-
公开(公告)号：CN116757984A
公开(公告)日：2023-09-15
申请号：CN202310809517.4
申请日：2023-07-03
Applicant: 西南大学
IPC: G06T5/50 , G06V10/762 , G06V10/74 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种基于域随机化的药物粒子图像合成方法，包括：构建单微粒参数化模型；基于单微粒参数化模型，模拟得到合成图像；对合成图像进行向量化处理，得到向量化后的合成图像；为真实图像筛选K个向量化后的合成图像。本发明能够合成与真实图像相似度极高的粒子图像，并增强了药物粒子图像的多样性。
-
公开(公告)号：CN119693812A
公开(公告)日：2025-03-25
申请号：CN202411630311.6
申请日：2024-11-15
Applicant: 西南大学
Abstract: 本发明公开了基于最近邻集合隔离的红外弱小目标检测方法及系统，从原始图像中提取多尺度灰度差分特征、多方向梯度特征和局部最小梯度特征，旨在强调异常样本，特别是小目标；接着，分别将最近邻集合隔离应用于多尺度灰度差分特征和多方向梯度特征集，利用基于隔离的最近邻集合从数据空间中分离出异常样本，生成灰度异常图和梯度异常图；然后，将灰色异常图、梯度异常图以及局部最小梯度图融合得到融合图；然后，设计了一种基于双十字结构的三邻域差分算子来进一步增强目标并消除残留杂波；最后利用自适应阈值分割提取目标，得到最终的检测结果。
-
公开(公告)号：CN119513697A
公开(公告)日：2025-02-25
申请号：CN202411665382.X
申请日：2024-11-20
Applicant: 西南大学 , 生猪技术创新中心(重庆)
IPC: G06F18/241 , G10L17/26 , G10L17/18 , G06F18/213 , G06F18/25 , G06F18/21 , G06V10/40 , G06V20/40 , G06V40/10 , G06N3/0442 , G06N3/0464 , G06N3/086 , A01K29/00
Abstract: 本发明公开一种基于多模态特征融合的母猪发情行为识别方法及系统，S1:采集母猪监控视频和音频数据，提取母猪发情视频段信息，根据所述母猪发情视频段信息匹配对应时间段的音频信息，对所述视频段信息和所述音频信息的数据进行预处理，构建数据集；S2:采用了多模态数据融合方法构建母猪发情行为识别的深度学习算法模型；S3:将待识别的数据集通过所述母猪发情行为识别的深度学习算法模型得到最终状态预测结果，根据预测结果得到母猪是否处于发情状态。本发明实现了母猪发情行为的准确识别。
-
公开(公告)号：CN119273670A
公开(公告)日：2025-01-07
申请号：CN202411526612.4
申请日：2024-10-30
Applicant: 西南大学
IPC: G06T7/00 , G06T5/70 , G06V10/80 , G06V10/82 , G06V10/774 , G06N3/045 , G06N3/0464
Abstract: 本发明公开了一种基于逆向蒸馏学习的工业缺陷检测方法，涉及工业缺陷检测技术领域，包括噪声图片的生成及过滤、逆向蒸馏学习融合注意力机制；本发明中，提高复杂背景下细微缺陷检测定位能力，尤其是在背景纹理复杂或噪声水平较高的情况下，缺陷面积小、与背景对比度低的缺陷；性能上，在图像级AUROC为99.0％，像素级AUROC为98.23％，AUPRO能达到95.02％，远高于其它基于蒸馏学习的各项指标；实时性上，单张图片检测速度快，能达到25ms，实时性位居前列，缺陷检测以及缺陷定位性能更高；噪声合成及过滤是为了提高小缺陷检出率以及降低误检率；MFF+注意力机制是为了提高逻辑缺陷检测率。
-
公开(公告)号：CN113360776B
公开(公告)日：2023-07-21
申请号：CN202110814971.X
申请日：2021-07-19
Applicant: 西南大学
IPC: G06F16/9535 , G06F16/958 , G06F16/22 , G06F16/2458 , G06F16/248 , G06F16/26 , G06F16/31 , G06F16/335 , G06F16/338 , G06F16/34 , G06F40/216 , G06F40/284 , G06F40/289 , G06F40/117
Abstract: 本发明公开了一种基于跨表数据挖掘的科技资源推荐方法，该方法通过前期数据语义分析，挖掘跨表数据或多对象属性之间的相关性，确定用于NLP主题模型的输入数据字段，在一定程度上优化了多对象之间的数据交流模式；通过采用的神经网络主题模型结构简洁，且无需先验假设，通过训练可获得质量更高的主题表示；通对多对象推荐结果根据推荐指数和对象种类，进行不同大小和颜色的图模型展示及可视化，可实现推荐结果的直观、有效、合理显示，提升用户体验。
-
Patent Agency Ranking
公开(公告)号：CN113297382A
公开(公告)日：2021-08-24
申请号：CN202110685031.5
申请日：2021-06-21
Applicant: 西南大学
IPC: G06F16/35 , G06F16/31 , G06F16/335
Abstract: 本申请提供一种仪器设备功能标签化处理方法，所述方法包括如下步骤：S1：提取目标仪器设备的功能文本信息；S2：从功能文本信息中解析关键词，获得关键词集合；S3：将所述关键词集合进行分类，构建功能要素分类表，并根据所述功能要素分类表确定候选标签集合；S4：构建标签评选模型，将所述候选标签集合输入所述评选模型；S5：确定仪器设备标签。本申请提供的仪器设备功能标签化处理方法，通过自然语言处理、规则匹配、机器学习等技术从原始仪器设备功能描述数据中提取各类标签，实现代表仪器设备功能的核心概念的结构化、规范化表示，实现更高校的仪器信息归类与检索，同时为科技资源信息检索及领域知识图谱建设提供数据支持。
-
公开(公告)号：CN103021154B
公开(公告)日：2014-08-06
申请号：CN201210574321.3
申请日：2012-12-26
Applicant: 西南大学
CPC classification number: Y02D70/122 , Y02D70/20
Abstract: 本发明公开了一种基于Ad Hoc的无线抄表系统，属于无线通信技术领域；该无线抄表系统包括终端采集器、中心节点和上位机抄表中心；终端采集器负责采集仪表上的数据并将采集到的数据发送到中心节点，终端采集器与中心节点，以及终端采集器之间组成Ad Hoc网络；中心节点负责分配网络地址，接收终端采集器所采集的数据，并通过GSM模块与上位机抄表中心建立无线通信连接，发送或接收数据与控制信号；上位机抄表中心负责接收并管理从中心节点传送的数据，并向中心节点发出控制信号；该无线抄表系统在节点发生错误的时候，可以自动报警，提示错误节点，同时还具有建设和维护费用低、可靠性高、功耗低、易于实施等优点。
-
公开(公告)号：CN119514877A
公开(公告)日：2025-02-25
申请号：CN202411665384.9
申请日：2024-11-20
Applicant: 西南大学 , 生猪技术创新中心(重庆)
IPC: G06Q10/063 , G06Q50/02 , G06F18/10 , G06F18/25 , G06F18/20 , G06N3/0442 , G16Y10/05 , G16Y40/20 , G08B21/18 , G06F123/02
Abstract: 本发明公开一种生猪养殖设备全生命周期监测管理系统、介质及终端，包括用户登录模块用于用户权限管理和数据查询；数据采集模块用于采集生猪养殖使用智能设备的全生命周期数据；数据预处理模块用于利用物联网技术对实时监测各类智能设备运行数据进行预处理；数据存储模块用于储存各种数据信息；数据分析模块用于采用深度神经网络模型对智能设备的状态进行预测评估；设备状态预警模块用于根据设备的特性和业务需求，设定预警规则建立预警机制，发出预警及对应采取的措施通知；智能决策模块用于生成设备状态评估报告，生成多维度的数据分析报告；显示模块用于显示生成多维度的数据分析报告。本发明对智能设备进行监管，提高了养殖效率和管理水平。
-
公开(公告)号：CN113298399B
公开(公告)日：2023-04-07
申请号：CN202110605706.0
申请日：2021-05-31
Applicant: 西南大学
IPC: G06Q10/0639 , G06Q10/067 , G06F18/23213
Abstract: 本发明公开了一种基于大数据的科研项目分析方法，包括步骤：S1.采集科研项目信息；S2.根据项目类别以及学科类别建立层级标签目录；S3.统计各级别标签下科研项目的数量和拨款金额，计算得到科研项目数量和拨款金额的分布；S4.对各级别标签下的科研项目进行宏观、中观以及微观的预测分析，得到科研项目的数量以及拨款金额在时间维度上的估算模型；S5.对各级别标签下的科研项目进行宏观、中观以及微观的聚类分析，得到科研项目的聚类分析结果；S6.对所述科研项目数量和拨款金额的分布、所述估算模型以及所述聚类分析结果进行可视化展示。本发明能够对科研项目数据信息进行深层次的挖掘，促进科研项目的规范化和结构化管理。
-
公开(公告)号：CN113297490B
公开(公告)日：2022-08-02
申请号：CN202110624821.2
申请日：2021-06-04
Applicant: 西南大学
IPC: G06F16/9535 , G06N3/04
Abstract: 本发明公开了一种基于图卷积神经网络的双向推荐方法，包括步骤：S1.将双方中的一方作为A类节点，并确定A类节点的特征值；S2.将双方中的另一方作为B类节点，并确定B类节点的特征值；S3.根据A类节点与B类节点之间的关联关系，构建A类节点与B类节点之间的连通图；S4.将所述连通图中的每个节点作为目标节点，并基于图卷积神经网络对所述目标节点的特征值进行卷积操作处理，得到目标节点的推荐节点。本发明的一种基于图卷积神经网络的双向推荐方法，能够有效实现双向推荐，提高了匹配效率，节约了计算资源，具有更好的推荐效果。
-
-
-
-
-
-
-
-
-
Search Results
21
records
(took 0.026 seconds)
