公开(公告)号：CN118410867A

公开(公告)日：2024-07-30

申请号：CN202410495530.1

申请日：2024-04-24

Applicant: 常州大学

Inventor： 蒋广琪 ,  张澳 ,  刘毅 ,  官威 ,  徐守坤

IPC: G06N5/04 ,  G06N20/00 ,  G06F17/16 ,  G06F18/22

Abstract: 本发明公开了一种基于数据受限的跨域信息推理方法，包括以下步骤：获取多域信息的缺失数据集；S2、利用获取到的缺失数据集、并采取最大化信息熵构建水下跨域信息推理网络模型，以获得该水下跨域信息推理网络模型整体的目标方程，并对该目标方程进行训练，以获得最优水下跨域信息推理网络模型；S3、利用获得的最优水下跨域信息推理网络模型对检测设备检测到的水下环境数据进行缺失数据推理，输出该水下环境检测数据的缺失数据。本发明将缺失数据作为优化目标，并采用最大化信息熵的方式构建跨域信息推理网络模型和该模型的目标方程，对目标方程进行训练，获得最优模型，能够实现缺失信息的高质量预测。

公开(公告)号：CN116719805A

公开(公告)日：2023-09-08

申请号：CN202310734844.8

申请日：2023-06-20

Applicant: 常州大学

Inventor： 隋旭鹏 ,  王少伟 ,  刘毅 ,  顾昊 ,  夏雄

IPC: G06F16/215 ,  G06F18/22 ,  G06F18/2411 ,  G06F18/27 ,  G06F123/02

Abstract: 本发明涉及一种基于因果和邻近影响的拱坝温度场监测数据缺值插补方法，包括：区分完整温度时间序列和待插补温度时间序列；根据缺值段所处位置和相对变化幅值判断每个待插补温度时间序列的各个缺值段是否符合线性插补标准；如果符合，进行线性插补；如果不符合，建立兼顾因果机理和邻近影响的预测模型，并基于多测点分层标准和同层优先级准则进行机器学习插补。本发明可以实现拱坝温度场监测数据缺值的高效、准确插补。

公开(公告)号：CN116294214A

公开(公告)日：2023-06-23

申请号：CN202310176523.0

申请日：2023-02-28

Applicant: 常州大学

Inventor： 奚颖 ,  许伟刚 ,  张琳 ,  伍秉杰 ,  刘毅 ,  钱文鑫 ,  钱红卫 ,  伍霞

IPC: F24H7/02 ,  F24H1/16 ,  F24H9/00 ,  F24H9/1832 ,  F24H9/20 ,  F24H15/219 ,  F24H15/305 ,  F24H15/421

Abstract: 本发明涉及一种多段串并联防结焦有机热载体炉，包括炉体和位于所述炉体内底部的燃烧器，所述炉体内自上而下分为至少两段，每一段内均布置盘管组，每个盘管组包括相并联的内圈盘管和外圈盘管，各段内的盘管组串联和/或并联。本发明可以避免盘管内导热介质的温差过大，进而防止结焦。

公开(公告)号：CN116086017A

公开(公告)日：2023-05-09

申请号：CN202310033159.2

申请日：2023-01-10

Applicant: 常州能源设备股份有限公司 ,  常州大学

Inventor： 张庆金 ,  郑伟宏 ,  陈敏 ,  张琳 ,  张茜 ,  周承满 ,  刘毅 ,  王祺

IPC: F24H7/00 ,  F24H9/00 ,  F24H9/1845

Abstract: 本发明涉及加热炉技术领域，具体是一种大型模块式燃煤粉热载体加热炉及其拼装方法，包括燃烧器、出口集箱、若干个辐射段、灰斗、进口集箱、中间集箱、若干个对流段、出烟口及连接组件；所述辐射段和/或所述对流段包括钢架、流道，相邻的两根所述流道之间通过连接组件连接；若干个所述辐射段包括辐射段A、辐射段B、辐射段C、辐射段D及辐射段E，若干个所述辐射段从上往下布置组成辐射室，相邻的所述辐射段之间由连接组件相连；若干个所述对流段包括对流段A、对流段B及对流段C，若干个所述对流段由下往上组成对流室，相邻的所述对流段之间由连接组件相连。本发明可快速组装出换热面积大的大型加热炉，换热效率高、安装便于、施工工期短。

公开(公告)号：CN114806607B

公开(公告)日：2023-03-21

申请号：CN202210359726.9

申请日：2022-04-07

Applicant: 常州大学

Inventor： 张琳 ,  许芳 ,  闫宇晨 ,  刘毅 ,  沈彦儒 ,  车烜舟 ,  许伟刚 ,  卜诗 ,  王傲

IPC: C10B27/00 ,  C10B27/06 ,  C10B41/08 ,  F28D7/02 ,  F28F19/01 ,  B01D46/10 ,  B01D46/42 ,  B01D46/62

Abstract: 本发明提供了一种高效安全可卸式焦炉荒煤气余热回收上升管装置，包括油气分离过滤器和余热收集装置；油气分离过滤器的外壁包裹具有夹套层；余热收集装置包括上升管筒体和套管式螺旋盘管；套管式螺旋盘管包括出水/导热油管和夹套式外套管，出水/导热油管的进口与油气分离过滤器出水/导热油过渡管的出口连通，出水/导热油管的出口伸出上升管筒体外，夹套式外套管内设有检测压力变化的超压报警装置。本发明结构简单，制造成本低，且余热回收效果高效安全。

公开(公告)号：CN115035065A

公开(公告)日：2022-09-09

申请号：CN202210660658.X

申请日：2022-06-13

Applicant: 常州大学

Inventor： 徐守坤 ,  钟梅嘉 ,  李宁 ,  庄丽华 ,  石林 ,  袁宝华 ,  刘毅 ,  黄河 ,  顾玉宛 ,  王雪元

IPC: G06T7/00 ,  G06V10/774 ,  G06V10/80 ,  G06V10/82 ,  G06N3/04

Abstract: 本发明公开了一种基于深度学习的道路裂缝检测方法，包括：获取多个道路裂缝图片，将多个所述道路裂缝图片划分为训练集、验证集和测试集；搭建U‑Net网络，所述U‑Net网络具有编码部分和解码部分，编码部分和解码部分各有5层；利用边缘细化模块取代所述编码部分中传统的双层卷积结构，每层包含3个边缘细化模块，在所述U‑Net网络的底部设计基于注意力机制的多尺度融合模块，在所述解码部分的第2、3、4层分别设计融合优化模块，得到改进U‑Net网络；将训练集和验证集加载到所述改进U‑Net网络进行训练和验证，保存效果最好的模型；用所述效果最好的模型对所述测试集中的道路裂缝图片进行测试，得到测试结果。它可以减少道路裂缝漏检误检现象。

公开(公告)号：CN115017582A

公开(公告)日：2022-09-06

申请号：CN202210620446.9

申请日：2022-06-02

Applicant: 常州大学

Inventor： 王少伟 ,  徐丛 ,  刘毅 ,  顾昊 ,  徐波 ,  胡坤

IPC: G06F30/13

Abstract: 本发明公开了拱坝位移监控技术领域的一种提高拱坝位移预测模型性能的组合建模方法；包括采集拱坝位移和环境量监测数据，以监测数据中的位移因果分量为输入，拱坝实测位移为输出，建立用于拱坝位移预测的MLR子模型，定义为第一类子模型，并采用融合拱坝多测点位移时变规律一致性程度尽可能大目标的改进参数优化法，分别建立用于拱坝位移预测的NN、ELM、SVM和RVM机器学习子模型，定义为第二类子模型；根据各子模型的评价指标和改进参数优化法，建立五型、四型、三型、二型组合模型，比较各组合模型和预测MSE增比最小的子模型的位移预测精度，将最优者作为最终的组合预测模型，可有效减轻机器学习模型的过拟合程度，提高了拱坝位移预测模型的预测精度。

公开(公告)号：CN118447374A

公开(公告)日：2024-08-06

申请号：CN202410349359.3

申请日：2024-03-26

Applicant: 常州大学

Inventor： 刘毅 ,  李橙歆 ,  石林 ,  徐守坤

IPC: G06V20/00 ,  G06V10/774 ,  G06V10/80 ,  G06V10/82 ,  G06V10/40 ,  G06N3/0464 ,  G06N3/048 ,  G06N3/088 ,  G06N5/04

Abstract: 本发明涉及图像处理技术领域，尤其涉及基于对比蒸馏学习的显著和伪装物体的检测方法及系统，包括对输入图像提取深度特征；设计包括前景语义获取、背景语义获取和前景‑背景对比学习的对比蒸馏学习模型；挖掘隐含在深度骨干中的特征，在真值监督设置下，由多尺度特征联合来推断前景图，获取前景语义向量；从网络中间层提取特征与取反后的真值图一并获取背景语义向量；利用损失函数训练对比蒸馏学习模型。本发明利用对比蒸馏学习模型区分前景和背景，同时适合于显著性和伪装性场景，达到任务无关性的效果。

公开(公告)号：CN118196609A

公开(公告)日：2024-06-14

申请号：CN202410228321.0

申请日：2024-02-29

Applicant: 常州大学

Inventor： 蒋广琪 ,  陈望杰 ,  刘毅 ,  官威 ,  徐守坤

IPC: G06V20/05 ,  G06V10/74 ,  G06V10/764 ,  G06V10/77 ,  G06V10/80 ,  G06V10/82 ,  G06N3/0455 ,  G06N3/08

Abstract: 本发明实施例提供一种基于深海环境下的水下机器人多域协同方法。该方法包括以下步骤：S1、提取深海环境中不同域的水下数据，得到水下多域数据集，水下数据包括光谱图像、可见光图像；S2、构建基于水下机器人的多域信息协同模型；S3、对水下多域数据集进行编码低维重构，获得不同域的特殊低维表示；S4、对不同域的特殊低维表示进行跨域对比融合，得到针对不同域的统一的特征表示；S5、基于统一的特征表示，确定不同域的底层簇结构；S6、基于不同域的底层簇结构，对多域信息协同模型进行训练；S7、将训练完成后的多域信息协同模型搭载在智能平台，以进行下游任务。本发明提高了水下机器人的环境感知性能。

公开(公告)号：CN117011602A

公开(公告)日：2023-11-07

申请号：CN202310958480.1

申请日：2023-07-31

Applicant: 常州大学

Inventor： 刘毅 ,  陶鑫 ,  周凌 ,  蒋广琪 ,  官威 ,  徐守坤

IPC: G06V10/764 ,  G06N3/0464 ,  G06V10/82 ,  G06V10/774 ,  G06V10/80

Abstract: 本发明涉及图像处理技术领域，尤其涉及基于类型线索相关性指导的显著目标检测方法及系统，包括利用HRNet主干对待检测图像进行深度特征提取；将上下文信息特征图分别输入卷积神经网络和胶囊网络，获得对比度显著性预测结果和部件‑整体关系显著性预测结果；进行对比度显著性预测结果和部件‑整体关系显著性预测结果的水平方向和垂直方向投票矩阵计算以改进显著性先验；将对比度线索类型相关的显著性预测和部件‑整体关系相关的显著性预测进行融合；运用交叉熵误差函数和边界误差函数联合训练双分支目标检测网络。本发明解决现有方法缺乏融合对比线索和部件‑整体关系后的指导，具有更好的检测性能，可用于计算机视觉中图像的检测和识别过程。