-
公开(公告)号：CN109543750A
公开(公告)日：2019-03-29
申请号：CN201811397155.8
申请日：2018-11-22
Applicant: 广东省智能制造研究所
Abstract: 一种耗电用户能效评估方法，包括以下步骤：以用户实际环境为基础，构建用户能耗评价指标体系，指标体系由三种不同等级组成，对一级能耗评价指标和二级能耗评价指标进行经验法权重评估，对评价指标进行数据预处理，采用主成分分析法(PCA)对三级能耗评价指标进行筛选，提取出有效能耗评价指标，采用熵权法(EWM)对有效能耗评价指标进行权重估算，构建用电用户能效综合评估模型,实现耗电用户能效的准确评估。本发明实现用户能效的精准综合评估，优化用户能效管理机制，显著提高能源利用率。
-
公开(公告)号：CN111160440B
公开(公告)日：2023-11-21
申请号：CN201911349221.9
申请日：2019-12-24
Applicant: 广东省智能制造研究所
IPC: G06V10/774 , G06V10/762 , G06V20/52 , G06V20/70 , G06V10/82 , G06N3/0464 , G06N3/08
-
Patent Agency Ranking
公开(公告)号：CN110009043B
公开(公告)日：2021-08-17
申请号：CN201910280657.0
申请日：2019-04-09
Applicant: 广东省智能制造研究所
Abstract: 一种基于深度卷积神经网络的病虫害检测方法，根据农作物类别、病虫害类别和严重程度对待检测的农作物病虫害进行分类；利用摄像仪器拍摄患病农作物的叶片来制作与病虫害相关的数据集；设置堆叠网络模块，该堆叠网络模块包括卷积神经网络中的卷积层、归一化层和激活函数层，各层的特征图层数相互叠加，融和各层特征；将堆叠网络模块嵌入病虫害检测深度卷积神经网络中；通过病虫害检测深度卷积神经网络框架搭建网络模型，在数据集基础上训练网络模型，最后，将待检测的农作物叶片送入网络模型，得到检测结果。本发明检测精度高，应用范围广，能应用在农业农作物防治领域如水稻田病虫害检测、果树病虫害检测、大豆病虫害检测等。
-
公开(公告)号：CN111209809A
公开(公告)日：2020-05-29
申请号：CN201911362076.8
申请日：2019-12-24
Applicant: 广东省智能制造研究所
Abstract: 本发明公开了一种基于暹罗网络的多输入跨视角步态识别方法及装置，其中，所述方法包括：基于行人步态数据集，获取能量图probe和gallery，以及基于OU-ISIR MVLP数据集获取属于同一行人的正样本能量图positive和不属于同一行人的负样本能量图negative；搭建改进的步态验证暹罗网络，得到L21和L22，以及搭建改进的步态识别暹罗网络，得到L23、L24、L25和L26；得出对比损失函数，并训练步态验证暹罗网络的卷积网络参数，使得所述对比损失函数达到最低，以及得出三重对比损失函数，并训练步态识别暹罗网络的卷积网络参数，使得所述三重对比损失函数达到最低；对其他行人重复进行上述过程来进行跨视角验证和识别；对所述验证和识别的效果进行评估。在本发明实施中，适合一对一的步态验证。
-
公开(公告)号：CN111160440A
公开(公告)日：2020-05-15
申请号：CN201911349221.9
申请日：2019-12-24
Applicant: 广东省智能制造研究所
IPC: G06K9/62
Abstract: 本发明公开了一种基于深度学习的安全帽佩戴检测方法及装置，其中，所述方法包括：获得预设数量以上的工地工人作业图片，对工地工人作业图片进行标注，获得数据集；对数据集中的数据进行预处理，获得6种不同尺寸大小的聚类模板框；基于Yolov3网络搭建用于安全帽佩戴检测的深度学习网络，将训练集中的6种不同尺寸大小的聚类模板框输入所述深度学习网络中进行训练；导入测试集中的6种不同尺寸大小的聚类模板框至训练后的深度学习网络判断是否训练收敛；若收敛，则将待识别图像输入收敛深度学习网络模型中进行安全帽佩戴检测。在本发明实施例中，通过训练收敛的深度学习网络可以实时检测人目标是否佩戴或是否正确佩戴安全帽。
-
公开(公告)号：CN110009043A
公开(公告)日：2019-07-12
申请号：CN201910280657.0
申请日：2019-04-09
Applicant: 广东省智能制造研究所
Abstract: 一种基于深度卷积神经网络的病虫害检测方法，根据农作物类别、病虫害类别和严重程度对待检测的农作物病虫害进行分类；利用摄像仪器拍摄患病农作物的叶片来制作与病虫害相关的数据集；设置堆叠网络模块，该堆叠网络模块包括卷积神经网络中的卷积层、归一化层和激活函数层，各层的特征图层数相互叠加，融和各层特征；将堆叠网络模块嵌入病虫害检测深度卷积神经网络中；通过病虫害检测深度卷积神经网络框架搭建网络模型，在数据集基础上训练网络模型，最后，将待检测的农作物叶片送入网络模型，得到检测结果。本发明检测精度高，应用范围广，能应用在农业农作物防治领域如水稻田病虫害检测、果树病虫害检测、大豆病虫害检测等。
-
公开(公告)号：CN111209809B
公开(公告)日：2023-03-28
申请号：CN201911362076.8
申请日：2019-12-24
Applicant: 广东省智能制造研究所
IPC: G06V40/20 , G06V10/82 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种基于暹罗网络的多输入跨视角步态识别方法及装置，其中，所述方法包括：基于行人步态数据集，获取能量图probe和gallery，以及基于OU‑ISIR MVLP数据集获取属于同一行人的正样本能量图positive和不属于同一行人的负样本能量图negative；搭建改进的步态验证暹罗网络，得到L21和L22，以及搭建改进的步态识别暹罗网络，得到L23、L24、L25和L26；得出对比损失函数，并训练步态验证暹罗网络的卷积网络参数，使得所述对比损失函数达到最低，以及得出三重对比损失函数，并训练步态识别暹罗网络的卷积网络参数，使得所述三重对比损失函数达到最低；对其他行人重复进行上述过程来进行跨视角验证和识别；对所述验证和识别的效果进行评估。在本发明实施中，适合一对一的步态验证。
-
-
-
-
-
-
Search Results
7
records
(took 0.035 seconds)
