-
公开(公告)号：CN117929208A
公开(公告)日：2024-04-26
申请号：CN202211273892.3
申请日：2022-10-18
Applicant: 清华大学
IPC: G01N15/0205 , G01N15/10 , G06T7/00 , G06T7/136 , G06T7/194 , G06T7/62 , G06V10/75 , G06V10/766 , G06N3/0464 , G06N3/0895
Abstract: 本发明公开了一种基于模板匹配和弱监督回归网络的细胞液滴图像评价方法，属于生物制造及自动控制领域，包括：采用自适应尺度模板匹配生成候选液滴的分割图像；基于弱监督卷积神经网络对包含候选液滴的分割图像进行细胞计数和定位的方法，最终得到整体图像的评价信息。采用本发明公开的细胞液滴图像评价方法，可以对大量细胞液滴的平均直径、直径分布、直径偏差、单包率、多包率、空包率、包裹率等参数进行综合评价。本发明所提出的基于模板匹配和弱监督回归网络的细胞液滴图像评价方法使用方便，所需的模型训练和部署成本低，可为包裹细胞的微流控液滴图像定量评估及液滴微反应器的应用，提供准确、省时省力的评价方法。
-
公开(公告)号：CN117903938A
公开(公告)日：2024-04-19
申请号：CN202211274855.4
申请日：2022-10-18
Applicant: 清华大学
Abstract: 本发明公开一种用于光遗传学的多波长阵列式光调控及检测装置，属于生物工程及自动控制领域，包括：阵列式光源、机械控制平台、成像装置及控制模块；机械控制平台上设置有微孔板，微孔板包括多个用于细胞培养的阵列式培养孔；控制模块与阵列式光源连接；阵列式光源输出阵列式分布的多组子光束，且多组子光束的位置分别对应于微孔板上不同位置的培养孔；各组子光束的光线具有不同的目标参数，包括波长、光照强度和时间。本申请公开的一种用于光遗传学的多波长阵列式光调控及检测装置，可用于构建光照强度和时间可控的多波长阵列式光调控实验平台，进而挖掘光遗传学在细胞高通量代谢调控上的潜力。
-
公开(公告)号：CN110672621B
公开(公告)日：2021-03-05
申请号：CN201910960131.7
申请日：2019-10-10
Applicant: 清华大学
IPC: G01N21/88
Abstract: 本发明实施例提供一种基于光照亮度调整的汽车涂装表面缺陷图像质量优化方法，该方法包括：针对不确定成像条件下汽车涂装表面缺陷图像出现的光照不均匀问题，提出一种基于光照亮度两阶段快速调整的图像质量优化方法。该方法首先在第一阶段采用支持向量回归算法，通过光源位置预测其光照亮度等级值，将光照亮度调整到预测值；然后，在第二阶段采集汽车涂装表面缺陷图像，通过光照不均匀度评估算法计算图像的光照不均匀度值，以最小化图像光照不均匀度值为优化目标，迭代调整光照亮度。本发明应用于汽车涂装表面缺陷检测过程，可显著改善光照不均匀的汽车涂装表面缺陷图像的质量。
-
公开(公告)号：CN106599911B
公开(公告)日：2020-02-21
申请号：CN201611104399.3
申请日：2016-12-05
Applicant: 清华大学 , 青岛清能合创智能科技有限公司
Abstract: 本发明涉及一种基于线性群和广义特征优化的浮法玻璃熔窑火焰识别方法，属于先进制造、自动化和图像处理技术领域，其特征在于，针对玻璃熔窑恶劣生产环境(如粉尘、油污、高温等)下火焰图像所具有的大噪声、存在像素丢失和清晰度低等特点，提出一种基于线性群和广义特征优化的玻璃熔窑火焰识别方法。首先将不完备的玻璃熔窑火焰信息进行线性群变换，并利用矩阵完备方法对线性群变换后的不完备火焰信息进行恢复，从而得到完备的火焰图像；然后，将完备后的火焰图像信息映射到广义特征空间，在广义特征空间中根据近邻规则对火焰状态进行识别。本发明可有效应用于识别玻璃熔窑火焰，以优化玻璃熔窑燃烧状况。
-
公开(公告)号：CN110738644A
公开(公告)日：2020-01-31
申请号：CN201910957565.1
申请日：2019-10-10
Applicant: 清华大学
Abstract: 本发明实施例提供一种基于深度学习的汽车涂装表面缺陷检测方法及系统，包括：获取汽车涂装表面待检测区域的检测图像；将检测图像均匀分割为设定尺寸的多个小图像，以组建小图像测试集合；将所述小图像测试集合输入至深度学习网络模型中，获取与所述设定尺寸的小图像相对应的检测结果列表；其中，所述设定尺寸为N种，N≥2；对N个所述检测结果列表进行去重集成处理，获取缺陷检测结果。本发明实施例能够有效地减轻检测人员的工作量，提高检测效率和检测精度，并能够在不均匀、不确定的复杂光照条件下实现对汽车涂装表面复杂区域内小缺陷的高效准确检测。
-
Patent Agency Ranking
公开(公告)号：CN110673560A
公开(公告)日：2020-01-10
申请号：CN201910957566.6
申请日：2019-10-10
Applicant: 清华大学
IPC: G05B19/418
Abstract: 基于操作完工时间快速预测的集成电路生产线调度方法，属于先进制造、自动化和信息领域，其特征在于，针对以最小化平均流经时间为调度目标的集成电路生产线调度问题，首先通过松弛不可中断约束，提出一种基于机器负载的操作完工时间快速预测(CTP-ML)方法对操作完工时间进行预测，之后，根据各个操作的完工时间预测值，将集成电路生产线调度问题迭代分解为多个连续交迭的子调度问题，在每次迭代中，采用一种基于双信息素的蚁群算法(ACO-D)求解当前迭代阶段的子调度问题，并固定该子调度问题解的开始加工时间，将其余操作滚动到下一迭代子调度问题中。使用该调度方法可有效改善集成电路生产线的平均流经时间调度指标。
-
公开(公告)号：CN106596905B
公开(公告)日：2019-02-05
申请号：CN201611120866.1
申请日：2016-12-08
Applicant: 清华大学 , 青岛清能合创智能科技有限公司
Abstract: 基于多尺度融合ANFIS的玻璃液质量智能预报方法，属于自动控制、信息技术和先进制造领域，具体涉及用于玻璃液质量优化控制的基于多尺度融合ANFIS(自适应神经模糊推理系统)的玻璃液质量智能预报方法。其特征在于，针对玻璃液质量预报存在多个不同时间尺度特性的影响变量的特点，首先分析各输入变量的时间尺度特性，用ANFIS分别建立各影响变量与玻璃液质量间的定量关系单元模型，将各单元模型按照不同时间尺度特性进行融合，从而建立玻璃液质量智能预报模型。该方法可用于对玻璃窑炉的玻璃液质量进行预报，以实现对玻璃质量的有效控制，提高玻璃产品质量的目的。
-
公开(公告)号：CN106771095A
公开(公告)日：2017-05-31
申请号：CN201611104510.9
申请日：2016-12-05
Applicant: 清华大学 , 青岛清能合创智能科技有限公司
IPC: G01N33/38
CPC classification number: G01N33/386
Abstract: 本发明设计一种玻璃配合料和质量的关系基于粗糙集和ANFIS的定量分析方法，属于自动控制、信息技术和先进制造领域，具体涉及用于提高玻璃成品质量的基于粗糙集和ANFIS(自适应神经模糊推理系统)的定量分析方法。其特征在于，首先基于生产历史数据，生成玻璃配合料成分‑质量数据对样本库，建立基于模糊关系的模糊信息系统，并基于粗糙集对上述模糊信息系统进行约简，以确定玻璃配合料成分与成品质量定量关系模型的输入；之后，在分析配合料成分与玻璃质量的滞后时间常数基础上，采用ANFIS建立玻璃配合料成分与成品质量的定量关系模型。该方法可用于分析玻璃配合料成分与成品质量的定量关系，从而优化配合料成分，有效改善玻璃成品质量。
-
公开(公告)号：CN106527141A
公开(公告)日：2017-03-22
申请号：CN201611104943.4
申请日：2016-12-05
Applicant: 清华大学 , 青岛清能合创智能科技有限公司
IPC: G05B13/04
Abstract: 本发明涉及一种基于变论域模糊规则迭代学习的玻璃窑炉空燃比调整方法，属于先进制造、自动化和信息领域，其特征在于，首先建立数据驱动的烟气含氧量指标预报模型，输入变量为空燃比，输出变量为烟气含氧量。同时，在分析玻璃窑炉燃烧过程化学反应机理的基础上，将燃料热值作为输入，建立用于计算空燃比理论值的机理模型，该机理模型所获得的空燃比理论值被用于限定上述数据驱动的烟气含氧量指标预报模型的输入值。在烟气含氧量指标预报的基础上，提出一种基于变论域模糊规则迭代学习的空燃比调整方法，且提出一种约束满足和声搜索算法对变论域模糊规则进行迭代学习。将本发明应用于玻璃生产过程可有效改善窑炉燃烧状况。
-
公开(公告)号：CN104537228A
公开(公告)日：2015-04-22
申请号：CN201410805101.6
申请日：2014-12-23
Applicant: 清华大学
Abstract: 基于残差熵和分层双支持向量机的指标预报方法及应用，属于自动控制、信息技术和先进制造领域，其特征在于，针对生产过程指标预测中训练样本数据少的建模难题，提出一种基于残差熵和分层双支持向量机的建模方法，该方法采用外层支持向量机中二次优化问题的KKT条件将模型输入/输出训练数据分为外层和内层支持向量机的训练数据，利用外层训练数据对外层支持向量机进行训练，采用残差熵度量外层建模误差序列中所含信息的确定性程度，当残差熵较大时，利用内层训练数据对内层支持向量机进行训练。该方法可用于预报多类具有小样本特征的指标预报问题，如马蹄焰玻璃窑炉碹顶温度预报、微电子化学机械研磨过程的研磨厚度预报和城市GDP指标预报。
-
-
-
-
-
-
-
-
-
Search Results
39
records
(took 0.026 seconds)
