公开(公告)号：CN113362299A

公开(公告)日：2021-09-07

申请号：CN202110619088.5

申请日：2021-06-03

Applicant: 南通大学

Inventor： 周城 ,  徐慧 ,  余伟超 ,  尹必才 ,  赵晨薇

IPC: G06T7/00 ,  G06K9/62 ,  G06N3/04

Abstract: 本发明公开了一种基于改进YOLOv4的X光安检图像检测方法，S1.建立含有违禁品的X光安检图像数据集，并将数据集分为训练集和测试集；S2.利用K‑means++聚类算法设置数据集的先验框；S3.搭建YOLOv4网络模型，包含利用GHM‑C改进YOLOv4的置信度损失函数；S4.利用训练集对改进的YOLOv4模型进行训练得到X光安检图像检测模型；S5.利用测试集对X光安检图像检测模型进行测试。使用GHM‑C loss代替YOLOv4中的置信度损失函数,通过降低简单负样本和非常困难的异常样本的权重，使模型更加专注于那些更为有效的正常困难样本，从而解决样本不平衡问题以提升模型的性能。

公开(公告)号：CN113990409B

公开(公告)日：2024-09-24

申请号：CN202111232532.4

申请日：2021-10-22

Applicant: 南通大学

Inventor： 周城 ,  徐慧 ,  余伟超 ,  尹必才 ,  赵晨薇

IPC: G16C20/30 ,  G16C20/70 ,  G06F18/213 ,  G06F18/23213 ,  G06F18/27

Abstract: 本发明提供了一种基于混合特征选择的辛烷值损失预测方法，属于石油化工技术领域。解决了现有的辛烷值损失测定方法成本高、耗时大的问题。其技术方案为：该预测方法包括如下步骤：S1:获取从催化裂化汽油精制装置采集的样本原始数据；S2:将数据样本进行预处理；S3:使用k‑means聚类算法初步筛选变量：S4:使用皮尔逊相关系数检验变量的线性关系，并用距离相关系数检验变量的非线性关系,将与其它变量相关性较高的变量剔除：S5:根据决策树计算的各变量重要性，得到建模的最终变量；S6:根据辛烷值损失和筛选的变量，建立多元线性回归模型并进行训练。本发明的有益效果为：可以使建模的主要变量具有代表性和独立性。

公开(公告)号：CN113990409A

公开(公告)日：2022-01-28

申请号：CN202111232532.4

申请日：2021-10-22

Applicant: 南通大学

Inventor： 周城 ,  徐慧 ,  余伟超 ,  尹必才 ,  赵晨薇

IPC: G16C20/30 ,  G16C20/70 ,  G06K9/62

Abstract: 本发明提供了一种基于混合特征选择的辛烷值损失预测方法，属于石油化工技术领域。解决了现有的辛烷值损失测定方法成本高、耗时大的问题。其技术方案为：该预测方法包括如下步骤：S1:获取从催化裂化汽油精制装置采集的样本原始数据；S2:将数据样本进行预处理；S3:使用k‑means聚类算法初步筛选变量：S4:使用皮尔逊相关系数检验变量的线性关系，并用距离相关系数检验变量的非线性关系,将与其它变量相关性较高的变量剔除：S5:根据决策树计算的各变量重要性，得到建模的最终变量；S6:根据辛烷值损失和筛选的变量，建立多元线性回归模型并进行训练。本发明的有益效果为：可以使建模的主要变量具有代表性和独立性。

公开(公告)号：CN113362299B

公开(公告)日：2023-09-12

申请号：CN202110619088.5

申请日：2021-06-03

Applicant: 南通大学

Inventor： 周城 ,  徐慧 ,  余伟超 ,  尹必才 ,  赵晨薇

IPC: G06V20/52 ,  G06V10/82 ,  G06N3/0464 ,  G06N3/08 ,  G06V10/762

Abstract: 本发明公开了一种基于改进YOLOv4的X光安检图像检测方法，S1.建立含有违禁品的X光安检图像数据集，并将数据集分为训练集和测试集；S2.利用K‑means++聚类算法设置数据集的先验框；S3.搭建YOLOv4网络模型，包含利用GHM‑C改进YOLOv4的置信度损失函数；S4.利用训练集对改进的YOLOv4模型进行训练得到X光安检图像检测模型；S5.利用测试集对X光安检图像检测模型进行测试。使用GHM‑C loss代替YOLOv4中的置信度损失函数,通过降低简单负样本和非常困难的异常样本的权重，使模型更加专注于那些更为有效的正常困难样本，从而解决样本不平衡问题以提升模型的性能。