-
公开(公告)号：CN104103756A
公开(公告)日：2014-10-15
申请号：CN201410357066.6
申请日：2014-07-25
Applicant: 福州大学
Abstract: 本发明涉及一种阻变存储器及采用其实现多值存储的方法，所述阻变存储器包括：一基片；一第一端电极，设置于基片上；一经等离子处理过的阻变存储介质，设置于第一端电极的右侧或上方；一第二端电极，设置于阻变存储介质的右侧。采用所述阻变存储器实现多值存储的方法为：采用限制流经阻变存储介质电流的方式，对阻变存储介质的阻态进行调整。通过不同限制电流获得阻变存储介质的不同阻态，从而重复、稳定地实现多值存储。
-
公开(公告)号：CN119478332A
公开(公告)日：2025-02-18
申请号：CN202411523087.0
申请日：2024-10-29
Applicant: 福州大学
Abstract: 本发明涉及一种光伏组件功率损失范围评估方法及系统，该方法包括：获取光伏组件的积灰组件的可见光图像与红外图像，形成双模态图像，以此构建样本数据集；对样本数据集中双模态图像进行预处理；构建基于双通道MobileNetV2多模态深度学习框架的功率损失范围评估模型，其通过双通道MobileNetV2特征提取网络提取可见光与红外特征，再通过多级联跨模态融合网络与多尺度融合网络进行特征的双模态融合与多尺度融合，然后通过分类器映射出功率损失范围；对功率损失范围评估模型进行训练；通过训练好的功率损失范围评估模型进行光伏组件功率损失范围评估。该方法及系统有利于提高光伏组件功率损失范围评估的准确性，从而准确判断出不同积灰程度下的光伏组件功率损失范围。
-
公开(公告)号：CN114331913B
公开(公告)日：2024-07-02
申请号：CN202210011777.2
申请日：2022-01-06
Applicant: 福州大学
IPC: G06T5/73 , G06T9/00 , G06N3/084 , G06N3/0455 , G06N3/0464 , G06N3/0442
Abstract: 本发明提出一种基于残差注意力块的运动模糊图像复原方法，采用的网络包括由粗到细三个尺度，首先对图像进行预处理，然后在第一级尺度的网络上的编码端通过下采样提取模糊图像的主要特征，网络的基本结构由残差注意力块组成，可以更有效的提取出图像特征，再连接上循环模块，用以获取图像的空间信息，每个尺度的循环模块通过上采样方式连接，最后通过解码端上采样得到输出的结果。每个尺度的网络结构相同，通过跨尺度共享权重来减少参数量，来加快网络的训练速度，通过构建的运动模糊图像复原模型有效的恢复出清晰的图像边缘和一些细节的图像纹理信息。提高了运动模糊图像复原的质量。
-
公开(公告)号：CN114187208B
公开(公告)日：2024-06-28
申请号：CN202111549115.2
申请日：2021-12-17
Applicant: 福州大学
IPC: G06T5/70 , G06T5/20 , G06T7/90 , G06T3/4007
Abstract: 本发明提供了一种基于融合代价和自适应惩罚项系数的半全局立体匹配方法，首先采用指数融合公式将输入图像的Census变换代价值、AD代价值、输入图像的#imgabs0#方向梯度和#imgabs1#方向梯度进行结合，获得融合匹配代价；然后根据像素点所处位置的颜色分量和梯度分量，选择对应的系数进行多路代价聚合；接着在三维视差空间中选择代价值最小的视差值，组成初始视差图；最后经过视差优化处理流程，得到最终的视差图。在Middlebury平台的Cones、Teddy和Tsukuba图像上的实验表明，相比原始半全局立体匹配算法，应用本技术方案可实现所有区域平均误差降低13.3%～34.5%；不连续区域平均误差降低20.3%～36.2%；非遮挡区域平均误差降低13.8%～51%。
-
公开(公告)号：CN108111125B
公开(公告)日：2023-11-14
申请号：CN201810083455.2
申请日：2018-01-29
Applicant: 福州大学
IPC: H02S50/10
Abstract: 本发明公开了一种光伏阵列的IV特性曲线扫描与参数辨识系统及方法，系统包括数据采集模块、光伏阵列IV特性曲线扫描模块、存储模块和显示模块，数据采集模块对光伏阵列的温度和光照度进行采样，并通过低功耗无线传感网络传输给光伏阵列IV特性曲线扫描模块，基于动态电容充电方法进行IV特性曲线扫描，检测阵列输出电流和电压并存储；将扫描到的IV曲线转化为标准条件下（STC）的IV曲线，利用ABC‑NM单纯形混合算法进行IV曲线拟合，准确辨识光伏模型参数。本发明系统既能携带至户外，以辅助检测人员对光伏阵列进行人工检测，又能放置于汇流箱，与上位机连接实现实时在线的组件级和组件串级的分布式光伏阵列IV曲线扫描。
-
Patent Agency Ranking
公开(公告)号：CN109784476B
公开(公告)日：2022-08-16
申请号：CN201910029814.0
申请日：2019-01-12
Applicant: 福州大学
IPC: G06N3/04 , G06V10/764 , G06K9/62
Abstract: 本发明涉及一种改进DSOD网络的方法，首先对输入图像进行预处理，将预处理后的图像输入到DSOD特征提取子网络中，在特征提取子网络的第二个转接层后加入RFB_a网络模块，经过RFB_a网络中不同采样步长的Atrous卷积提取具有不同感受野的特征，在特征提取子网络后加入采样步长为6的Atrous卷积层，将Atrous卷积层产生的特征输入到多尺度预测层中，将多尺度预测层输入到损失函数中，在损失函数中加入IOG惩罚项，防止在预测密集的同类型目标时出现同类预测框重叠。同时，在训练阶段采用预热策略设置学习率，通过设置合适的批样本大小，降低了训练网络的硬件设备要求。本发明相对于原DSOD算法具有更高的检测精度，提高了对小目标的检测能力，同时降低了训练网络的硬件设备要求。
-
公开(公告)号：CN114867165A
公开(公告)日：2022-08-05
申请号：CN202210682896.0
申请日：2022-06-15
Applicant: 福州大学 , 福州福大自动化科技有限公司
Abstract: 本发明涉及一种基于长短期记忆神经网络的智慧路灯控制方法。从气象网站获取路灯所在地的湿度、风速、PM2.5、PM10等气象数据，并利用照度传感器采集照度信息，以此作为智慧路灯控制的样本数据集；对每个样本信号进行归一化处理；调用长短期记忆神经网络算法，以湿度、风速、PM2.5、PM10作为模型的输入特征，能见度作为模型的输出，构建能见度检测算法模型；结合能见度检测算法模型所得的能见度情况与当前的照度情况构建路灯控制策略；根据所构建的路灯控制策略，在高能见度时，采用普通亮度与高色温照明模式，节约能源；在低能见度时输出更高的亮度与更低的色温，增强路灯透雾能力。本发明能够实现不同能见度下的路灯自适应调光。
-
公开(公告)号：CN113221468B
公开(公告)日：2022-07-08
申请号：CN202110605736.1
申请日：2021-05-31
Applicant: 福州大学
IPC: G06F30/27 , G06K9/62 , G06N20/00 , G06F119/08
Abstract: 本发明涉及基于集成学习的光伏阵列故障诊断方法，包括以下步骤：获取光伏面板的实际I‑V特性曲线信息和环境信息；计算I‑V特性曲线的电气参数、几何特征，并结合光伏阵列单二极管等效模型电路的模型参数和光伏阵列的背板温度、环境辐照度作为故障特征；对特征数据进行零均值标准化处理，并对故障标签进行序号编码；根据集成学习的模型堆叠方法搭建故障诊断模型，以极端随机树、LightGBM、支持向量机和K‑近邻算法作为模型堆叠第一层的算法，极端随机树作为第二层算法，并用网格搜索选择算法的超参数；根据训练好的模型预测光伏阵列的故障类型，评估和优化光伏电站的工作状态。本发明结合不同算法的优点，提升了故障诊断算法的预测精度和稳定性。
-
公开(公告)号：CN114187208A
公开(公告)日：2022-03-15
申请号：CN202111549115.2
申请日：2021-12-17
Applicant: 福州大学
Abstract: 本发明提供了一种基于融合代价和自适应惩罚项系数的半全局立体匹配方法，首先采用指数融合公式将输入图像的Census变换代价值、AD代价值、输入图像的方向梯度和方向梯度进行结合，获得融合匹配代价；然后根据像素点所处位置的颜色分量和梯度分量，选择对应的系数进行多路代价聚合；接着在三维视差空间中选择代价值最小的视差值，组成初始视差图；最后经过视差优化处理流程，得到最终的视差图。在Middlebury平台的Cones、Teddy和Tsukuba图像上的实验表明，相比原始半全局立体匹配算法，应用本技术方案可实现所有区域平均误差降低13.3%～34.5%；不连续区域平均误差降低20.3%～36.2%；非遮挡区域平均误差降低13.8%～51%。
-
公开(公告)号：CN109146861B
公开(公告)日：2021-09-28
申请号：CN201810880470.X
申请日：2018-08-04
Applicant: 福州大学
Abstract: 本发明涉及一种改进的ORB特征匹配方法，包括以下步骤：步骤S1:采用改进的FAST14‑24方法进行角点的初步提取,得到角点；步骤S2:根据得到的角点，采用Shi‑Tomasi角点检测算法进行特征点优选，得到特征点；步骤S3:利用灰度质心法对特征点集进行处理确定特征点的方向；步骤S4:根据特征点集，采用类视网膜描述符提取算法，得到特征描述符；步骤S5:根据得到的特征描述符，采用学习的方法来提取低相关性的采样点对的位置，得到优化的特征描述符。步骤S6:使用汉明距离进行特征匹配。本发明得到的优化的特征描述符相比现有的rBRIEF描述符，具有更好的鲁棒性和更高的精度。
-
-
-
-
-
-
-
-
-
Search Results
177
records
(took 0.031 seconds)
