公开(公告)号：CN119294587A

公开(公告)日：2025-01-10

申请号：CN202411309232.5

申请日：2024-09-19

Applicant: 哈尔滨工业大学(深圳)(哈尔滨工业大学深圳科技创新研究院)

Inventor： 佟欢 ,  王子涵

IPC: G06Q10/04 ,  G06Q10/0639 ,  G06Q50/26 ,  G06V20/13 ,  G06V10/764 ,  G06T5/80 ,  G06F17/18

Abstract: 本发明公开了一种基于城市蔓延的碳排放预测方法及装置，包括：基于预设分辨率的遥感卫星数据进行城市蔓延测度，得到城市蔓延对应的指标；挖掘并构建所述城市蔓延对应的指标与碳排放的相互关系，得到蔓延要素与碳排放的因果关系、相互作用参数以及时间影响关系参数；根据所述蔓延要素与碳排放的因果关系、所述相互作用参数以及所述时间影响关系参数构建系统动力学模型，并基于政策情景进行城市未来碳排放的预测，输出基于城市蔓延的碳排放预测结果。本发明通过遥感动态监测城市蔓延和精确计算未来的碳排放，不仅提升了碳排放预测范围与领域，而且因为数据获取容易，降低了预测成本。

公开(公告)号：CN118115795A

公开(公告)日：2024-05-31

申请号：CN202410242631.8

申请日：2024-03-04

Applicant: 哈尔滨工业大学(深圳)(哈尔滨工业大学深圳科技创新研究院)

Inventor： 王鸿鹏 ,  王子涵 ,  薛睿 ,  程正涛 ,  宋兴浩

IPC: G06V10/764 ,  G06V10/774 ,  G06T7/00 ,  G06V10/82 ,  G06N3/0464

Abstract: 本申请提供了电子元器件分类方法、设备及存储介质，该方法包括：获取已标注的图像和未标注的图像，并将已标注的图像划分为训练集和测试集；基于训练集和测试集训练多个不同类型的神经网络模型，得到多个电子元器件分类模型，并将其划分为主模型和副模型；分别通过主模型和副模型在未标注的图像中筛选，筛选得到第一样本集合和第二样本集合；基于第一样本集合和第二样本集合，得到目标样本集合；将目标样本集合加入训练集中，重新训练主模型和副模型，检验重新训练后的主模型的分类准确率是否满足预设条件，若满足预设条件，则通过重新训练后的主模型对电子元器件进行分类。本申请能够提高综合区分良品以及不同类型的不良品的能力。

公开(公告)号：CN115187808B

公开(公告)日：2025-05-06

申请号：CN202210761753.9

申请日：2022-06-30

Applicant: 哈尔滨工业大学(深圳)

Inventor： 陈震 ,  王鸿鹏 ,  程正涛 ,  王子涵

IPC: G06V10/764 ,  G06V10/82 ,  G06V10/20 ,  G06N3/08

Abstract: 本发明提供了一种基于图像的电子元器件缺陷检测方法，包括：步骤1：初始训练数据集；步骤2：训练初始分类模型；步骤3：判断是否出现新类别图像，若是，那么执行步骤4，否则执行步骤A1；步骤4：收集新类别训练数据；步骤5：增量调整初始模型；步骤6：更新后的分类模型，然后执行步骤A1；步骤A1：对测试图像进行分类；步骤A2：图像进入相应的预处理模型。本发明的有益效果是：本发明将持续学习方法引入电容识别任务有效缓解灾难性遗忘并提升模型识别准确率，在图像分类领域中,经过训练的深度神经网络分类模型能够识别出图像中不同类别的物体,并且已经可以达到较高的识别率。

公开(公告)号：CN115187808A

公开(公告)日：2022-10-14

申请号：CN202210761753.9

申请日：2022-06-30

Applicant: 哈尔滨工业大学(深圳)

Inventor： 陈震 ,  王鸿鹏 ,  程正涛 ,  王子涵

IPC: G06V10/764 ,  G06V10/82 ,  G06V10/20 ,  G06N3/08

Abstract: 本发明提供了一种基于图像的电子元器件缺陷检测方法，包括：步骤1：初始训练数据集；步骤2：训练初始分类模型；步骤3：判断是否出现新类别图像，若是，那么执行步骤4，否则执行步骤A1；步骤4：收集新类别训练数据；步骤5：增量调整初始模型；步骤6：更新后的分类模型，然后执行步骤A1；步骤A1：对测试图像进行分类；步骤A2：图像进入相应的预处理模型。本发明的有益效果是：本发明将持续学习方法引入电容识别任务有效缓解灾难性遗忘并提升模型识别准确率，在图像分类领域中,经过训练的深度神经网络分类模型能够识别出图像中不同类别的物体,并且已经可以达到较高的识别率。