公开(公告)号：CN109784488A

公开(公告)日：2019-05-21

申请号：CN201910034182.7

申请日：2019-01-15

Applicant: 福州大学

Inventor： 陈志聪 ,  吴丽君 ,  蒋佩卿 ,  赖云锋 ,  林旭 ,  洪志宸 ,  林培杰 ,  程树英

IPC: G06N3/08 ,  G06N3/04

Abstract: 本发明涉及一种适用于嵌入式平台的二值化卷积神经网络的构建方法，包括以下步骤：步骤S1:采集ImageNet数据集，并将得到ImageNet数据集分为训练集、验证集和测试集；步骤S2:根据得到的训练集和验证集，对XNOR-Net二值化神经网络模型进行训练，并验证，得到训练后的二值化神经网络模型；步骤S3：将训练好的二值化网络模型中的缩放操作和批归一化操作进行整合，并移植到嵌入式系统中；步骤S4:将测试集输入嵌入式系统中，对模型进行性能测试。本发明所提出的方法能够在提高网络运算速度的同时保持网络分类的准确率，可促进二值化卷积神经网络能够在嵌入式系统及FPGA上的部署。

公开(公告)号：CN109784488B

公开(公告)日：2022-08-12

申请号：CN201910034182.7

申请日：2019-01-15

Applicant: 福州大学

Inventor： 陈志聪 ,  吴丽君 ,  蒋佩卿 ,  赖云锋 ,  林旭 ,  洪志宸 ,  林培杰 ,  程树英

IPC: G06N3/08 ,  G06N3/04

Abstract: 本发明涉及一种适用于嵌入式平台的二值化卷积神经网络的构建方法，包括以下步骤：步骤S1:采集ImageNet数据集，并将得到ImageNet数据集分为训练集、验证集和测试集；步骤S2:根据得到的训练集和验证集，对XNOR‑Net二值化神经网络模型进行训练，并验证，得到训练后的二值化神经网络模型；步骤S3：将训练好的二值化网络模型中的缩放操作和批归一化操作进行整合，并移植到嵌入式系统中；步骤S4:将测试集输入嵌入式系统中，对模型进行性能测试。本发明所提出的方法能够在提高网络运算速度的同时保持网络分类的准确率，可促进二值化卷积神经网络能够在嵌入式系统及FPGA上的部署。

公开(公告)号：CN112699962A

公开(公告)日：2021-04-23

申请号：CN202110040706.0

申请日：2021-01-13

Applicant: 福州大学

Inventor： 吴丽君 ,  林旭 ,  陈志聪 ,  林培杰 ,  程树英

IPC: G06K9/62 ,  G06K9/00 ,  G06N3/08 ,  G06N3/04

Abstract: 本发明涉及一种在边缘节点上部署二值化分类网络的方法包括以下步骤：步骤S1：ImageNet数据集的准备，提供训练集和验证集；步骤S2：基于Bi‑Real‑Net网络进行改进，其中，改进的Bi‑Real‑Net网络中使用二值化技术对网络进行压缩和加速。随后，在服务器端对改进的网络进行训练，在训练过程中将STE的更新区间从[‑1,1]扩大到[‑2,2]，以提升网络的性能，最后在ImageNet验证集上进行性能测试；步骤S3：提取服务器端训练完的网络权重信息，利用Xilinx SDx将网络搭建在FPGA上，实现网络在边缘节点上的部署。本发明所提出的方法能够将复杂的网络部署在资源有限的边缘节点上，使得数据能够直接在边缘节点上进行分析处理，减少了边缘节点对于云端的依赖，有效地减少了所需的传输时延。

公开(公告)号：CN109376773A

公开(公告)日：2019-02-22

申请号：CN201811155370.7

申请日：2018-09-30

Applicant: 福州大学

Inventor： 吴丽君 ,  林旭 ,  陈志聪 ,  纪金树 ,  洪志宸 ,  林培杰 ,  程树英

IPC: G06K9/62 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明提出一种基于深度学习的裂纹检测方法，包括以下步骤：步骤S1：训练集、验证集与测试集的采集；按比例随机分成训练集、验证集和测试集；步骤S2：目标分类检测；通过采用迁移学习方法训练卷积神经网络模型；步骤S3：利用拼接算法对待检测图片进行拼接；步骤S4：利用模型进行裂纹检测；采用滑动窗口扫描方法，对拼接后的图片进行扫描，并依次送入训练好的卷积神经网络模型进行分类判断。本发明能够对裂纹进行准确的识别，且由于采用了迁移学习的方法，能够大大减少训练复杂神经网络所需的数据集，并提供了较好精度性能。

公开(公告)号：CN119808699A

公开(公告)日：2025-04-11

申请号：CN202411894095.6

申请日：2024-12-20

Applicant: 福州大学

Inventor： 卢宗兴 ,  林旭

IPC: G06F30/394 ,  G06F30/18

Abstract: 本发明提出一种配电柜线束数据的优化与分组方法，包括以下步骤：S1、通过对线束数据进行优化并分成头部、骨架、尾部三部分；S2、计算各线束骨架部分的长度，并根据骨架长度降序排列；将骨架最长的线束作为第一组的组头，后续线束依次计算与各组头的骨架部分重合率，根据重合率进行线束的大组划分；S3、通过重合部分的长度对各大组组内线束进行重新排列，并建立损失函数以确定最小单元组；S4、建立匹配度函数，计算各最小单元之间的匹配度，取最大值结合，不断迭代直至收敛，以整合数据得到最终分组结果。本发明实现了配电柜线束数据的优化与分组，为在钉板图上的预制线束组的制作提供数据支持，极大提高配电柜自动化布线的可行性与实现效率。

公开(公告)号：CN116914177A

公开(公告)日：2023-10-20

申请号：CN202310977164.9

申请日：2023-08-04

Applicant: 福州大学

Inventor： 陈孔发 ,  陈志逸 ,  林旭 ,  艾娜

IPC: H01M8/0271 ,  H01M8/02

Abstract: 本发明提供了一种抗还原弯曲的金属支撑型固体氧化物燃料电池制备方法，其结构为多孔金属支撑体、多孔阳极功能层、致密电解质层、阴极隔离层及多孔阴极层。其中多孔金属支撑体中添加了还原收缩抑制剂。避免了金属支撑体在还原中严重收缩导致电池片弯曲和破裂，保障了金属支撑电池的可靠性。