-
公开(公告)号：CN113362462B
公开(公告)日：2024-04-05
申请号：CN202110137271.1
申请日：2021-02-01
Applicant: 中国计量大学
IPC: G06T17/20 , G06V10/774 , G06V10/82 , G06N3/0464 , G06N3/09 , G06V10/75
Abstract: 本申请涉及一种基于自监督学习的双目立体视觉视差滤波方法和装置，包括：步骤1：在待处理图像上取一个像素点P，以所述像素点P为中心取一块矩形区域，将所述像素点P的坐标加上偏移量d，得到像素点M，以所述像素点M为中心在同一幅图像上取同样大小的一块矩形区域；步骤2：重复步骤1，得到两个矩形区域作为一对训练样本，取d1作为该样本对的标签；步骤3：重复步骤1和步骤2，得到一定数量的训练样本对和对应标签；步骤4：将步骤3所述训练样本对和对应标签输入卷积神经网络模型，计算损失函数，得到所述卷积神经网络模型；步骤5：判断两个样本对是否为匹配，如果不匹配，将所述像素认定为噪点进行滤除。
-
公开(公告)号：CN108416428A
公开(公告)日：2018-08-17
申请号：CN201810169837.7
申请日：2018-02-28
Applicant: 中国计量大学
Abstract: 本发明公开了一种机器人视觉定位方法，包括图像采集和训练样本标签生成、算法训练、测试三个步骤，步骤一、图像采集和训练样本标签生成：机器人在一特定房间内，摄像头朝上记录多帧连续拍摄的影像，该特定房间天花板上放置由三条直线L1、L2、L3组成的门型标志，摄像头拍摄的每一帧图像都包含门型标志，利用门型标志的三条直线的定位算法来得到物体位姿的闭式解，即旋转角度R和位移T；步骤二、算法训练：采用卷积神经网络训练样本对；步骤三、测试：用生成式对抗网络训练以提高鲁棒性。本发明解决了现有视觉定位系统存在的局限性问题。
-
公开(公告)号：CN107967484A
公开(公告)日：2018-04-27
申请号：CN201711120584.6
申请日：2017-11-14
Applicant: 中国计量大学
Abstract: 本发明公开了一种基于多分辨率的图像分类方法，其目的在于利用不同的深度神经网络结构解决多分辨率输入问题，利用深度学习技术实现从分类标签集合中找出一个分类标签并把分类标签分配给输入图像的效果。其技术关键在于(1)采用跳过部分池化层的方法来实现多分辨率图像分类；(2)采用指定位置输入的方法来实现多分辨率图像分类。(3)根据卷积网络不同层得到的特征特点不同，对不同层的特征采用不同的利用方式。本发明输入任意一张测试图片到训练好的神经网络模型中，神经网络的输出即为该图片的类别。本发明在不统一输入图片大小的前提下，保持了原图片质量，不增加任何噪声，有效地实现了多分辨率的图像分类。
-
公开(公告)号：CN119272641B
公开(公告)日：2025-05-23
申请号：CN202411813374.5
申请日：2024-12-11
Applicant: 中国计量大学
IPC: G06F30/27 , G06N3/0455 , G06N3/082 , G06F119/02 , G06F119/04
Abstract: 本发明公开了一种融合预训练大语言模型的工业设备剩余寿命预测方法，属于深度学习、大语言模型、时序数据特征提取等技术领域，针对工业设备时序数据的复杂性和高维特征，首先通过时序数据预处理模块对原始数据进行处理，得到独立分段的退化数据，再利用输入嵌入模块的标记编码、位置编码和时间编码实现对退化数据的编码，然后通过预训练大语言模型参数微调模块实现预训练的大型语言模型与时间序列的特征对齐，并将预训练权重传递给预训练大模型附加网络编码模块，减少需要调整的参数数量，同时提高模型的泛化能力和准确率，最后通过输出层得到工业设备剩余寿命的预测结果。
-
公开(公告)号：CN119625038A
公开(公告)日：2025-03-14
申请号：CN202510146999.9
申请日：2025-02-11
Applicant: 中国计量大学
IPC: G06T7/33 , G06N3/045 , G06N3/082 , G06N3/0895
Abstract: 本申请提出了一种基于弱监督学习的MRI‑TRUS图像配准方法及装置，包括以下步骤：首先获取待配准的MRI图像与TRUS图像，将其输入预训练的分割子网络，得到相应掩码。接着把这些掩码和原图像再输入预训练的配准子网络获取配准结果。配准子网络含变换场和配准单元，变换场单元生成密集变换场，配准单元以MRI掩码和图像为移动对象，TRUS掩码和图像为固定对象，依据变换场使移动对象配准到固定对象中。通过分割子网络来获取待配准MRI掩码以及待配准TRUS掩码，再以待配准MRI掩码以及待配准TRUS掩码为引导在配准子网络中进行精确配准。
-
Patent Agency Ranking
公开(公告)号：CN119377581A
公开(公告)日：2025-01-28
申请号：CN202411962125.2
申请日：2024-12-30
Applicant: 中国计量大学
IPC: G06F18/10 , G06F18/20 , G06F18/213 , G06N3/0464 , G06N3/092 , G06F17/14 , G06T5/40 , G06T5/90 , G06T5/60
Abstract: 本发明公开一种复合层合结构低速冲击定位系统及方法，涉及冲击定位技术领域，所述系统包括：信号采集模块，用于获取复合层合结构试件上的冲击响应信号；信号处理模块，用于对采集到的冲击响应信号执行离散小波变换和短时傅里叶变换；图像增强模块，用于对短时傅里叶时频谱图进行图像增强处理；模型构建模块，用于构建复合层合结构冲击定位模型；冲击定位模块，用于通过复合层合结构冲击定位模型对图像数据进行冲击定位，确定冲击位置，并对预测结果进行定位误差计算及结果分析。根据本申请的技术方案，可以实现对复合层合结构在低速冲击条件下冲击位置的精确识别，能够提高冲击的定位精度和效率，具有较高的应用价值。
-
公开(公告)号：CN119227817A
公开(公告)日：2024-12-31
申请号：CN202411757786.1
申请日：2024-12-03
Applicant: 中国计量大学
Abstract: 本发明公开了一种大模型多智能体协同的机械制造知识问答方法，属于计算机技术领域，获取并将机械制造领域问题与预设的策略配置提示词输入至中枢智能体，以判断是否采用并行策略来解决问题；中枢智能体根据是否采用并行策略来决定问题的分解方式分为并行分解和串行分解；对于并行分解，中枢智能体将问题拆分为多个独立的子问题，并输入到检索智能体多步推理模块，分别获得对应子问题的答案，最后将多个子问题答案输入到中枢智能体，得到最终回答；对于串行分解，中枢智能体按逻辑顺序将问题拆分为一系列有序的解决步骤，将先拆解出的问题输入到检索智能体多步推理模块，再根据得到的答案及原始问题拆解出新问题，以此类推，直至得到最终答案。
-
公开(公告)号：CN118672284B
公开(公告)日：2024-11-19
申请号：CN202411158190.X
申请日：2024-08-22
Applicant: 中国计量大学
Abstract: 本发明涉及无人机技术领域，公开了无人机自主环境感知、路径规划及动态降落方法及系统，方法包括：实时获取三维环境信息；确定全局起点和全局终点，生成初始路径；基于局部路径优化算法对初始路径进行优化，得到第一优化路径；当无人机当前位置的感知阈值大于预设阈值时，基于边界感知的路径优化方法对初始路径进行优化，得到第二优化路径以及局部终点；当无人机前进至局部终点时，切换为基于局部路径优化算法对初始路径实时进行优化；当无人机到达全局终点后，基于深度强化学习算法进行动态降落。本发明针对不同情况选择不同的路径规划方法，避免路径冗余或陷入局部最优解，提高路径优化效率，并实现无人机精准的动态降落。
-
公开(公告)号：CN118597438A
公开(公告)日：2024-09-06
申请号：CN202410636647.7
申请日：2024-05-22
Applicant: 中国计量大学
IPC: B64F5/60
Abstract: 本发明公开了一种飞机地面试验结构健康监测装置及方法，包括多个机箱，机箱位于试验现场，每个机箱内均集成有健康监测系统，健康监测系统分别包括采集模块、自检模块、仿真单元、修正单元、模拟加载单元、参数建立单元、试验加载单元、数据处理模块、管理模块和互联模块，采集模块包括多个安装于飞机上的传感器，自检模块在飞机地面试验前，执行采集模块内各个传感器数据精度的校准。本健康监测装置在进行飞机地面试验健康监测作业时，能够依据飞机的原始参数进行飞机监测模拟仿真系统的建立，且本健康监测系统在进行监测作业时能够依据飞机实时参数或飞机的原始工作参数进行监测预警模型及试验模型的实时修正。
-
公开(公告)号：CN118332342A
公开(公告)日：2024-07-12
申请号：CN202410749143.6
申请日：2024-06-12
Applicant: 杭州昊清科技有限公司 , 中国计量大学
IPC: G06F18/214 , G06F18/15 , G06F18/22 , G06F18/25 , G06N5/022 , G06N3/0442 , G06N3/0455 , G06N3/0464 , G06F123/02
Abstract: 本发明公开了一种工业流程数据增广与生成方法，采集工业流程中的原始数据，原始数据包括过程数据、历史数据、经验知识和机理知识；提取历史数据、经验知识和机理知识的特征后，基于上下文注意力机制进行知识的交叉融合，得到上下文注意力数据；对过程数据进行时序处理，对得到的时序数据经编码后，与上下文注意力数据一同进行解码，得到增广数据；对于缺失的工业流程数据，将其上下游工序的数据融合后进行条件扩散，得到生成的当前工序数据，将生成的当前工序数据与上下游工序的机理条件进行条件扩散，得到生成的上下游工序数据，基于原始的和生成的上下游工序数据相似度，判断所生成的当前工序数据的有效性。
-
-
-
-
-
-
-
-
-
Search Results
54
records
(took 0.038 seconds)
