-
公开(公告)号：CN116703834A
公开(公告)日：2023-09-05
申请号：CN202310577405.0
申请日：2023-05-22
Applicant: 浙江大学
IPC: G06T7/00 , G06T5/30 , G06V10/26 , G06V10/774 , G06V10/82 , G06N3/045 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种基于机器视觉的烧结点火强度过高判断、分级方法及装置，该方法包括：获取烧结料面图像数据集，所述烧结料面图像数据集包括训练数据、验证数据和测试数据，并对所述训练数据和验证数据标注裂纹区域；搭建改进DeepLabV3+语义分割网络模型，所述改进DeepLabV3+语义分割网络模型为在DeepLabV3+语义分割网络中用MobileNetV2替换原主干网络，并增加并行卷积和串行卷积结构；利用所述训练数据和验证数据对所述改进DeepLabV3+语义分割网络模型进行训练；将所述测试数据输入到训练后的改进DeepLabV3+语义分割网络模型中，得到分割结果，根据所述分割结果判断烧结点火强度过高情况的存在与否及其分级。本发明通过有效检测裂纹对烧结点火强度过高的判断及分级具有较好的效果和实用价值。
-
公开(公告)号：CN119444576A
公开(公告)日：2025-02-14
申请号：CN202411582168.8
申请日：2024-11-07
Applicant: 浙江大学
IPC: G06T3/4053 , G06T3/4046 , G06N3/0464 , G06N3/08 , G06F30/28 , G06F113/08 , G06F119/14 , G06F111/04
Abstract: 本发明公开了一种基于深度学习的流动场景图像超分辨率重建方法及装置，包括获取流体流速数据集，所述流体流速数据集中的数据具有时间和地理两个维度；对所述流体流速数据集进行预处理，得到低分辨率图像和高分辨率图像；搭建基于反卷积神经网络的超分辨率模型，所述超分辨率模型包括一个反卷积层和若干个卷积层；对所述超分辨率模型的损失函数进行改进，具体为：在L1 Charbonnier损失的基础上增加分段函数，根据阈值调整权重大小；利用所述低分辨率图像和高分辨率图像对所述超分辨率模型进行训练；将训练好的超分辨率模型对低分辨率图像进行重建，得到高分辨率流场图像。对流动场景下图像超分辨率研究具有较好的效果和实用价值。
-
公开(公告)号：CN118097130A
公开(公告)日：2024-05-28
申请号：CN202410027642.4
申请日：2024-01-09
Applicant: 浙江大学
IPC: G06V10/26 , G06V10/776 , G06V10/774
Abstract: 本发明公开了一种基于数据可靠性加权的多阶段半监督分割模型的构建方法，包括：获取数据集，并将所述数据集划分为标记数据和未标记数据；训练两个用于语义分割的教师模型，对所述未标记数据进行预测，得到两种伪标签；在图像级层面对所述伪标签进行可靠性评估，将所述未标记图像及其伪标签排序；在像素级层面对所述伪标签进行可靠性评估，获得所述伪标签对应权重图；根据所述未标记图像的排序，依次选取前α％、100％的图像进行学生模型的多阶段训练，在训练时对未标记图像使用数据增强处理并加入所述权重图对损失值加权。该方法能够减少噪声标签过拟合、对伪标签的可靠性进行全面评估。通过该方法训练得到的最终学生模型具有较好的分割性能。
-
公开(公告)号：CN118296368A
公开(公告)日：2024-07-05
申请号：CN202410220281.5
申请日：2024-02-28
Applicant: 浙江大学
IPC: G06F18/214 , G01F1/667 , G06N3/0499 , G06N3/084 , G06F18/15 , G06F18/213 , G06F18/25
Abstract: 本发明公开了一种基于机理与数据融合的超声波流量计样本扩充方法及装置，包括：获取超声波流量计采集的流速数据及其所处的工况，作为训练数据，将所述训练数据划分为输入数据和输出数据；基于所述训练数据，统计不同工况下超声波流量计各声道流速的分布规律；结合流动的机理知识对所述输入数据进行预处理；搭建多层感知机网络，将相对误差和管道流速分布规律的机理限制共同作为损失函数，训练在不同工况下的超声波流量计流速预测模型；基于所述输入数据，生成拟输入数据，将所述拟输入数据输入所述超声波流量计流速预测模型，得到扩充的拟样本数据。该方法能够充分利用机理特征和数据学习得到的特征，生成较高质量的拟样本数据。
-
公开(公告)号：CN118261855A
公开(公告)日：2024-06-28
申请号：CN202410117868.3
申请日：2024-01-29
Applicant: 浙江大学
IPC: G06T7/00 , G06V20/70 , G06V10/26 , G06V10/44 , G06V10/774 , G06V10/82 , G06N3/0455 , G06N3/0464 , G06N3/0895 , G06N3/096
Abstract: 本发明公开了一种面向炼铁过程的烧结裂纹检测方法及装置、电子设备，包括：获取并划分数据集；搭建SA‑DeepLabV3+分割模型；训练两个教师模型，对未标记数据预测，得到两种伪标签和注意力图；在图像层面对所述伪标签进行可靠性评估，将所述未标记图像及其伪标签排序；在像素层面对所述伪标签进行可靠性评估，获得对应可靠性图；根据所述未标记图像及其伪标签的排序，依次选取前β％、100％的图像进行学生模型多阶段训练。训练时对未标记图像使用数据增强并加入所述可靠性图和注意力图，来对损失值加权；使用训练后的学生模型进行裂纹检测。该方法能减少噪声标签过拟合、全面评估伪标签可靠性、更加关注裂纹区域，具有较好的烧结裂纹分割性能。
-
Patent Agency Ranking
公开(公告)号：CN115601701A
公开(公告)日：2023-01-13
申请号：CN202211303311.6
申请日：2022-10-24
Applicant: 浙江大学(CN)
Abstract: 本发明公开了一种基于机器视觉的烧结点火强度不足判断方法及装置，该方法包括：训练语义分割模型，分割获得烧结台车料面区域；进行透视变换，得到俯视视角的料面图像；获得黄泥巴区域模板，计算直方图；遍历画面，与模板做直方图相关性比较，结合黄泥巴形态判断条件判断是否存在黄泥巴，从而判断是否存在烧结点火强度不足的情况。黄泥巴是钢铁工业烧结过程中的一种常见缺陷，它反映了点火器的点火温度偏低导致的对应表层烧结饼强度不足的情况。对黄泥巴的有效检测可以作为是否存在烧结点火强度不足情况的判断标准。目前烧结料面黄泥巴智能化检测的研究尚属空白，本发明通过对黄泥巴进行检测，对烧结点火强度不足的判断具有较好的效果和实用价值。
-
公开(公告)号：CN118314289B
公开(公告)日：2024-09-24
申请号：CN202410732968.7
申请日：2024-06-07
Applicant: 浙江大学
Abstract: 本发明公开了一种基于双目红外图像的高炉料面三维重建方法及装置，包括：通过两台红外成像仪采集高炉料面红外图像并预处理；通过相机标定获得两台红外成像仪的内外参数以及畸变系数，对预处理后的高炉料面红外图像进行立体校正；使用改进后的AD‑Census算法对立体校正后的高炉料面红外图像进行立体匹配，根据匹配点横坐标差值计算左右两幅高炉料面红外图像中的一幅图像上每个像素点的视差；根据视差和相机内外参数并结合三角测量原理计算每个像素点的深度；根据深度绘制三维曲线，得到高炉料面的三维重建结果。克服炉内高温高压高粉尘的恶劣环境，不易受粉尘等杂质干扰，同时保持较高精度，具有一定适用性与可靠性。
-
公开(公告)号：CN116703834B
公开(公告)日：2024-01-23
申请号：CN202310577405.0
申请日：2023-05-22
Applicant: 浙江大学
IPC: G06T7/00 , G06T5/30 , G06V10/26 , G06V10/774 , G06V10/82 , G06N3/045 , G06N3/0464 , G06N3/08
Abstract: 及分级具有较好的效果和实用价值。本发明公开了一种基于机器视觉的烧结点火强度过高判断、分级方法及装置，该方法包括：获取烧结料面图像数据集，所述烧结料面图像数据集包括训练数据、验证数据和测试数据，并对所述训练数据和验证数据标注裂纹区域；搭建改进DeepLabV3+语义分割网络模型，所述改进DeepLabV3+语义分割网络模型为在DeepLabV3+语义分割网络中用MobileNetV2替换原主干网络，并增加并行卷积和串行卷积结构；利用所述训练数据和验证数据对所述改进DeepLabV3+语义分割网络模型进行训练；将所述测试数据输入到训练后的改进DeepLabV3+语义分割网络模型(56)对比文件Xin Wang 等.Real-time Blast FurnaceMonitoring based on Temporal Sub-modeRecognition《.2022 IEEE InternationalInstrumentation and MeasurementTechnology Conference (I2MTC)》.2022,全文.敖焕轩;李煊鹏;张为公.高效率图片语义分割网络的研究与设计.测控技术.2018,(第11期),全文.高建瓴;韩毓璐;孙健;冯娇娇.基于DRN和空洞卷积的图像语义分割算法改进.软件.2020,(第09期),全文.
-
公开(公告)号：CN113657037A
公开(公告)日：2021-11-16
申请号：CN202110946155.4
申请日：2021-08-18
Applicant: 浙江大学
Abstract: 本发明公开了一种基于时间序列插值‑注意力机制的铁水硅含量预测方法，步骤包括：选择合适的输入变量，对其在时间维度降采样、插值处理，归一化后作为模型输入；然后搭建时间‑空间注意力网络，输入训练样本，并根据训练结果更新神经网络参数和注意力权值，反复训练；最后，将测试样本输入神经网络模型中，得到硅含量预测结果。现有预测方法中，高炉炼铁过程传感器参数获取的时间不均匀性导致输入变量与硅含量在时间维度上不能很好地以固定时间规律匹配。本发明相比现有方法对于铁水硅含量的预测具有更高的精度和更好的实用价值。
-
公开(公告)号：CN118314289A
公开(公告)日：2024-07-09
申请号：CN202410732968.7
申请日：2024-06-07
Applicant: 浙江大学
Abstract: 本发明公开了一种基于双目红外图像的高炉料面三维重建方法及装置，包括：通过两台红外成像仪采集高炉料面红外图像并预处理；通过相机标定获得两台红外成像仪的内外参数以及畸变系数，对预处理后的高炉料面红外图像进行立体校正；使用改进后的AD‑Census算法对立体校正后的高炉料面红外图像进行立体匹配，根据匹配点横坐标差值计算左右两幅高炉料面红外图像中的一幅图像上每个像素点的视差；根据视差和相机内外参数并结合三角测量原理计算每个像素点的深度；根据深度绘制三维曲线，得到高炉料面的三维重建结果。克服炉内高温高压高粉尘的恶劣环境，不易受粉尘等杂质干扰，同时保持较高精度，具有一定适用性与可靠性。
-
-
-
-
-
-
-
-
-
Search Results
10
records
(took 0.017 seconds)
