-
公开(公告)号：CN114996566B
公开(公告)日：2025-04-25
申请号：CN202210439549.5
申请日：2022-04-25
Applicant: 山东省计算中心(国家超级计算济南中心) , 齐鲁工业大学(山东省科学院)
IPC: G06F16/9535 , G06F16/906 , G06F40/126 , G06F40/284 , G06N3/0464 , G06N3/048 , G06N3/045 , G06N3/08
Abstract: 本发明涉及计算机推荐技术领域，公开了一种面向工业互联网平台的智能推荐系统及方法，所述的系统包括后台管理模块、用户端、推荐管理模块、前端展示模块；所述的方法包括以下流程：(1)对后台管理模块中平台的信息进行数据预处理；(2)对用户信息进行数据预处理；(3)关于平台文本信息的文本‑主题特征提取；(4)关于企业用户信息的用户‑兴趣特征提取；(5)把流程(3)、(4)所得到的向量yCNN、yAFM通过低阶与高阶特征交互的融合，然后经过sigmoid非线性转换，得到预测喜爱程度的概率输出，然后根据喜爱程度的概率大小将被推荐信息进行排序得到待推荐topk；(6)把待推荐topk传输到到前端展示模块，形成推荐列表推荐给对应的企业用户。
-
公开(公告)号：CN114897059B
公开(公告)日：2025-02-11
申请号：CN202210439669.5
申请日：2022-04-25
Applicant: 山东省计算中心(国家超级计算济南中心) , 齐鲁工业大学(山东省科学院)
IPC: G06F18/2415 , G06F18/231 , G06F18/214 , G06F18/2131 , G06N3/0455 , G06N3/0464 , G06N3/084 , G06N3/088 , G06N3/09 , G01M13/021 , G01M13/028 , G01M13/045 , G06F123/02
Abstract: 本发明涉及利用大数据预测机械故障的技术领域，具体为一种基于自适应层次聚类和Subset的机械设备分级故障诊断方法，选择不同故障类型下不分故障程度的训练样本作为自适应层次聚类的输入，采用自适应层次聚类对不同故障类型下不区分故障程度的训练样本进行聚类分析，以根据机械设备的振动信号得出的故障类型的聚类结果作为输出结果；对训练识别出的不同故障类型，按照故障程度分类建立SubDAE模型；预训练与整体微调准确定位故障点，提高了本方法的智能性；优选特征的使用，简化了特征集合，避免了维数灾难，减少了计算负担，提高故障诊断的效率。
-
公开(公告)号：CN114996566A
公开(公告)日：2022-09-02
申请号：CN202210439549.5
申请日：2022-04-25
Applicant: 山东省计算中心(国家超级计算济南中心) , 齐鲁工业大学
IPC: G06F16/9535 , G06F16/906 , G06F40/126 , G06F40/284 , G06N3/04 , G06N3/08
Abstract: 本发明涉及计算机推荐技术领域，公开了一种面向工业互联网平台的智能推荐系统及方法，所述的系统包括后台管理模块、用户端、推荐管理模块、前端展示模块；所述的方法包括以下流程：(1)对后台管理模块中平台的信息进行数据预处理；(2)对用户信息进行数据预处理；(3)关于平台文本信息的文本‑主题特征提取；(4)关于企业用户信息的用户‑兴趣特征提取；(5)把流程(3)、(4)所得到的向量yCNN、yAFM通过低阶与高阶特征交互的融合，然后经过sigmoid非线性转换，得到预测喜爱程度的概率输出，然后根据喜爱程度的概率大小将被推荐信息进行排序得到待推荐topk；(6)把待推荐topk传输到到前端展示模块，形成推荐列表推荐给对应的企业用户。
-
公开(公告)号：CN114897059A
公开(公告)日：2022-08-12
申请号：CN202210439669.5
申请日：2022-04-25
Applicant: 山东省计算中心(国家超级计算济南中心) , 齐鲁工业大学
IPC: G06K9/62 , G06N3/04 , G06N3/08 , G01M13/021 , G01M13/028 , G01M13/045
Abstract: 本发明涉及利用大数据预测机械故障的技术领域，具体为一种基于自适应层次聚类和Subset的机械设备分级故障诊断方法，选择不同故障类型下不分故障程度的训练样本作为自适应层次聚类的输入，采用自适应层次聚类对不同故障类型下不区分故障程度的训练样本进行聚类分析，以根据机械设备的振动信号得出的故障类型的聚类结果作为输出结果；对训练识别出的不同故障类型，按照故障程度分类建立SubDAE模型；预训练与整体微调准确定位故障点，提高了本方法的智能性；优选特征的使用，简化了特征集合，避免了维数灾难，减少了计算负担，提高故障诊断的效率。
-
公开(公告)号：CN113804470B
公开(公告)日：2023-12-01
申请号：CN202110945033.3
申请日：2021-08-17
Applicant: 山东省计算中心(国家超级计算济南中心) , 齐鲁工业大学
IPC: G01M99/00 , G06F18/2321
Abstract: 一种穴盘育苗流水线的故障检测反馈方法，包括：五级流水线故障检测反馈方法。本发明基于智能补种机构，重点利用穴盘图像的识别结果，对流水线的组成部分进行故障诊断。提出基于五级流水线思想的故障检测反馈方法和基于Grubbs算法的故障检测方法，分别从播种密度和播种率两个方面进行故障检测，能够有效发现流水线补种环节前的故障并及时反馈，能够改善流水线运行环境，提高播种精度和育苗效率。本发明可应用于其他使用穴盘的流水线中，适应性强。
-
Patent Agency Ranking
公开(公告)号：CN116363109A
公开(公告)日：2023-06-30
申请号：CN202310358020.5
申请日：2023-03-31
Applicant: 山东省计算中心(国家超级计算济南中心) , 齐鲁工业大学(山东省科学院) , 临沂众为智能科技有限公司
IPC: G06T7/00 , G06V10/764 , G06V10/82 , G06V10/44 , G06N3/045 , G06N3/0455
Abstract: 本发明公开一种基于改进DETR模型的木材缺陷检测方法，属于智能识别木材的技术领域，本发明采用DETR模型进行木材缺陷检测，基于无参的离散傅里叶变换进行图片特征的交互，取代了原有DETR中的自注意力层，极大降低了参数量；并且改变了原有DETR中生成目标查询向量的方式，加快了收敛速度，简化了计算的复杂度。本发明具有较好的木材缺陷定位以及分类能力，大大降低了生产成本，实现了木材等级分类的高度自动化，提升了产品质量。
-
公开(公告)号：CN115661072A
公开(公告)日：2023-01-31
申请号：CN202211313317.1
申请日：2022-10-25
Applicant: 山东省计算中心(国家超级计算济南中心) , 齐鲁工业大学 , 山东山科智控数字化科技有限公司
IPC: G06T7/00 , G06V10/762 , G06V10/764 , G06V10/80 , G06V10/82 , G06V10/32 , G06N3/0464 , G06N3/047 , G06N3/08
Abstract: 本发明属于图像处理检测与计算机视觉技术领域，更具体地，涉及一种基于改进Faster RCNN算法的圆盘耙片表面缺陷检测方法，具体步骤包括S1：利用固定设备采集生产线上的圆盘耙片图像，挑选出带有缺陷的图像；S2：对采集好的图片进行标注、划分、增强处理，确定训练集和验证集；S3：对基于Faster RCNN算法的模型进行改进：采用K‑means聚类的方法来自动生成anchor的比例；选用Resnet50+FPN；选用ROI Align代替ROI Pooling；使用基于广义交并比EIOU设计的EIOU NMS；S4：改进训练时的损失函数，并在模型中加入CA注意力机制；S5：对Faster RCNN模型进行训练；S6：将待检测的圆盘耙片图像输入训练好的模型中进行识别。本发明解决了现有技术中检测效率低，难以满足大批量的自动化生产需求的问题。
-
公开(公告)号：CN113238553A
公开(公告)日：2021-08-10
申请号：CN202110489111.3
申请日：2021-04-30
Applicant: 齐鲁工业大学 , 山东省计算中心(国家超级计算济南中心)
IPC: G05D1/02
Abstract: 一种基于四轮全向底盘的辅助定位系统，系统包括多路灰度传感器和定位控制器；四个所述多路灰度传感器安装在机器人底盘的四个水平方向，相邻多路灰度传感器之间角度差为90°：采用AD采样的方式识别地面线条轨迹，形成模拟电压信号或者开关信号，所述多路灰度传感器将采集到的模拟电压信号或开关信号上传至所述定位控制器，所述定位控制器内加载有对上述模拟电压信号或开关信号进行处理的算法，经所述处理算法处理后得到机器人底盘相对于地面线条的坐标数据偏差。
-
公开(公告)号：CN114359235B
公开(公告)日：2025-04-04
申请号：CN202210015819.X
申请日：2022-01-07
Applicant: 山东省计算中心(国家超级计算济南中心) , 齐鲁工业大学(山东省科学院)
IPC: G06T7/00 , G06N3/0464 , G06N3/08
Abstract: 本发明涉及一种基于改进YOLOv5l网络的木材表面缺陷检测方法，该方法包括：获取公开的木材缺陷数据集作为数据集一。构建改进的YOLOv5l网络模型，利用数据集一对改进的YOLOv5l网络模型进行训练，得到训练好的网络模型model1。采集实景木材数据作为数据集二，数据集二分为训练集、验证集和测试集。采用model1对测试集进行预测，将测试集中带有缺陷的木材图像标记上标签，将大于设定预测阈值的标签作为伪标签。将数据集二中的训练集和测试集微调后来训练model1，得到model2，采用验证集在model1与model2中选择出最佳的网络模型。利用最佳网络模型对木材表面缺陷进行检测。本发明能够对各种类别的木材表面缺陷进行检测，有效提高了识别准确率和识别效率。
-
公开(公告)号：CN115049896B
公开(公告)日：2025-01-24
申请号：CN202210692398.4
申请日：2022-06-17
Applicant: 山东省计算中心(国家超级计算济南中心) , 齐鲁工业大学(山东省科学院) , 山东山科智控数字化科技有限公司
IPC: G06V10/774 , G06V10/771 , G06V10/80 , G06V10/82 , G06N3/045 , G06N3/0464 , G06N3/08
Abstract: 本发明涉及基于深度学习的计算机视觉技术领域，具体涉及一种应用于计算机视觉的软阈值注意力机制，借鉴深度残差收缩网络的思想，使用同时考虑通道和位置信息的CA注意力机制来代替SENet与软阈值化方法结合，提出一种新的软阈值注意力模块：融合传统信号降噪算法中的软阈值化函数与CA注意力机制，利用CA注意力机制确定垂直和水平两个方向上的两组软阈值化函数所需的阈值，再分别进行软阈值化处理并对输入的特征图进行加权；能够更好的适用于计算机视觉领域的检测任务，并且可以方便的集成到现有的神经网络架构中，通过将不重要的特征置为零，来降低噪声或冗余信息的干扰，加强神经网络提取重要特征的能力，达到提升网络预测精度的目的。
-
-
-
-
-
-
-
-
-
Search Results
23
records
(took 0.044 seconds)
