-
公开(公告)号：CN115700617A
公开(公告)日：2023-02-07
申请号：CN202211250905.5
申请日：2022-10-12
Applicant: 山东省计算中心(国家超级计算济南中心) , 齐鲁工业大学 , 山东山科智控数字化科技有限公司
Abstract: 一种适用于智慧大棚生产管理的智能优化方法，包括：(1)选定初始参数；(2)建立优化算法模型：其中，樽海鞘群的更新方式面对的是整个种群的更新，天牛须面对的食物源的位置更新；(3)确定食物源位置当两种方式将位置更新完毕后，按照f(x)计算更新后的适应度，选取适应度最优的个体位置作为食物源位置，适应度最优为目标函数的最优值，在本专利中是对调度计划的整体劳作时间进行优化，时间最小即为适应度最优，待满足初期设置的循环条件后跳出约束，此时食物源位置是找到的最优位置，将食物源位置进行解码输出后即为一个完整的调度计划。本发明所述优化方法既保证了调度计划的优越性也大大缩短了求解一个完整调度计划所耗费的时间。
-
公开(公告)号：CN115063684A
公开(公告)日：2022-09-16
申请号：CN202210792876.9
申请日：2022-07-05
Applicant: 山东省计算中心(国家超级计算济南中心) , 山东山科智控数字化科技有限公司
IPC: G06V20/10 , G06V10/82 , G06V10/764 , G06V10/762 , G06V10/26
Abstract: 一种基于遥感影像场景划分的农机轨迹识别方法，包括：第一步：基于密度聚类算法对目标区域内的农机轨迹进行分类；同时，对目标区域遥感影像进行场景划分；第二步：利用遥感影像的场景划分结果辅助纠正农机轨迹聚类结果，最终输出农机轨迹识别结果。针对农机轨迹点DBSCAN聚类中参数难以统一准确给定导致农机行为划分误差大这一问题，本发明根据遥感影像场景划分结果，将农机轨迹相应范围内遥感影像作为底图参与农机行为划分。将遥感影像场景分割与聚类划分融合，以实现提高农机行为识别准确率。获得更加准确的农机行为田间作业或道路转场的划分结果。
-
公开(公告)号：CN115049896A
公开(公告)日：2022-09-13
申请号：CN202210692398.4
申请日：2022-06-17
Applicant: 山东省计算中心(国家超级计算济南中心) , 齐鲁工业大学 , 山东山科智控数字化科技有限公司
IPC: G06V10/774 , G06V10/82 , G06N3/04 , G06N3/08
Abstract: 本发明涉及基于深度学习的计算机视觉技术领域，具体涉及一种应用于计算机视觉的软阈值注意力机制，借鉴深度残差收缩网络的思想，使用同时考虑通道和位置信息的CA注意力机制来代替SENet与软阈值化方法结合，提出一种新的软阈值注意力模块：融合传统信号降噪算法中的软阈值化函数与CA注意力机制，利用CA注意力机制确定垂直和水平两个方向上的两组软阈值化函数所需的阈值，再分别进行软阈值化处理并对输入的特征图进行加权；能够更好的适用于计算机视觉领域的检测任务，并且可以方便的集成到现有的神经网络架构中，通过将不重要的特征置为零，来降低噪声或冗余信息的干扰，加强神经网络提取重要特征的能力，达到提升网络预测精度的目的。
-
公开(公告)号：CN115131342A
公开(公告)日：2022-09-30
申请号：CN202210924642.5
申请日：2022-08-02
Applicant: 山东省计算中心(国家超级计算济南中心) , 山东山科智控数字化科技有限公司
IPC: G06T7/00 , G06V10/72 , G06V10/26 , G06V10/82 , G06V10/40 , G06V10/764 , G06T7/62 , G06N3/04 , G06N3/08
Abstract: 一种桉木单板缺陷图像检测系统及检测方法，实现对桉木单板缺陷识别，其中所述缺陷类别的辨识采用Bbox‑cover方法进行平衡，并且使用设计的聚合模块AGM将YOLOv5进行通道信息与像素信息进行有效融合，从而提高桉木缺陷的检测的精度，最后通过设计一种缺陷面积的计算方式，以满足用户筛选并统计不同缺陷大小的需求。
-
公开(公告)号：CN114897059B
公开(公告)日：2025-02-11
申请号：CN202210439669.5
申请日：2022-04-25
Applicant: 山东省计算中心(国家超级计算济南中心) , 齐鲁工业大学(山东省科学院)
IPC: G06F18/2415 , G06F18/231 , G06F18/214 , G06F18/2131 , G06N3/0455 , G06N3/0464 , G06N3/084 , G06N3/088 , G06N3/09 , G01M13/021 , G01M13/028 , G01M13/045 , G06F123/02
Abstract: 本发明涉及利用大数据预测机械故障的技术领域，具体为一种基于自适应层次聚类和Subset的机械设备分级故障诊断方法，选择不同故障类型下不分故障程度的训练样本作为自适应层次聚类的输入，采用自适应层次聚类对不同故障类型下不区分故障程度的训练样本进行聚类分析，以根据机械设备的振动信号得出的故障类型的聚类结果作为输出结果；对训练识别出的不同故障类型，按照故障程度分类建立SubDAE模型；预训练与整体微调准确定位故障点，提高了本方法的智能性；优选特征的使用，简化了特征集合，避免了维数灾难，减少了计算负担，提高故障诊断的效率。
-
Patent Agency Ranking
公开(公告)号：CN119205758B
公开(公告)日：2025-04-25
申请号：CN202411707363.9
申请日：2024-11-27
Applicant: 山东省计算中心(国家超级计算济南中心) , 齐鲁工业大学(山东省科学院) , 山东山科智控科技创新有限公司
Abstract: 本发明提出了一种木材表面缺陷检测方法、系统、介质及设备，属于木材表面缺陷检测技术领域。方法包括：获取桉木单板图像，并进行预处理；将预处理后图像输入至木材缺陷识别网络中，利用反深度可分离茎模块提取图像的特征图并进行特征聚合，得到第一特征图；经过矩形自校准模块提取全局特征，形成第二特征图，再使用自适应频率注意力网络模块提取第二特征图的关键频率成分并输出第三特征图；将第三特征图输入到频率增强通道注意力模块中，得到第四特征图；将第四特征图与第一特征图融合，得到第五特征图并通过分割头预测，输出最终识别的树皮缺陷区域。解决了木材缺陷检测过程中，树皮缺陷所导致的网络提取特征效果差，语义分割精度低的问题。
-
公开(公告)号：CN116050682A8
公开(公告)日：2024-12-13
申请号：CN202211043439.3
申请日：2022-08-29
Applicant: 山东省计算中心(国家超级计算济南中心) , 齐鲁工业大学(山东省科学院) , 山东山科智控科技创新有限公司
IPC: G06Q10/047 , G06Q50/02 , G06N3/126
Abstract: 本发明涉及无人农机技术领域，具体涉及一种基于改进遗传算法的全覆盖田间路径规划方法及装置。该方法包括：S1、采用栅格法构建田间环境地图。S2、对田间环境地图中的自由栅格进行染色体编码，随机生成若干条初始染色体。S3、对初始染色体进行调整，得到合法染色体。S4、构造基于多目标均衡准则的适应度函数，确定合法染色体的适应度。S5、对初始染色体进行演化，生成下一代种群，作为下次迭代的父代种群。S6、判定是否结束本次迭代，若是，则将当代种群中适应度最高的染色体输出进行解码，得到全覆盖路径；若否，则返回执行步骤S3。本发明能够减少重复作业面积和转弯次数，提高无人农机的田间作业效率和作业质量。
-
公开(公告)号：CN118520394A
公开(公告)日：2024-08-20
申请号：CN202410589830.6
申请日：2024-05-13
Applicant: 山东省计算中心(国家超级计算济南中心) , 齐鲁工业大学(山东省科学院)
IPC: G06F18/2433 , G06F18/15 , G06F18/213 , G06N3/0442 , G06N3/045 , G06N3/084 , G01S19/37 , G06N3/048
Abstract: 本发明涉及农机运动识别技术领域，具体涉及一种由轨迹分布特征驱动的农机运动模式识别算法、装置、设备及存储介质。该方法包括以下步骤：获取农机运动轨迹原始数据，得到轨迹数据集合；对轨迹数据集合进行数据清洗，将其中的时空重复点、离散点和漂移点移除；计算数据清洗后的轨迹数据集合中每个轨迹点的运动特征和分布特征，并将运动特征和分布特征作为输入特征；分布特征包括密度特征和平行特征；利用深度学习模型从输入特征中提取深层特征，并对农机运动轨迹点进行识别。本发明通过将运动、分布特征与深度学习模型相结合，能够有效提高农机轨迹点的识别准确率，获得更加准确的农机运动模式识别结果。
-
公开(公告)号：CN116363109A
公开(公告)日：2023-06-30
申请号：CN202310358020.5
申请日：2023-03-31
Applicant: 山东省计算中心(国家超级计算济南中心) , 齐鲁工业大学(山东省科学院) , 临沂众为智能科技有限公司
IPC: G06T7/00 , G06V10/764 , G06V10/82 , G06V10/44 , G06N3/045 , G06N3/0455
Abstract: 本发明公开一种基于改进DETR模型的木材缺陷检测方法，属于智能识别木材的技术领域，本发明采用DETR模型进行木材缺陷检测，基于无参的离散傅里叶变换进行图片特征的交互，取代了原有DETR中的自注意力层，极大降低了参数量；并且改变了原有DETR中生成目标查询向量的方式，加快了收敛速度，简化了计算的复杂度。本发明具有较好的木材缺陷定位以及分类能力，大大降低了生产成本，实现了木材等级分类的高度自动化，提升了产品质量。
-
公开(公告)号：CN118520371A
公开(公告)日：2024-08-20
申请号：CN202410589835.9
申请日：2024-05-13
Applicant: 山东省计算中心(国家超级计算济南中心) , 齐鲁工业大学(山东省科学院)
IPC: G06F18/2415 , G06F18/15 , G06F18/213 , G06N3/0455 , G06N3/0442 , G06N3/084 , G01S19/37 , G06N3/048 , G06F123/02
Abstract: 本发明涉及一种基于多特征增强的农机运动行为识别方法、装置、设备及存储介质。该方法包括以下步骤：采集农机GNSS轨迹点数据得到轨迹数据集合，并对轨迹数据集合进行清洗，去除噪声点和重复点；计算清洗后的轨迹数据集合中每个轨迹点的多维特征，将多维特征作为输入特征；多维特征包括速度、方向、速度差、加速度、方向差、角速度、角加速度、位移、曲率、密度和双位移；设计Bi‑VAEMnet神经网络模型，利用Bi‑VAEMnet神经网络模型对输入特征进行强化，并进行序列建模和特征提取，得到特征向量；基于特征向量，利用Bi‑VAEMnet神经网络模型进行农机运动行为识别。本发明有效提高了农机运动行为的识别精度，实现了农机田间‑道路行为分类的精确识别。
-
-
-
-
-
-
-
-
-
Search Results
58
records
(took 0.091 seconds)
