-
公开(公告)号：CN117475328A
公开(公告)日：2024-01-30
申请号：CN202311226592.4
申请日：2023-09-21
Applicant: 华晋焦煤有限责任公司 , 太原理工大学
Inventor： 贾永森 , 刘毅 , 续欣莹 , 林珍锋 , 廉旭刚 , 高海海 , 景瑞旭 , 高建宏 , 韩英杰 , 程兰 , 吴晓明 , 武俊文 , 张喆 , 杨艳军 , 卢小波 , 艾飞翔 , 白旭尧 , 薛伟 , 王宁宁 , 曹文豪
IPC: G06V20/17 , G06V10/764 , G06V10/82 , G06N3/0464 , G06N3/048 , G06N3/045 , G06N3/08
Abstract: 本发明涉及地质灾害检测技术领域，具体涉及一种基于改进YOLOv5s的矿区地质灾害检测方法，采用GhostModule层替换骨干网络和颈部网络中的卷积层，使得网络在提取相同信息量的情况下，大幅减少参数量；采用C3Ghost层代替骨干网络和颈部网络中的C3层，并将检测头中的损失函数由原来的CIoU替换为EIoU，在不提高模型复杂度的情况下，使得网络能够更好的进行参数训练，保持检测的精度。本方法的mAP值达78.9％，相较于现有YOLOv5s，模型体积压缩了47.1％，计算量减小了48.8％，参数量减少了47.8％，在保持YOLOv5s高检测精度的前提下，能够满足在无人机平台上的部署与实时检测的要求，实现了模型的轻量化。
-
公开(公告)号：CN222734533U
公开(公告)日：2025-04-08
申请号：CN202421083063.3
申请日：2024-05-17
Applicant: 华晋焦煤有限责任公司 , 太原理工大学
Inventor： 贾永森 , 刘毅 , 续欣莹 , 林珍锋 , 廉旭刚 , 高海海 , 景瑞旭 , 高建宏 , 韩英杰 , 程兰 , 吴晓明 , 武俊文 , 张喆 , 杨艳军 , 卢小波 , 艾飞翔 , 白旭尧 , 薛伟 , 王宁宁 , 曹文豪
IPC: G08B21/10
Abstract: 本实用新型公开了一种地质灾害监测预警装置，涉及地质灾害监测预警技术领域，包括支撑板，所述支撑板的顶部固定连接有蜂鸣器，所述支撑板的前侧固定连接有震动感应器，所述震动感应器与蜂鸣器电性连接，所述支撑板的底部固定连接有连接块，所述连接块的底部开设有凹槽，所述凹槽的内部转动连接有支撑腿，所述支撑腿的底部固定连接有长框。本实用新型通过将三个第二长板向下挤压，使第二长板通过第二齿条带动齿轮旋转，通过齿轮带动第一齿条与第一长板上移，使插入地底的第一长板松动，同时第二长板下移时带动矩形板下移，保证第二长板不会过深的插入地底，即可快速将地质灾害监测预警装置从地底拔出，进行维修、检测。
-
公开(公告)号：CN117748359A
公开(公告)日：2024-03-22
申请号：CN202311757567.9
申请日：2023-12-20
Applicant: 华晋焦煤有限责任公司 , 山西天衍视控科技有限公司
IPC: H02G1/02
Abstract: 本发明涉及输电线巡检技术领域，具体涉及一种基于航拍图像的输电线绝缘子故障巡检系统，包括图像采集组件、服务器和终端设备，图像采集组件包括无人机以及搭载在无人机上的图像采集模块，图像采集模块能够实时采集绝缘子图像数据，服务器能够实时检测故障并标记故障绝缘子位置，终端设备能够接收故障信息以及对应绝缘子的位置信息，如此实现基于航拍图像的输电线绝缘子故障巡检系统。本系统能够代替现有人工完成输电线绝缘子的巡检，节省了人力，提高了巡检效率，消除了人工巡检存在的安全风险，同时巡检过程依赖于图像采集模块的设定，不受人为主观因素的影响，检测结果更加可靠，检测效果更好。
-
公开(公告)号：CN115660219A
公开(公告)日：2023-01-31
申请号：CN202211431744.X
申请日：2022-11-16
Applicant: 华晋焦煤有限责任公司
Abstract: 本发明属于电力系统领域，涉及一种基于HSNS‑BP的短期电力负荷预测方法，可对短期电力负荷进行预测。所述一种基于HSNS‑BP的短期电力负荷预测方法的步骤包括：将获取的电力负荷数据及其影响因素组成样本数据集，经过预处理之后构建BP网络结构，采用引入自适应参数和柯西变异、引入螺旋因子的高斯变异得到的多策略混合社交网络搜索算法优化所述BP神经网络参数，使用最佳网络参数构建HSNS‑BP预测模型，对短期电力的负荷进行预测。
-
公开(公告)号：CN119991588A
公开(公告)日：2025-05-13
申请号：CN202510053241.0
申请日：2025-01-14
Applicant: 太原理工大学
IPC: G06T7/00 , G06V10/764 , G06V10/82 , G06V10/44 , G06V10/52 , G06V10/70 , G06V10/80 , G06N3/0455 , G06N3/0464 , G06N3/096
Abstract: 本发明属于图像异常检测领域，具体为基于提示学习调优的零样本异常检测方法，包括：S1.获取待检测图像数据，并进行预处理；S2.构建零样本异常检测模型，包括文本编码器、图像编码器、提示学习模块、多尺度特征提取模块等；S3.用待检测图像领域的典型数据集对零样本异常检测模型进行微调；S4.使用微调后的零样本异常检测模型对待检测图像进行检测，并用一个基础大模型对异常信息进行描述，得到异常分类、异常定位和异常描述的结果。相比传统零样本异常检测模型，本方法不仅构建了更全面泛化的自适应提示，而且对不同大小和形状的异常区域实现像素级精准定位，最后填补了现有方法在异常描述方面的空白，从而为零样本图像异常检测提供更丰富的判断依据。
-
Patent Agency Ranking
公开(公告)号：CN118887568A
公开(公告)日：2024-11-01
申请号：CN202410916991.1
申请日：2024-07-10
Applicant: 太原理工大学
IPC: G06V20/17 , G06V10/80 , G06V10/82 , G06V10/44 , G06N3/045 , G06N3/0464 , G06N3/0985
Abstract: 本发明涉及图像处理技术领域，尤其涉及一种基于多视角融合与Sobel边缘算子的矿区滑坡检测方法，解决了现有检测技术难以捕捉到小尺度地表变化；人工检测耗时耗力、成本较高，且存在主观判断，使得难以实现对大范围区域的高效准确监测的技术问题，其包括通过无人机搭载倾斜摄像机航拍获取不同视角的矿区滑坡图像；构建多视角融合的深度学习SSD网络结构，深度学习SSD网络结构包括输入层、VGG卷积神经网络层、多视角特征融合层、边缘特征提取层和滑坡检测层；将不同视角的矿区滑坡图像输入到深度学习SSD网络结构中进行训练，调节超参数，以得到最佳的深度学习SSD网络结构进行滑坡检测识别。通过所述方法能提高矿区滑坡检测的准确性和效率。
-
公开(公告)号：CN118537521A
公开(公告)日：2024-08-23
申请号：CN202410714269.X
申请日：2024-06-04
Applicant: 太原理工大学
IPC: G06V10/22 , G06V10/52 , G06V10/62 , G06V10/771 , G06V10/75 , G06N3/0464 , G06N3/0455 , G06N3/082
Abstract: 本发明涉及计算机视觉及机器人视觉位置识别领域，具体是一种基于时空信息融合的机器人视觉位置识别方法。包括：S1：对于机器人获取的图像查询帧序列经过空间信息提取器得到对应的单帧图像描述子序列；S2：将单帧图像描述子序列输入到时间信息提取器中得到具有时空信息融合的序列图像描述子；S3：查询帧的序列图像描述子经过搜索得到最近的K个数据库候选帧序列图像描述子；S4：通过序列匹配对S3得到的K个数据库候选帧序列图像描述子进行重新排序，选择序列得分最小的数据库候选候选帧作为最终的位置识别结果。本发明使用多尺度残差和通道注意力机制来提取图像的空间信息，这样用于位置识别的图像描述子可以具有不同感受野和多种尺度的特征。
-
公开(公告)号：CN117058203A
公开(公告)日：2023-11-14
申请号：CN202310931831.X
申请日：2023-07-27
Applicant: 太原理工大学
Abstract: 本发明涉及计算机视觉及点云配准领域，具体是一种基于多尺度融合与混合位置编码的端到端点云配准方法。包括：S1：对输入的源点云X与目标点云Y分别经过权重共享的多尺度特征提取网络得到关键点与对应的特征；S2：将关键点及其特征输入混合位置编码嵌入的信息交互网络得到含有空间位置信息的深度特征；S3：深度特征经过预测网络后，输出源点云中的点在目标点云中的相应位置，以及目标点云中的点在源点云中的相应位置，同时预测重叠分数；S4：根据S3所预测的重叠区域内的关键点的对应关系来计算刚性变换矩阵，根据此变换矩阵实现源点云与目标点云的配准。本发明可以达到较高的配准精度，同时在真实应用场景中有着较好的表现。
-
公开(公告)号：CN116678398A
公开(公告)日：2023-09-01
申请号：CN202310711622.4
申请日：2023-06-15
Applicant: 太原理工大学
Abstract: 本发明属于视觉同时定位与建图（VSLAM）领域，具体为一种基于多凸组合最大互相关熵的VSLAM后端优化方法。包括：传感器信息读取：相机图像信息读取和预处理，获得图像的像素信息；前端视觉里程计：根据相邻图像的信息估计出粗略的相机运动，给后端提供初始值，判断每一帧是否为关键帧并建立初步局部地图；后端优化：接受不同时刻视觉里程计测量的相机位姿，以及回环检测的信息，对它们进行优化，得到全局一致的轨迹和地图；回环检测：检测判断机器人是否到达过先前的位置，如果检测到回环，将信息提供给后端进行处理，触发全局优化线程；建图：根据估计的轨迹，建立与任务要求相对应的地图。
-
公开(公告)号：CN114329867B
公开(公告)日：2023-07-21
申请号：CN202111649243.4
申请日：2021-12-30
Applicant: 太原理工大学
IPC: G06F30/18 , G06F30/27 , G06F18/24 , G06F111/02 , G06F111/08
Abstract: 本发明公开了一种基于模体的无标度网络鲁棒性度量方法，具体为利用网络离散度从局部角度衡量网络鲁棒性，以及利用基于模体的节点度分布的熵从全局角度对网络的鲁棒性进行粗粒度的衡量。网络离散度能够灵敏的感知网络鲁棒性的细微变化，而模体作为一种由节点构成的高阶网络结构，将模体应用于网络鲁棒性度量，既考虑了节点本身对网络鲁棒性的影响，又考虑了节点间的依存关系对网络鲁棒性的决定作用。对网络鲁棒性的度量，能够发现网络对不同程度、不同类型故障的抵抗能力，然后进一步针对不同的网络及其应用背景提出优化网络鲁棒性的策略，提高系统的可靠性和稳定性。
-
-
-
-
-
-
-
-
-
Search Results
48
records
(took 0.056 seconds)
