测模型，实现对拍摄图像中人物的侦测；接着联系历史时间方向的拍摄图像，考虑短暂、错误对象的侦测问题，执行创新逻辑策略设计，实现最终行人的检测；设计方案中为了提高行人检测的准确率和鲁棒性，融合注意力模块CBAM的改进型Yolov5网络结构设计，加强对低层特征的提取，解决了视频中行人运动模糊问题；整体设计方案的实际实施应用，大大提高了行人检测的准确性。
-
公开(公告)号：CN116597282A
公开(公告)日：2023-08-15
申请号：CN202310632761.8
申请日：2023-05-31
Applicant: 南京工业大学
Abstract: 本发明涉及一种基于Yolov7和Deepsort的安全穿戴检测方法，应用人物检测模型针对拍摄图像进行分析，获得其中人物检测结果，再应用Deepsort网络实现各帧拍摄图像之间的连续人物跟踪，最后应用安全穿戴检测模型，针对连续人物跟踪，执行进一步的安全穿戴检测；基于LSAM注意力机制的改进型Yolov7网络结构，能够加强网络对小目标的感知能力，提高检测精度，并且在应用Deepsort网络进行人物跟踪过程中，将速度方向因素添加到成本矩阵中，提高了目标跟踪的准确率和鲁棒性，能够更好地捕捉图像中关键特征，更有效地进行目标跟踪，大大降低安全穿戴检测过程中的误检和漏检率。
-
公开(公告)号：CN116597280A
公开(公告)日：2023-08-15
申请号：CN202310632657.9
申请日：2023-05-31
Applicant: 南京工业大学
IPC: G06V10/82 , G06V10/25 , G06V10/40 , G06V10/774 , G06N3/048 , G06N3/0464 , G06N3/084
Abstract: 本发明涉及一种基于改进YOLOv7的烟火识别方法，基于添加SEAttention注意力机制模块的YOLOv7网络架构，训练获得针对拍摄图像，考虑拍摄时目标室内环境关于预设各类环境因素，用于获得火情侦测的火情检测模型，实现实际应用中火情的快速准确识别；设计方案在YOLOv7网络架构上的改进，结合创新损失函数的应用，不仅减少了模型的计算量和参数数量，提高数据处理速率，而且能够更好地捕捉图像中关键特征，有效提高了烟火目标的检测精度和鲁棒性。
-
Patent Agency Ranking
公开(公告)号：CN116578841A
公开(公告)日：2023-08-11
申请号：CN202310568277.3
申请日：2023-05-19
Applicant: 南京工业大学
IPC: G06F18/10 , G06F18/214 , G06F18/2415
Abstract: 本发明公开一种基于改进贝叶斯网络结构的工业报警网络构造方法，涉及工业报警网络构造技术领域；而本发明S1：选取TE过程报警数据作为数据集，数据采样间隔为3分钟，并对数据集划分训练集和测试集。将TE过程报警数据进行划分具体为：将前5小时共100个报警数据作为训练集，将第5小时至第48小时共860个报警数据作为测试集，S2、将S1提取的数据集进行排序，如若统计后的数据存在间隔的现象，采用均值法对间断地方进行补值处理；通过该方法所学习到的工业报警网络与原始网络更加接近，这是由于EEMI在计算节点之间关联程度时考虑了自身的信息熵，在正确率上更具优势，且VLL定向规则的准确性更高。
-
公开(公告)号：CN116029454A
公开(公告)日：2023-04-28
申请号：CN202310132857.8
申请日：2023-02-17
Applicant: 南京工业大学
IPC: G06Q10/04 , G06N3/006 , G06N3/08 , G06N3/0442
Abstract: 本申请公开了一种基于神经网络的篦冷机设备参数预测优化方法，涉及到水泥工业生产领域。首先通过构建神经网络模型，通过OPC系统得到的数据进行网络训练，其次，针对篦冷机设备特性进行参数分析，设定神经网络模型训练参数，包括网络模型中的迭代步数、网络层数、记忆参数，再次，构建多目标优化算法，将网络模型应用于多目标优化算法中，最后，分析优化算法给出的指导参数并应用于生产环境。
-
公开(公告)号：CN113965372A
公开(公告)日：2022-01-21
申请号：CN202111218206.8
申请日：2021-10-19
Applicant: 南京工业大学
Abstract: 本发明涉及一种基于属性加密的安全通信机制，涉及信息安全领域和工业控制领域，由中央权威、数据属主、雾节点、云平台以及数据用户组成。本发明采用AES对称加密算法加密工业数据，用基于属性的加密算法加密AES密钥，保证了工业数据通信的安全性；使用了加解密外包，将大量复杂的计算外包给云和多个雾节点，降低设备端和用户端计算开销的同时，保证了数据的机密性；此外，访问策略更新，避免了更改访问策略时，需要将数据文件从云端下载再重新加密的计算消耗，进一步降低设备端的计算开销。
-
公开(公告)号：CN111698240A
公开(公告)日：2020-09-22
申请号：CN202010514527.1
申请日：2020-06-08
Applicant: 南京工业大学
Abstract: 本发明公开了一种CP-ABE加密外包，该加密外包解决了云计算环境下高效实现数据文件的安全访问与共享问题，该方法一方面引入代理重加密技术，对密文进行转换，使得授权人能解密的密文转变成被授权人能解密的密文，具体是指数据属主的文件加密上传到云代理服务器后，授权人不在的情况下，云代理服务器对加密过的文件进行重加密，当被授权人从云代理服务器上获取到重加密密文后，可以使用自己的私钥解密获得明文，保证了数据的安全访问与共享；另一方面密文加密，采用基于CP-ABE的固定密文长度算法，计算密文，使得方案中密文的长度是固定的，不会随着属性个数的增长而增长，从而能够有效地降低了计算开销。
-
公开(公告)号：CN110378035A
公开(公告)日：2019-10-25
申请号：CN201910663520.3
申请日：2019-07-19
Applicant: 南京工业大学
Abstract: 本发明公开了一种基于深度学习的加氢裂化软测量建模方法。涉及软测量技术领域，该方法使用Java编写了分别获取过程历史数据库和生产过程质量检测类LIMS数据库的过程数据和质量数据的定时程序，周期性的获取过程数据；根据加氢裂化工艺的先验知识选取了软测量建模中所需的辅助变量，并对相应的过程数据进行了数据预处理；然后，建立了深度置信网络和深度神经网络结合的网络模型，深度置信网络用于提取复杂非线性过程数据的特征和降低数据维度，深度神经网络用于回归预测质量变量。
-
-
-
-
-
-
-
-
-
Search Results
43
records
(took 0.027 seconds)
