公开(公告)号：CN119939501A

公开(公告)日：2025-05-06

申请号：CN202411950434.8

申请日：2024-12-27

Applicant: 重庆大学

Inventor： 王磊 ,  赵向阳 ,  林凯 ,  古燿明 ,  李子龙 ,  滕洲

IPC: G06F18/25 ,  G06F18/2111 ,  G06N3/126 ,  G06N7/01

Abstract: 本发明公开了一种低可信度多传感器信息融合方法，其包括步骤：一)获取多传感器系统中同步测量参数的传感器的观测信号，从而得到每个传感器的观测数据；二)将步骤1)获得的观测信号建模为包含噪声的高斯过程分布；三)利用历史数据集对传感器在时间点t*的真实观测信号进行平滑处理；四)对经平滑处理的传感器信息进行可信度评估；五)对经置信度评估后的传感器信息进行加权融合。本发明通过引入高斯过程回归实现对传感器数据的去噪和平滑，并通过置信度评估为每个传感器的信息分配融合权重，有效减弱了噪声干扰和误差积累，提高了数据的可靠性和环境适应能力，因此本方法具有良好的鲁棒性和融合可信度。

公开(公告)号：CN119991645A

公开(公告)日：2025-05-13

申请号：CN202510163980.5

申请日：2025-02-14

Applicant: 重庆大学

Inventor： 王磊 ,  林凯 ,  古燿明 ,  赵向阳

IPC: G06T7/00 ,  G06T5/73 ,  G06V10/44 ,  G06N3/0464 ,  G06N3/048 ,  G06N3/045 ,  G06N3/0442 ,  G06V10/80 ,  G06V10/82

Abstract: 本发明公开了一种强光环境下风电机组叶片裂纹的图像检测方法，其包括将风电机组叶片图像输入过曝光矫正网络，由过曝光矫正网络生成矫正图像；所述过曝光矫正网络由编码器、主干网络和解码器三部分组成；在原始YOLOv3网络的前端增加去模糊处理模块得到改进的YOLOv3网络，将过曝光矫正网络生成的矫正图像输入改进的YOLOv3网络，通过YOLOv3网络检测图像中的裂纹缺陷。本发明基于在过曝光及风机叶片高速旋转的环境下采集的风机叶片图像进行裂纹检测，通过融合曝光矫正方法与去模糊检测网络，提高了风机叶片裂纹检测精度和可靠性，增加了风电机组叶片裂纹方法的适应性。