-
公开(公告)号：CN113067805B
公开(公告)日：2022-05-24
申请号：CN202110275796.1
申请日：2021-03-15
Applicant: 衢州学院
Abstract: 本发明提供一种基于边缘计算的工业物联网弱电磁干扰攻击检测方法及系统，属于工业物联网领域。所述方法包括：从感知模块传输至MCU的感测数据中提取智能设备噪声指纹作为样本，在无弱电磁干扰攻击和有弱电磁干扰攻击两种状态下，分别提取M份长度为T的噪声指纹以建立噪声指纹样本库，其中M≥5000；建立FEU‑LSTM融合模型，FEU‑LSTM融合模型包括基于卷积神经网络的FEU模型和时间循环神经网络LSTM模型；从噪声指纹样本库中随机抽取P份噪声指纹输入到FEU‑LSTM融合模型进行Q次Epoch迭代，完成模型训练，其中P≥125,Q≥30；在执行攻击检测过程中，将从感测数据中实时读取的长度为T的设备噪声指纹输入至训练后的FEU‑LSTM融合模型，并根据模型的输出结果判断智能设备是否受到弱电磁干扰攻击。
-
公开(公告)号：CN112414392A
公开(公告)日：2021-02-26
申请号：CN202011131303.9
申请日：2020-10-21
Applicant: 衢州学院
Abstract: 本发明涉及物联网技术领域，提供一种基于多元传感器融合的智慧界桩系统，包括，界桩组件、云平台服务器、显示单元，其中，界桩组件包括分布在不同区域的N台界桩，所述界桩包括M个传感器，通过加速度传感器、视频采集装置分别采集界桩姿态数据和采集界桩的视频数据；再通过信号A/D转换装置将M个传感器采集的数据进行A/D转换后的数据发送至云平台服务器；云平台服务器接收所述界桩中的所述信号发射装置传输的数据，对数据进行处理和存储，不仅能够实时监测分布在不同区域的界桩出现位置偏移或姿态改变，能够实时获取界桩位移、姿态、环境状态数据出现异常状态，能够可靠地监测不同区域的每一个界桩动态信息。
-
公开(公告)号：CN114654080A
公开(公告)日：2022-06-24
申请号：CN202210208410.X
申请日：2022-03-04
Applicant: 衢州学院
Abstract: 本发明提供了一种流水型汽车钣金环形激光切割装置，属于激光切割技术领域。它解决了现有技术中激光切割灵活性差等问题。本流水型汽车钣金环形激光切割装置，包括工作台和激光切割头组、承载台，工作台上固定支架一、支架二，支架一和支架二之间设有环形调节台，环形调节台上滑动设有环形滑轨一、环形滑轨二，环形滑轨一、环形滑轨二上滑动设有驱动组件，驱动组件上固定有角架一，角架一上设有角架二，激光切割头组设在角架二上。本发明能够在激光切割作业中保证所在三维空间内的任意角度、任意位置对汽车钣金的立体激光切割作业不受限制，从而提高加工精度，方便对汽车钣金进行更加精密的加工，也进一步提升了生产效率。
-
公开(公告)号：CN113592909A
公开(公告)日：2021-11-02
申请号：CN202110847693.8
申请日：2021-07-26
Applicant: 衢州学院
Abstract: 本发明提供一种基于关联检测和编码网络的多目标跟踪方法，属于图像识别领域。包括：将视频流的每一帧图像的目标检测框中满足预设条件的目标检测框作为关键目标检测框，确定关键目标检测框的身份特征向量，计算每一帧图像的关键目标检测框的身份特征向量与前一帧图像的关键目标检测框的身份特征向量在欧氏空间中的距离形成第一关联矩阵，以确定每一帧图像的关键目标检测框与前一帧图像的关键目标检测框的关联关系，将每一帧图像的关键目标检测框与前一帧图像的关键目标检测框对应关联，形成视频流中每一帧图像的各关键目标检测框的运动轨迹。解决多目标跟踪方法在联合训练检测和身份特征编码时无法合理地一起训练的问题。
-
公开(公告)号：CN112414393A
公开(公告)日：2021-02-26
申请号：CN202011132412.2
申请日：2020-10-21
Applicant: 衢州学院
Abstract: 本发明涉及物联网技术领域，提供一种基于多元传感器的界桩状态监测方法，通过获取界桩初始静止状态中加速度传感器XYZ三轴加速度ax、ay、az，根据ax、ay、az计算得到α0、β0、γ0；获取界桩在t时刻的状态中加速度传感器XYZ三轴加速度ax、ay、az计算α、β、γ；判定界桩未发生异常，并在界桩中GPS模块获取界桩本体的界桩经纬度坐标数据T匹配计算，判定界桩发生位移，不仅能够实时在系统终端能够快速实时监测界桩出现位置偏移或姿态改变，不仅效率高，而且整个监测系统能够实时获取界桩位移、姿态、环境状态数据出现异常状态，使得界桩能够有效准确调整位置和姿态，能够可靠地标识和保护目标区域周界。
-
Patent Agency Ranking
公开(公告)号：CN119323803B
公开(公告)日：2025-04-01
申请号：CN202411874279.6
申请日：2024-12-19
Applicant: 衢州海易科技有限公司 , 电子科技大学长三角研究院(衢州) , 衢州学院 , 衢州市公安局交通警察支队
Inventor： 吴磊 , 程凯 , 单文煜 , 陈鹏 , 周小龙 , 黄忠京 , 刘明 , 曹曙烽 , 夏云霓 , 陈坚武 , 岑沛丰 , 詹虎山 , 柴凌勇 , 李俊 , 李曦 , 何东飞 , 刘念伯 , 曾晟珂 , 李秀华
IPC: G06V40/10 , G06V10/74 , G06V10/764 , G06V10/82 , G06N3/0464 , G06N3/084 , G06N3/088
Abstract: 本发明公开了一种基于深度学习面向车路协同的行人检索方法，属于行人重识别技术领域，包括以下步骤：建立训练集；在ReID模型中设置一个无监督鉴别器网络结构；S3：使用训练集通过预热学习对ReID模型进行预设数量回合的迭代训练；完成预设数量回合的训练后，部署训练好的ReID模型；将待识别图像输入训练完成的ReID模型中，根据自适应阈值n，选取前n%的结果，判定为目标人物，得到检测结果，本申请在ReID模型中引入了无监督鉴别器网络结构，不仅提高了特征的代表性和区分能力，还显著提升了行人识别的准确率，本申请还设置了行人阈值n的判定，保证了检索的高效性和精准性。
-
公开(公告)号：CN119067992A
公开(公告)日：2024-12-03
申请号：CN202411174674.3
申请日：2024-08-26
Applicant: 电子科技大学长三角研究院(衢州) , 衢州学院
IPC: G06T7/11 , G06T5/70 , G06V10/774 , G06V10/764 , G06V10/82 , G06N3/0895
Abstract: 本发明公开了一种应用深度学习在CT切片图像上分割肝脏肿瘤的方法。该方法引入了一个名为MPVT+的神经网络框架，用于在带有噪声标签的数据集上训练肝脏肿瘤的分割模型。通过使用对噪声具有鲁棒性的适配器模型方法，MPVT+模型能够有效地适配并筛选训练数据集中的噪声标签，从而减少噪声对神经网络的干扰。此外，MPVT+模型还通过半监督学习方法增强其泛化能力，使其能够高效地学习复杂的CT切片图像特征。在测试数据集上，该模型的索伦森‑戴斯系数为80.29％，雅卡尔指数为68.68％，对称体积差为19.71％，体积重叠误差为31.32％。该模型可以无创地使用CT图像分割并定位肝脏内的肿瘤，从而成为帮助医生制定各种肝脏肿瘤治疗策略的潜在工具。
-
公开(公告)号：CN112414393B
公开(公告)日：2022-08-05
申请号：CN202011132412.2
申请日：2020-10-21
Applicant: 衢州学院
Abstract: 本发明涉及物联网技术领域，提供一种基于多元传感器的界桩状态监测方法，通过获取界桩初始静止状态中加速度传感器XYZ三轴加速度ax、ay、az，根据ax、ay、az计算得到α0、β0、γ0；获取界桩在t时刻的状态中加速度传感器XYZ三轴加速度ax、ay、az计算α、β、γ；判定界桩未发生异常，并在界桩中GPS模块获取界桩本体的界桩经纬度坐标数据T匹配计算，判定界桩发生位移，不仅能够实时在系统终端能够快速实时监测界桩出现位置偏移或姿态改变，不仅效率高，而且整个监测系统能够实时获取界桩位移、姿态、环境状态数据出现异常状态，使得界桩能够有效准确调整位置和姿态，能够可靠地标识和保护目标区域周界。
-
公开(公告)号：CN119323803A
公开(公告)日：2025-01-17
申请号：CN202411874279.6
申请日：2024-12-19
Applicant: 衢州海易科技有限公司 , 电子科技大学长三角研究院(衢州) , 衢州学院 , 衢州市公安局交通警察支队
Inventor： 吴磊 , 程凯 , 单文煜 , 陈鹏 , 周小龙 , 黄忠京 , 刘明 , 曹曙烽 , 夏云霓 , 陈坚武 , 岑沛丰 , 詹虎山 , 柴凌勇 , 李俊 , 李曦 , 何东飞 , 刘念伯 , 曾晟珂 , 李秀华
IPC: G06V40/10 , G06V10/74 , G06V10/764 , G06V10/82 , G06N3/0464 , G06N3/084 , G06N3/088
Abstract: 本发明公开了一种基于深度学习面向车路协同的行人检索方法，属于行人重识别技术领域，包括以下步骤：建立训练集；在ReID模型中设置一个无监督鉴别器网络结构；S3：使用训练集通过预热学习对ReID模型进行预设数量回合的迭代训练；完成预设数量回合的训练后，部署训练好的ReID模型；将待识别图像输入训练完成的ReID模型中，根据自适应阈值n，选取前n%的结果，判定为目标人物，得到检测结果，本申请在ReID模型中引入了无监督鉴别器网络结构，不仅提高了特征的代表性和区分能力，还显著提升了行人识别的准确率，本申请还设置了行人阈值n的判定，保证了检索的高效性和精准性。
-
公开(公告)号：CN113067805A
公开(公告)日：2021-07-02
申请号：CN202110275796.1
申请日：2021-03-15
Applicant: 衢州学院
Abstract: 本发明提供一种基于边缘计算的工业物联网弱电磁干扰攻击检测方法及系统，属于工业物联网领域。所述方法包括：从感知模块传输至MCU的感测数据中提取智能设备噪声指纹作为样本，在无弱电磁干扰攻击和有弱电磁干扰攻击两种状态下，分别提取M份长度为T的噪声指纹以建立噪声指纹样本库，其中M≥5000；建立FEU‑LSTM融合模型，FEU‑LSTM融合模型包括基于卷积神经网络的FEU模型和时间循环神经网络LSTM模型；从噪声指纹样本库中随机抽取P份噪声指纹输入到FEU‑LSTM融合模型进行Q次Epoch迭代，完成模型训练，其中P≥125,Q≥30；在执行攻击检测过程中，将从感测数据中实时读取的长度为T的设备噪声指纹输入至训练后的FEU‑LSTM融合模型，并根据模型的输出结果判断智能设备是否受到弱电磁干扰攻击。
-
-
-
-
-
-
-
-
-
Search Results
10
records
(took 0.028 seconds)
