-
公开(公告)号：CN119888821A
公开(公告)日：2025-04-25
申请号：CN202510037780.5
申请日：2025-01-09
Applicant: 南京工业大学
IPC: G06V40/16 , G06V40/10 , G06V20/40 , G06V10/764 , G06V10/774 , G06V10/80 , G06V10/82 , G06T7/246 , G06N3/0464 , G06N3/048 , G06N3/08
Abstract: 本发明涉及计算机视觉和深度学习领域，尤其涉及一种基于改进卷积神经网络的人员闯入检测方法，旨在解决工业场景中传统技术存在的环境适应性差、检测精度低、误报率高以及缺乏实时性等问题。该方法通过对YOLOv8网络进行改进，包括在骨干网络加入全维度动态卷积，该卷积考虑了空域、输入输出通道等维度上的动态特性，提高了模型低分辨目标和小目标的检测精度；其次引入了感受野注意力模块，更好关注不同区域和通道的重要特征，提高复杂场景下特征提取的精确性。通过这种改进，本发明不仅提高了人员闯入检测的准确性，还增强了模型在复杂环境下的鲁棒性。
-
公开(公告)号：CN117973376A
公开(公告)日：2024-05-03
申请号：CN202410217539.6
申请日：2024-02-27
Applicant: 南京工业大学
IPC: G06F40/279 , G06F40/30 , G06F40/126 , G16H10/60
Abstract: 本发明公开了一种基于BERT增加词法信息的医疗实体识别方法的相关研究与技术方案。为了解决当前预训练模型无法充分适应医疗领域的命名实体识别任务和在微调时易发生的灾难性遗忘问题，提出了一种基于BERT的预训练模型架构：在BERT预训练模型基础上增加额外的词法信息，从而构建了注入词法信息的BERT模型，通过多头注意力机制将分词和词性序列与字序列进行语义融合，模型相比其他实体识别模型拥有更好的语义表征能力，在医疗实体识别任务的效果上有更好的表现。
-
公开(公告)号：CN110390059A
公开(公告)日：2019-10-29
申请号：CN201910633180.X
申请日：2019-07-10
Applicant: 南京工业大学
IPC: G06F16/9536 , G06F16/735
Abstract: 本发明公开了一种基于类型相关的电影推荐算法。涉及推荐算法领域，基于协同过滤的电影推荐来自许多用户的评级(偏好分数)来预测给定用户的相似度得分或推荐电影的列表。由于它们仅使用用户明确给出的可用评级，因此它们的预测精度面临一定的限制，需要采用其他项目属性的工作以获得更精确的建议。类型相关方法的改进基于类型相关的推荐系统避免了与一般协同过滤方法相关的问题。但是，如果电影的类型组合的数量很大则类型相关不能准确反映。此外，如果我们可以确定类型相关的特征，那么我们可以组成可用于各种设备的高级类型相关出于这些原因，我们尝试改进现有的类型相关算法，使得推荐效果大大提高。
-
公开(公告)号：CN110110228A
公开(公告)日：2019-08-09
申请号：CN201910331336.9
申请日：2019-04-22
Applicant: 南京工业大学
IPC: G06F16/9535 , G06K9/00
Abstract: 本发明设计了一种基于互联网与词袋的专业文献智能即时推荐方法及系统。本系统主要涉及电子信息和互联网技术领域，先通过定义新的词汇语义相似度公式，然后提取单个文章关键名词、某类文章关键名词、用户文章需求信息，对应生成词袋；再将用户文章需求词袋与文章类别词袋根据公式确定类别，接着再与该类别下的单个文章词袋匹配，得出推荐列表推送至用户。本系统通过网络爬虫技术更新数据库，及时进行文章推荐，然后通过通信单元，将生成的推荐文章列表推送给用户。用户可对推荐文章进行标记，不断训练词袋，以优化推荐结果。本发明能够发掘潜在信息需求，及时向用户推送更新信息，较好的解决用户重复检索带来时间浪费的问题，提高推荐效率与精度。
-
公开(公告)号：CN119888855A
公开(公告)日：2025-04-25
申请号：CN202510037748.7
申请日：2025-01-09
Applicant: 南京工业大学
IPC: G06V40/20 , G06V20/40 , G06V10/764 , G06V10/774 , G06V10/80 , G06V10/82 , G06N3/0464 , G06N3/042 , G06N3/084
Abstract: 本发明提出一种基于多模态融合与时空自适应图卷积网络的钢厂人员摔倒检测方法，旨在解决钢厂人员摔倒检测问题，提高工业生产安全性。在钢厂关键区域布置高清摄像头采集视频数据并收集公开数据集，专业团队标注位置、姿态、摔倒类型等信息，运用多种技术进行数据增强。选用YOLOv8为基础模型并引入CBAM注意力机制改进，融合AlphaPose姿态信息后经时空自适应图卷积网络处理，划分数据集训练并依性能指标调整策略。系统实现与部署方面，设计含多模块的监测预警系统，引入DeepSORT算法跟踪目标，采用视频处理和硬件加速手段嵌入模型，可本地或云端部署并测试优化。模型性能评估采用多指标体系及多样测试数据集，依评估结果从结构、数据等方面优化，建立持续优化机制。本方法提升了钢厂人员摔倒检测的准确性、实时性和可靠性，对工业安全生产有重要意义。
-
Patent Agency Ranking
公开(公告)号：CN115422775A
公开(公告)日：2022-12-02
申请号：CN202211211812.1
申请日：2022-09-30
Applicant: 南京工业大学
IPC: G06F30/20 , G06F30/17 , G06K9/62 , G06F111/10 , G06F119/08
Abstract: 本发明涉及一种水泥回转窑控制参数优化方法，首先获得目标水泥回转窑工作状态下与水泥f‑CaO含量相关的各个目标位号数据类型；接着基于各个待分析时间点下各目标位号数据类型数据值组成的向量，获得各个待参照最优控制参数向量；然后基于目标水泥回转窑各目标位号数据类型对应当前工作状态下数据值组成的当前向量，获得各待参照最优控制参数向量中、与当前向量相似度最高的待参照最优控制参数向量，构成目标最优控制参数向量；最后以目标最优控制参数向量为目标，针对目标水泥回转窑对应当前工作状态下的各目标位号数据类型进行调整；如此使工况逐渐接近或达到历史最好水平，从而有效提高熟料的产量和质量。
-
公开(公告)号：CN114117891A
公开(公告)日：2022-03-01
申请号：CN202111291054.4
申请日：2021-11-02
Applicant: 南京工业大学
IPC: G06F30/27 , G06N3/04 , G06N3/08 , G06Q10/04 , G06Q50/04 , G06F111/10 , G06F119/06
Abstract: 本发明公布了一种基于深度置信网络的回转窑预测方法。采用非线性映射函数的DBN模型直接对多元数据进行训练，学习它们的内部表示，并捕捉它们之间的非线性相关性，建立时间序列输入层的滑动窗口模型。在基础上建立多指标能耗预警模型SW‑DBN，它能够学习时变时滞和非线性特征的层次结构。这些特点有利于能源消耗预测。通过滑动窗口模型和多指标能耗预警模型对回转窑的能耗进行实时预测。对于水泥生产计划，可以模拟能耗预测系统的分析，确定最有效、最节约成本的生产参数，提前预测运行过程中需要的电和煤的需求量，有效的提高了生产效率，减少了以往仅依靠工人经验所导致的大误差情况。同时，该方法保证了回转窑能够长期处于一个平稳运转状态，有效的提高了回转窑的停机次数，减少因为停机检修带来的损失，可以大大增加企业的生产效益。
-
公开(公告)号：CN113852468A
公开(公告)日：2021-12-28
申请号：CN202111095733.4
申请日：2021-09-17
Applicant: 南京工业大学
Abstract: 本发明公开了一种基于RSA加密改进的设备控制信息加密方法。涉及工业数据安全领域，该方法针对工业生产过程中设备控制信息传输过程存在的安全问题，提出一种新的设备控制信息加密方法。在工业控制领域中，当用户服务器端向设备终端发送控制信息指令时，存在第三方干扰和破坏的不安全因素。通过改进的RSA加密算法，可以有效保护控制信息，同时控制信息的长度能够满足RSA算法的要求。
-
公开(公告)号：CN110430044A
公开(公告)日：2019-11-08
申请号：CN201910633178.2
申请日：2019-07-10
Applicant: 南京工业大学
Abstract: 本发明公开一种基于ElGamal加密的双层加密方法。涉及网络安全领域，该方法主要对数据在网络传输过程中提供安全性保护，并且针对传统的单层加密面对如今的网络攻击抵御能力不强，依然有可能出现信息泄露或是被窃取的问题进行了改进。该方法对传输过程中的数据进行了更为复杂的双层加密。对第一个传输的数据包该方法依旧使用基于ElGamal加密方法的单层公钥加密方法。对于接下的每一个数据包，该方法首先对数据包进行第一层基于ElGamal算法的加密，同时使用NKCP计算方法计算K值，利用该K值进行第二次加密。同样的，接收端也使用双层解密，获得传输的明文。基于ElGamal加密的双层加密算法可以提高加密的复杂度，从而更好的保证数据传输过程中的安全性和完整性。
-
公开(公告)号：CN119888574A
公开(公告)日：2025-04-25
申请号：CN202510037768.4
申请日：2025-01-09
Applicant: 南京工业大学
IPC: G06V20/40 , G06V20/52 , G06T7/246 , G06V10/764 , G06V10/774 , G06V10/82 , G06T5/50 , G06T3/4007 , G06F17/11 , G06N3/0464 , G06N3/084
Abstract: 本发明属于智能视频监控与工业安全管理领域，具体为一种基于深度学习与目标跟踪的厂区非规范作业识别与预警技术。主要涵盖数据采集与预处理、数据标注与分类、模型构建与训练以及目标跟踪与预警四个部分。该技术通过从企业重点监控区域采集并处理大量监控视频数据，利用专业人员进行数据标注和分类，构建基于深度学习架构(如改进的YOLO模型)的行为检测模型并结合数据增强技术和多损失函数进行训练，在检测到非规范作业行为后，使用DeepSORT改进版目标跟踪算法持续跟踪涉事人员，同时构建智能预警机制进行及时报警。此技术经过大量实际场景测试，在对厂区非规范作业的识别准确性和预警及时性方面均较传统人工巡检和简单视频分析方法有所提升，有效弥补了传统方法在准确性、实时性和鲁棒性方面的不足，为企业的安全生产管理提供了更高效、可靠的解决方案。
-
-
-
-
-
-
-
-
-
Search Results
28
records
(took 0.028 seconds)
