-
公开(公告)号：CN119747070A
公开(公告)日：2025-04-04
申请号：CN202510260711.0
申请日：2025-03-06
Applicant: 福建南方路面机械股份有限公司 , 华侨大学
Abstract: 本发明涉及破碎机设备领域，具体涉及一种破碎机给料量智能控制方法、装置及可读介质，其方法包括：S1，构建初始的目标料位预测模型，并将其作为当前轮次的目标料位预测模型进入下一步骤；S2，实时获取破碎机进料口外的进料图像，对进料图像处理后确定进料粒径分布，将设定的破碎机目标负载和进料粒径分布输入当前轮次的目标料位预测模型，输出当前轮次的目标料位；S3，获取实时给料速度和实时料位，根据实时给料速度、实时料位和当前轮次的目标料位计算目标给料速度，以解决调整滞后性的问题；S4，根据目标给料速度调整给料机的给料速度，并在给料速度调整过程中，根据破碎机实时负载继续调整给料速度或调整目标料位预测模型，并重复步骤S2‑S4。
-
公开(公告)号：CN118876236B
公开(公告)日：2024-12-17
申请号：CN202411365159.3
申请日：2024-09-29
Applicant: 福建南方路面机械股份有限公司 , 华侨大学
Abstract: 本发明涉及混凝土卸料技术领域，本发明提供一种基于电流进行实时监测的混凝土智能卸料方法及装置，该方法包括获取混凝土搅拌过程的电流信号、建立神经网络模型、混凝土搅拌状态监测和混凝土智能卸料。本发明通过上述方法，能够不断的对每一时刻的搅拌状态进行判断，以便于及时确定混凝土搅拌均匀状态时的时间点，并能够在搅拌均匀状态下预测混凝土流动性，从而能够及时停止搅拌和控制卸料时卸料口的开度，保证了混凝土出料为均匀状态的同时避免了不必要搅拌时间的浪费，提升了生产的质量和效率，避免流动性好时或差时，导致的卸料过快或堵塞，使得混凝土的搅拌生产更加稳定有序。
-
公开(公告)号：CN118817540A
公开(公告)日：2024-10-22
申请号：CN202411309779.5
申请日：2024-09-19
Applicant: 福建南方路面机械股份有限公司 , 华侨大学
Abstract: 本发明提供一种基于深度学习的沥青混合料质量在线监测方法及装置，方法包括以下步骤，沥青混合料样本制作、训练样本预处理、构建预测模型和沥青混合料的质量监测。本发明通过上述结构，通过上述的方法建立沥青混合料的预测模型，并根据实际生产时，向预测模型输入搅拌过程中的电流数据，能够实时有效的得到预测的沥青混合料的稳定度和流值，当预测值不符合生产要求时，能够及时报警，提醒人工干预进行调整配方，从而能够及时对不符合生产要求的沥青混合料进行二次调整，以保证沥青混合料出锅时的质量要求，能够减小废料的产生。
-
公开(公告)号：CN113807424B
公开(公告)日：2024-04-16
申请号：CN202111063333.5
申请日：2021-09-10
Applicant: 华侨大学
IPC: G06V10/774 , G06V10/82 , G06N3/04 , G06N3/08
Abstract: 一种基于离线数据增强的固废数据集生成方法，具体包括：手动标注第一固废数据集A1；对第一固废数据集A1进行离线数据增强生成第二固废数据集A2，合并第一固废数据集A1和第二固废数据集A2，形成合并固废数据集；使用深度学习模型对合并固废数据集进行训练；使用训练好的深度学习模型对未标注的固废数据集D进行预测；通过查询函数找出深度学习模型预测不准确的图像集，并进行手动标注得到第三固废数据集B1；对第三固废数据集B1进行离线数据增强生成第四固废数据集B2。本发明提出的方法可以生成大量固废数据集，快速有效地构扩充固废数据集，从而有助于深度学习模型的训练，进一步提升固废识别的准确率。
-
公开(公告)号：CN119152295B
公开(公告)日：2025-04-08
申请号：CN202411646391.4
申请日：2024-11-18
Applicant: 福建南方路面机械股份有限公司 , 华侨大学
IPC: G06V10/764 , G06N3/0464 , G06N3/08 , G06V10/774 , G06V10/82
Abstract: 本发明涉及混凝土搅拌技术领域，尤其涉及一种基于深度学习的振动筛筛网破损监测方法及装置。一种基于深度学习的振动筛筛网破损监测方法，在机制砂经过筛网过滤后的单级下料溜道上方搭建图像采集平台，采集下落过程中的堆叠机制砂图像；将筛网破损前后采集的图像制作成二分类数据集，输入轻量型卷积神经网络中训练获取分类模型，并将分类模型部署在边缘计算机上构建在线监测系统；系统实时分析采集到的图像，判别为筛网破损后的图像达到一定数量时系统发出筛网破损警报。本发明可以实现振动筛筛网状态跟踪监测，直观掌握筛网的破损程度，及时更换破损筛网以保障机制砂的生产质量。
-
Patent Agency Ranking
公开(公告)号：CN114120057B
公开(公告)日：2025-01-17
申请号：CN202111320510.3
申请日：2021-11-09
Applicant: 华侨大学
IPC: G06V10/774 , G06V10/82 , G06V10/25 , G06N3/0464 , G06N3/08
Abstract: 本发明提供了一种基于PaddleDetection的混淆矩阵生成方法，包括：在PaddlePaddle平台下运用PaddleDetection目标检测开发套件训练目标检测网络；获取有标注的测试数据集，分为两个文件夹，一个文件夹放json文件，另一个放对应的图片文件，并得到真实的目标物体外接矩形框；运用infer.py图片文件进行预测，得到预测标签；得出预测修正得到的矩形检测框；将真实矩形框与预测修正得到的矩形检测框进行循环匹配，将统计得到的值记录在矩阵上；创建excle表格，将记录的矩阵填充到excle表格中，绘制出用于评价模型实际应用效果的混淆矩阵，本发明方法能优化网络模型的训练方法。
-
公开(公告)号：CN118883215A
公开(公告)日：2024-11-01
申请号：CN202411379702.5
申请日：2024-09-30
Applicant: 福建南方路面机械股份有限公司 , 华侨大学
IPC: G01N1/28 , G06T7/00 , G06N20/00 , G06T7/194 , G01N1/38 , G01N33/38 , G01N21/84 , G01N22/04 , G01N15/08
Abstract: 本发明提供一种基于视觉的混凝土配方实时控制方法及其装置，其中方法包括材料特性检测方法，搅拌质量检测方法，生产质量调整配方方法。本发明通过上述结构，通过材料特性检测方法，搅拌质量检测方法，生产质量调整配方方法的配合下，能够实时有效的预测混凝土搅拌过程工作性能以及检测骨料级配、颗粒形状参数，减少生产过程中必要的性能检测时间，提高生产效率，当本批次混凝土的性能不满足要求时，通过当前的骨料级配、颗粒形状参数计算出所要补充的骨料用量，并实时进行调整，以保证混凝土出料时性能能够满足要求，减少资源浪费，提高调整配方效率。
-
公开(公告)号：CN113554068A
公开(公告)日：2021-10-26
申请号：CN202110758660.6
申请日：2021-07-05
Applicant: 华侨大学
Abstract: 本发明公开了一种实例分割数据集的半自动标注方法、装置及可读介质，通过分别对实例分割模型和图像分类模型进行训练；使用训练好的实例分割模型对图像数据集合中的第一数据集进行预测，得到第一预测结果，基于第一预测结果确定每张图像中包含单个物体的图像，将单个物体的图像输入训练好的图像分类模型，得到第二预测结果，将单个物体的第一预测结果与第二预测结果进行对比，根据比对结果人工纠正每张图像中的单个物体的第一种类和掩膜，得到伪标签实例分割数据集；将人工实例分割数据集和伪标签实例分割数据集混合作为实例分割数据集，对实例分割模型重新训练，得到最终的实例分割模型。本方法使用少量的人工标注数据，成本低并具有较高的精度。
-
公开(公告)号：CN118876236A
公开(公告)日：2024-11-01
申请号：CN202411365159.3
申请日：2024-09-29
Applicant: 福建南方路面机械股份有限公司 , 华侨大学
Abstract: 本发明涉及混凝土卸料技术领域，本发明提供一种基于电流进行实时监测的混凝土智能卸料方法及装置，该方法包括获取混凝土搅拌过程的电流信号、建立神经网络模型、混凝土搅拌状态监测和混凝土智能卸料。本发明通过上述方法，能够不断的对每一时刻的搅拌状态进行判断，以便于及时确定混凝土搅拌均匀状态时的时间点，并能够在搅拌均匀状态下预测混凝土流动性，从而能够及时停止搅拌和控制卸料时卸料口的开度，保证了混凝土出料为均匀状态的同时避免了不必要搅拌时间的浪费，提升了生产的质量和效率，避免流动性好时或差时，导致的卸料过快或堵塞，使得混凝土的搅拌生产更加稳定有序。
-
公开(公告)号：CN113554068B
公开(公告)日：2023-10-31
申请号：CN202110758660.6
申请日：2021-07-05
Applicant: 华侨大学
IPC: G06V10/774 , G06V10/764 , G06V10/26 , G06V10/82 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种实例分割数据集的半自动标注方法、装置及可读介质，通过分别对实例分割模型和图像分类模型进行训练；使用训练好的实例分割模型对图像数据集合中的第一数据集进行预测，得到第一预测结果，基于第一预测结果确定每张图像中包含单个物体的图像，将单个物体的图像输入训练好的图像分类模型，得到第二预测结果，将单个物体的第一预测结果与第二预测结果进行对比，根据比对结果人工纠正每张图像中的单个物体的第一种类和掩膜，得到伪标签实例分割数据集；将人工实例分割数据集和伪标签实例分割数据集混合作为实例分割数据集，对实例分割模型重新训练，得到最终的实例分割模型。本方法使用少量的人工标注数据，成本低并具有较高的精度。
-
-
-
-
-
-
-
-
-
Search Results
21
records
(took 0.022 seconds)
