-
公开(公告)号：CN115293979A
公开(公告)日：2022-11-04
申请号：CN202210821464.3
申请日：2022-07-13
Applicant: 中南大学
Abstract: 本发明提供一种红外图像径向和切向畸变矫正方法，涉及图像畸变矫正技术领域。该红外图像径向和切向畸变矫正方法，包括以下步骤：在红外图像上选取关键特征点并明确其相对位置关系；选取畸变模型；基于等式方程组和不等式约束目标优化策略对畸变系数进行优化标定；基于畸变系数优化值实现从畸变图像所有像素到无畸变图像的映射；基于无畸变图像中的空点邻域的非空像素点填充空点；得到最终矫正图像。通过基于红外图像单张图像中的关键特征点标定畸变模型中未知系数，无需采用标定板或移动成像设备，扩大了方法适用场景，可实现对大畸变、低分辨率红外图像的高精度矫正。且新的空点填充思路避免了复杂坐标映射，更高效和高质地还原了空点像素值。
-
公开(公告)号：CN115790859A
公开(公告)日：2023-03-14
申请号：CN202211548453.9
申请日：2022-12-05
Applicant: 中南大学
IPC: G01J5/48
Abstract: 本发明提供了一种异常电解工况识别方法，包括：步骤1，获取目标电解槽的历史红外热像图，并在历史红外热像图中确定垂直于目标电解槽极板方向的特征辅助线；步骤2，获取特征辅助线上的温度峰值点，得到多个异常观测点；步骤3，针对多个异常观测点中的每个异常观测点，根据异常观测点提取空间维度上的空间温度特征序列和时间维度上的时间温度特征序列；步骤4，分别根据空间温度特征序列、时间温度特征序列对多个异常观测点进行分层聚类，得到聚类结果，并根据聚类结果识别出处于异常工况的极板；避免了通过温度阈值判断极板工况时人为提取温度代表值和设定温度阈值带来的失准，从而实现了更准确、更精细的异常电解工况智能识别。
-
公开(公告)号：CN113011306A
公开(公告)日：2021-06-22
申请号：CN202110274848.3
申请日：2021-03-15
Applicant: 中南大学
Abstract: 本发明公开了一种连续成熟阶段骨髓细胞图像自动识别方法、系统及介质，主要包含以下步骤：获取符合规范的数据集；通过迁移学习构建用于骨髓细胞自动识别的密集连接型卷积神经网络模型；对单细胞图像数据进行尺寸归一化，并对图像尺寸归一后的数据集进行划分；精调训练方法的超参数，并利用精调的超参数训练对构建的模型进行结构参数训练，得到最优结构参数模型，训练中引入多种类型的随机数据增广；利用多折交叉验证对模型进行骨髓细胞识别效果测试与评估。本发明可以实现对处于连续成熟阶段的骨髓细胞的自动识别或分类，具有较好的识别效果，可以提高处于连续成熟阶段的骨髓细胞的自动识别的性能和准确率。
-
公开(公告)号：CN118366565A
公开(公告)日：2024-07-19
申请号：CN202410394338.3
申请日：2024-04-02
Applicant: 中南大学
IPC: G16C20/30 , G16C20/70 , G06F18/27 , G06F18/211 , G06N3/045
Abstract: 本发明涉及金属离子检测技术领域，具体公开了一种适用于小样本、能抗干扰的锌液钴离子浓度检测模型。包括以下步骤：步骤S1、使用特征提取网络，排除光谱信号中的温度干扰，提取光谱中钴离子浓度特征；步骤S2、使用流行学习方法矫正特征的潜在高维畸变；步骤S3、使用特征选择算法筛选出强信息的特征；步骤S4、使用回归算法对特征进行回归，预测钴离子浓度。本发明的目的是提供适用于小样本、能抗干扰的锌液钴离子浓度检测模型。
-
公开(公告)号：CN113723400A
公开(公告)日：2021-11-30
申请号：CN202110966236.0
申请日：2021-08-23
Applicant: 中南大学
Abstract: 本发明公开了一种基于红外图像的电解槽极板故障识别方法、系统、终端及可读存储介质，其包括以下步骤：获取电解槽极板的红外图像数据；基于红外图像数据构建电解槽极板故障识别模型，其中，电解槽极板故障识别模型构建过程为：基于红外图像数据依次进行深度特征提取、检测框生成、筛选检测框得到候选检测框、基于候选检测框对应的特征图进行分类网络训练和回归网络训练得到电解槽极板故障识别模型，从而利用电解槽极板故障识别模型得到待识别的电解槽极板的故障识别结果。本发明所述方法利用深度学习的优势提高了故障识别的准确率以及速度，将红外图像成功应用于电解槽的极板检测，并保证了检测精度。
-
Patent Agency Ranking
公开(公告)号：CN114000178B
公开(公告)日：2022-11-22
申请号：CN202111422498.7
申请日：2021-11-26
Applicant: 中南大学
Abstract: 本发明公开了一种电解槽极板的故障检测方法及其装置、终端和可读存储介质，所述检查方法包括：获取电解槽内每块极板周围某一特定位置上，包含当前及历史时刻的磁场强度序列；基于holt预测模型，结合每块极板对应的磁场强度序列，计算得到每块极板对应的所述特定位置上磁场强度趋势估计值以及未来时刻的磁场强度预测值；对所述磁场强度趋势估计值以及所述磁场强度预测值进行模糊分析得到每块极板的故障检测结果。通过上述方法，本发明直接探查磁场变化实现故障极板检测，可以有效缩减极板故障检测时间，提高检测效率。
-
公开(公告)号：CN112183822A
公开(公告)日：2021-01-05
申请号：CN202010935982.9
申请日：2020-09-08
Applicant: 中南大学
IPC: G06Q10/04 , G06F30/20 , G06F111/06 , G06F111/08
Abstract: 本发明公开了一种基于改进蚁群算法的无人机航路规划，包括自适应ρ信息素挥发值、对信息素的浓度更新公式改进，并对信息素的极值进行限定，信息素作用范围严格限制在规定作用范围里，尽量规避落入局部最优、多种群同时进行独立迭代，在陷入局部最优时，种群之间交换信息素、对初始信息素分布进行优化和对路径选择规则改进。本发明通过改善了蚁群算法，使法寻求到的航迹有效长度，比旧有传统类型的模式更短，寻优路径更佳，并且在时间上获取了提高，同时获取的路径作用效果也非常良好。
-
公开(公告)号：CN110659718A
公开(公告)日：2020-01-07
申请号：CN201910862923.0
申请日：2019-09-12
Applicant: 中南大学
Abstract: 本发明公开了一种基于深度卷积神经网络的小卷积核细胞计数方法及系统，适用于对细胞图像进行计数。包括以下步骤：获取细胞图像数据集，对数据集进行预处理，将数据集分为训练集和测试集，并得到细胞真实密度图；构建用于细胞计数的基于小卷积核的深度卷积神经网络模型；利用训练集训练构建好的神经网络模型，得到最优参数模型；利用测试集测试得到的最优模型，得到预测的细胞密度图及估计细胞数，并评价结果。本发明改进了细胞计数模型，加快了网络训练速度，提高了预测效果和计数准确率。
-
公开(公告)号：CN115965177A
公开(公告)日：2023-04-14
申请号：CN202210979141.7
申请日：2022-08-16
Applicant: 中南大学
IPC: G06Q10/063 , G06N3/0464 , G06N3/08 , G06Q50/06 , H02J3/00
Abstract: 本发明公开基于注意力机制改进的自回归误差补偿风电功率预测方法，采用能够增强特征表达，忽略不重要信息的注意力机制(AM)方法对BiLSTM方法进行改进，增强了BiLSTM模型的预测精度。对得到的初步功率预测值进行计算，得到误差序列，采用自回归综合移动平均(ARIMA)模型进行误差补偿，用该误差序列训练ARIMA模型，并用得到的ARIMA模型的预测值补偿AM‑BiLSTM模型的预测值，进一步提高了模型的预测精度。运用风电场实际数据进行模型验证与分析，结果显示，AM‑BiLSTM‑ARIMA模型具有较好的预测精度，预测结果更接近真实值，是一种很有前途的风电功率预测方法。
-
公开(公告)号：CN114000178A
公开(公告)日：2022-02-01
申请号：CN202111422498.7
申请日：2021-11-26
Applicant: 中南大学
Abstract: 本发明公开了一种电解槽极板的故障检测方法及其装置、终端和可读存储介质，所述检查方法包括：获取电解槽内每块极板周围某一特定位置上，包含当前及历史时刻的磁场强度序列；基于holt预测模型，结合每块极板对应的磁场强度序列，计算得到每块极板对应的所述特定位置上磁场强度趋势估计值以及未来时刻的磁场强度预测值；对所述磁场强度趋势估计值以及所述磁场强度预测值进行模糊分析得到每块极板的故障检测结果。通过上述方法，本发明直接探查磁场变化实现故障极板检测，可以有效缩减极板故障检测时间，提高检测效率。
-
-
-
-
-
-
-
-
-
Search Results
11
records
(took 0.022 seconds)
