-
公开(公告)号：CN113204207B
公开(公告)日：2022-12-23
申请号：CN202110475255.3
申请日：2021-04-29
Applicant: 东北大学
IPC: G05B19/05 , H04L67/1097
Abstract: 本发明涉及一种铝/铜板带材生产全流程数据采集与传输方法，包括设计针对铝/铜板带材加工特点构建适合在工业现场使用的数据采集器来采集现场的PLC设备数据，并在该环境下进行数据的压缩和标记分类等传输预处理工作；设计针对铝/铜板带材生产全流程不同数据类型的数据接入方案，完成数据传输等步骤。本发明通过从铝/铜板带材的工厂PLC设备及工厂数据库等数据源采集到数据后进行统一编码后传输到工业大数据平台的服务器端，解决了铝/铜板带加工过程中数据多源异构难以进行统一传输的问题，利于后续的数据的存储和分析等工作。
-
公开(公告)号：CN113435839A
公开(公告)日：2021-09-24
申请号：CN202110697568.3
申请日：2021-06-23
Applicant: 东北大学
Abstract: 本发明提供一种铝/铜板带生产全流程大数据平台架构。本发明包括以分布式软件系统和分布式硬件设备系统，分布式硬件设备系统包括采集站、服务器和连接二者的多种网络设备，分布式软件系统包括大数据平台数据采集模块、大数据平台数据存储模块、大数据平台数据分析模块和大数据平台数据可视化模块。本发明实现以分布式计算和分布式存储为基础，结合生产流程特性并针对用户目标需求的铝/铜板带材生产全流程大数据平台结构。模块化使得大数据平台架构更为灵活，易于集成和修改，分布式系统也使得整个大数据平台具有优良的稳定性。本发明数据分析模块利用分布式计算框架，集成了多种分析方式，在一定程度上解决了现有系统功能单一的问题。
-
公开(公告)号：CN107563996B
公开(公告)日：2019-12-03
申请号：CN201710731610.2
申请日：2017-08-23
Applicant: 东北大学
Abstract: 本发明公开了一种新型视神经盘分割方法及系统，方法步骤包括：S100、利用角点检测算法检测眼底图像中视神经盘周围的兴趣点，并计算围绕兴趣点的凸包以提取视神经盘区域图像；S200、根据视神经盘区域图像像素点之间的特征相似性，对像素点进行分组，得到能够代替大量像素表达图像特征的超像素；S300、基于凸包和超像素计算先验概率分布，在凸包内外分别统计颜色直方图并计算观测似然概率；S400、根据贝叶斯定理，计算每个像素点f属于视神经盘区域的后验概率，得到后验概率分布图；S500、基于后验概率分布图，并通过标准的霍夫变换圆检测从眼底图像中分割出视神经盘。本发明采用由粗到精的分割策略，在贝叶斯模型框架下实现对眼底图像进行视神经盘的精确分割。
-
公开(公告)号：CN108284132B
公开(公告)日：2019-08-23
申请号：CN201810017798.9
申请日：2018-01-09
Applicant: 东北大学
Abstract: 本发明涉及一种板带热轧工业过程优化控制方法，首先采用启发式算法求解初始轧制批量计划，再以初始的轧制批量计划为解空间的起点，采用变邻域搜索的方法求出局部最优的轧制批量计划，更换邻域的定义方式，拓展搜索范围，求出下一个局部最优的轧制批量计划，当所有邻域搜索完成之后，所得到的轧制批量计划即为所求近优解。本发明的方法可对板带热轧工业过程中的轧制批量计划进行优化处理，可提高轧辊利用率，进而提高钢卷的表面质量，从而减少生产成本。
-
公开(公告)号：CN107563996A
公开(公告)日：2018-01-09
申请号：CN201710731610.2
申请日：2017-08-23
Applicant: 东北大学
Abstract: 本发明公开了一种新型视神经盘分割方法及系统，方法步骤包括：S100、利用角点检测算法检测眼底图像中视神经盘周围的兴趣点，并计算围绕兴趣点的凸包以提取视神经盘区域图像；S200、根据视神经盘区域图像像素点之间的特征相似性，对像素点进行分组，得到能够代替大量像素表达图像特征的超像素；S300、基于凸包和超像素计算先验概率分布，在凸包内外分别统计颜色直方图并计算观测似然概率；S400、根据贝叶斯定理，计算每个像素点f属于视神经盘区域的后验概率，得到后验概率分布图；S500、基于后验概率分布图，并通过标准的霍夫变换圆检测从眼底图像中分割出视神经盘。本发明采用由粗到精的分割策略，在贝叶斯模型框架下实现对眼底图像进行视神经盘的精确分割。
-
Patent Agency Ranking
公开(公告)号：CN113127449A
公开(公告)日：2021-07-16
申请号：CN202110450036.X
申请日：2021-04-25
Applicant: 东北大学
IPC: G06F16/21 , G06F16/23 , G06F16/182 , G06F16/174 , G06F16/30 , G06F16/50 , G06F16/60
Abstract: 本发明提供一种铝/铜板带材生产全流程数据仓库构建方法，涉及数据仓库技术领域，方法包括以下步骤：获取现有的铝/铜板带材数据文件，识别铝/铜板带材数据文件的数据类型，分析数据文件类型设置导入方式，根据导入方式进行数据导入，得到迁移后的数据；将所述迁移后的数据进行分区存储，查询迁移后的数据中的不规范数据，根据不规范数据的种类确定清洗方案和清洗规则，根据清洗规则对迁移后的数据进行清洗，得到清洗后的数据；构建数据特征表，将清洗后的数据置入数据特征表中，将数据特征表中数据映射至数据仓库中。适用于完成面向铝/铜板带材生产全流程的数据集成方法，形成工业大数据集成处理标准化方案。
-
公开(公告)号：CN109636815B
公开(公告)日：2021-05-25
申请号：CN201811558237.6
申请日：2018-12-19
Applicant: 东北大学
Abstract: 本发明公开了一种基于计算机视觉的金属板带产品标签信息识别方法，通过轻量级网络的分割获取产品标签区域的位置，经过图像处理手段获取产品标签的坐标信息，实现透视变换的矫正，利用VGG16进行旋转文本的识别，利用方差方法进行文字旋转小角度的配准，有效地提升了文本位置的检测以及文本识别的精度，采用了YOLOv3以及ENet使得文本的矫正与位置获取更快更准，有效地较小计算机的损耗以及对于计算机性能的要求，利用CRNN中LSTM的特点实现不定长文本的检测，有效地提升检测的性能，在光照不均匀、复杂背景、多语言混合、文本复杂版式、产品标签图片旋转、仿射扭曲以及透视扭曲等自然场景下均有良好的识别性能，为金属板带产品标签信息的录入提供便利。
-
公开(公告)号：CN108588323B
公开(公告)日：2020-05-01
申请号：CN201810017812.5
申请日：2018-01-09
Applicant: 东北大学
Abstract: 本发明涉及一种炼钢连铸工业过程优化控制方法，首先采用启发式算法求解初始炉次、浇次计划，再以初始计划为解空间的起点，以同宽选择、钢种接序作为邻域结构，在每个邻域结构内进行长板间短板的交换和插入、短板内板坯的交换、长板尾部板坯删除或优充生产操作，采用变邻域搜索的方法求出局部最优的炉次、浇次计划，更换邻域结构，拓展搜索范围，求出下一个局部最优的炉次、浇次计划，当所有的邻域结构都找到了局部最优的炉次、浇次计划之后，将其中KPI指标值最高的一个作为最终的炉次、浇次计划。本发明可提高炼钢连铸计划优化水平，以保证钢铁企业获得最大利润。
-
公开(公告)号：CN109636815A
公开(公告)日：2019-04-16
申请号：CN201811558237.6
申请日：2018-12-19
Applicant: 东北大学
CPC classification number: G06T7/11 , G06K9/3208 , G06K9/3275 , G06K9/344 , G06K2209/01 , G06T7/187 , G06T7/194
Abstract: 本发明公开了一种基于计算机视觉的金属板带产品标签信息识别方法，通过轻量级网络的分割获取产品标签区域的位置，经过图像处理手段获取产品标签的坐标信息，实现透视变换的矫正，利用VGG16进行旋转文本的识别，利用方差方法进行文字旋转小角度的配准，有效地提升了文本位置的检测以及文本识别的精度，采用了YOLOv3以及ENet使得文本的矫正与位置获取更快更准，有效地较小计算机的损耗以及对于计算机性能的要求，利用CRNN中LSTM的特点实现不定长文本的检测，有效地提升检测的性能，在光照不均匀、复杂背景、多语言混合、文本复杂版式、产品标签图片旋转、仿射扭曲以及透视扭曲等自然场景下均有良好的识别性能，为金属板带产品标签信息的录入提供便利。
-
公开(公告)号：CN109003279A
公开(公告)日：2018-12-14
申请号：CN201810733535.8
申请日：2018-07-06
Applicant: 东北大学
Abstract: 本发明提供一种基于K-Means聚类标注和朴素贝叶斯模型的眼底视网膜血管分割方法及系统。本发明方法包括：随机抽取数据集中的彩色眼底图像，构建训练集和测试集；提取彩色眼底图像的G通道的灰度图作为特征提取的对象；对灰度图进行特征提取，将图像中的每个像素用多维的特征向量表示；对特征提取后的训练集中的每幅图像使用K-Means聚类算法将特征向量进行聚类标注；基于K-Means聚类标注的训练集数据训练朴素贝叶斯模型；用训练好的朴素贝叶斯模型分割测试集中每幅图像的血管。本发明把聚类的结果作为有监督训练的标记，利用这些标记训练朴素贝叶斯分类模型进行视网膜血管分割，整个过程不需要人为参与标记，省时省力，大幅度提高了机器学习模型的处理效率。
-
-
-
-
-
-
-
-
-
Search Results
27
records
(took 0.047 seconds)
