-
公开(公告)号：CN118521213A
公开(公告)日：2024-08-20
申请号：CN202410677478.1
申请日：2024-05-29
Applicant: 国投新疆罗布泊钾盐有限责任公司 , 中南大学
IPC: G06Q10/0639 , G06Q50/04 , G06F18/10 , G06F18/213 , G06F18/214
Abstract: 本公开实施例中提供了一种时序长短期依赖的工业关键质量指标预测方法，属于数据处理技术领域，具体包括：确定关键质量指标，并筛选出建模辅助变量；训练辅助变量隐空间嵌入模型；构建渐进式自校正的深度条件扩散模型框架；构建时序长短期依赖噪声预测模型；以噪声预测误差为损失函数进行训练；逐步去除从高斯分布采样所得数据中的噪声，得到无噪目标信息并将其关键质量指标部分的中位数作为指标预测值；将无噪目标信息中辅助变量部分还原至样本空间，将所得数据中位数作为辅助变量预测值；利用带噪数据训练辅助变量预测模型；渐进式获得辅助变量实际值，利用其与带噪数据间映射关系引导反向去噪。通过本公开的方案，提高了预测精度和适应性。
-
公开(公告)号：CN113269067A
公开(公告)日：2021-08-17
申请号：CN202110532120.6
申请日：2021-05-17
Applicant: 中南大学
Abstract: 本发明涉及一种基于深度学习的周期性工业视频片段关键帧两阶段提取方法。该方法包括：获取工业视频图像，提取感兴趣区域，预处理，得到预处理后图像序列；构建基于深度学习的语义分割网络模型，提取所述预处理后图像的目标区域；第一阶段，构建卷积神经网络对所述预处理后图像进行分类，并对其时间序列进行分割，得候选关键帧序列集合；第二阶段，构建所述目标区域相似度矩阵，对所述候选关键帧序列进行聚类、筛选和融合，得关键帧。本发明针对工业视频特征复杂，当前方法缺乏全局性和局部性的问题，引入深度学习技术，以“先全局后局部”的两阶段思想，更快、更准确地提取了工业视频关键帧，对优化生产，实现提质增产具有指导意义。
-
公开(公告)号：CN118982276A
公开(公告)日：2024-11-19
申请号：CN202411005149.9
申请日：2024-07-25
Applicant: 中南大学
IPC: G06Q10/0639 , G06Q50/04 , G06F18/15 , G06F18/213 , G06F18/214 , G06F18/21 , G06F18/22 , G06N3/0464 , G06N3/045 , G06N3/084 , G06N3/09 , G06N3/0895 , G06N3/096
Abstract: 本申请适用于工业过程数据驱动建模技术领域，提供了一种基于即时学习的工业关键工艺指标自适应预测方法，包括：确定与工业关键工艺指标相关的过程参数，并获取离线训练数据；利用离线训练数据对教师模型进行训练，并根据训练后的教师模型对学生模型进行蒸馏学习；基于马氏距离实现即时学习相似样本集合的第一步筛选；利用训练后的学生模型对当前查询样本进行工艺指标预测，并根据预测结果和余弦相似度，实现即时学习相似样本集合的第二步筛选；利用即时学习相似样本集合对学生模型进行在线训练，得到工艺指标预测模型；利用工艺指标预测模型对当前查询样本进行工艺指标预测。本申请能够提高关键工艺指标的预测准确性。
-
公开(公告)号：CN118982275A
公开(公告)日：2024-11-19
申请号：CN202411005146.5
申请日：2024-07-25
Applicant: 中南大学
IPC: G06Q10/0639 , G06Q50/04 , G06F18/25 , G06N3/0455 , G06N3/0464 , G06N3/048
Abstract: 本申请涉及工业过程数据技术领域，提供了一种多模态感知的工业过程工艺指标预测方法。该方法包括：对非结构化数据进行特征提取得到深层特征，并对结构化数据进行编码得到浅层特征；利用第二编码器对深层特征和浅层特征进行融合得到融合特征；根据所有融合特征构建综合损失函数并对第二编码器进行优化，得到优化后的第二编码器；利用优化后的第二编码器得到最终融合特征，并利用预测模型对最终融合特征进行预测得到工艺指标预测值；基于工艺指标预测值构建预测损失函数，并对预测模型进行微调，得到优化后的预测模型；利用优化后的第二编码器、优化后的预测模型进行指标预测，得到工艺指标预测结果。本申请的方法能够提高工艺指标预测的准确性。
-
公开(公告)号：CN117496299A
公开(公告)日：2024-02-02
申请号：CN202311442141.4
申请日：2023-11-01
Applicant: 中南大学
IPC: G06V10/774 , G06V10/82 , G06T7/00 , G06T5/60 , G06T5/70 , G06N3/045 , G06N3/0464 , G06N3/084
Abstract: 本申请适用于图像处理技术领域，提供了一种缺陷图像数据的增广方法、装置、终端设备及介质，通过获取原始缺陷图像训练数据；利用原始缺陷图像训练数据对预先构建的去噪扩散概率模型进行训练，得到训练后的去噪扩散概率模型，并将原始缺陷图像训练数据输入训练后的去噪扩散概率模型，生成表面缺陷图像数据；从表面缺陷图像数据中评估出高质量图像数据，并根据高质量图像数据和原始缺陷图像训练数据，构建新表面缺陷图像数据；利用满足预设质量要求的新缺陷图像数渐进式训练去噪扩散概率模型，并利用训练好的去噪扩散概率模型，对采集的目标缺陷图像数据进行增广；本申请能提高缺陷图像的生成质量。
-
Patent Agency Ranking
公开(公告)号：CN117036385A
公开(公告)日：2023-11-10
申请号：CN202311066641.2
申请日：2023-08-23
Applicant: 中南大学
IPC: G06T7/11 , G06T7/187 , G06T5/00 , G06T7/62 , G06T5/30 , G06V10/774 , G06V10/776 , G06V10/82 , G06V20/70 , G06N3/0464 , G06N3/082
Abstract: 本公开实施例中提供了一种少样本学习的颗粒图像分割方法，属于图像处理技术领域，具体包括：获取颗粒图像数据；基于SAM模型分割颗粒图像数据，获取带伪标签的颗粒图像；将带伪标签的颗粒图像划分为训练集、验证集和测试集；得到最优颗粒分割模型；将所述测试集输入最优颗粒分割模型，得到颗粒分割掩膜；基于四邻域检测法提取去噪后的颗粒分割掩膜中每个独立的连通域，获得初步颗粒分割图；基于面积自适应的图像腐蚀算法对初步颗粒分割图进行后处理，得到腐蚀后的分割图；计算腐蚀后的分割图中每个独立连通域的数量与面积，基于面积取值范围计算粒度分布。通过本公开的方案，提高了图像分割的效率和精准度。
-
公开(公告)号：CN115963788A
公开(公告)日：2023-04-14
申请号：CN202211591643.9
申请日：2022-12-12
Applicant: 中南大学 , 北京瑞太智联技术有限公司
IPC: G05B19/418
Abstract: 本申请适用于工业过程质量指标在线预测技术领域，提供了一种多采样率工业过程关键质量指标在线预测方法，包括：挑选影响工业过程关键质量指标的过程变量作为建模辅助变量；获取辅助变量时间序列集；按照采样频率从高至低的顺序，对辅助变量时间序列集中的时间序列进行排序；利用多粒度补全模型对排序后的原始输入数据进行数据补全重构；利用Transformer网络提取数据样本级相关性，输出深层特征；将深层特征输入全连接层，得到关键质量指标的预测值；对多层卷积网络、样本采样类别编码网络、编码器、解码器和全连接层构成的指标预测模型进行训练；利用训练后的指标预测模型实时预测质量指标。本申请能提高关键质量指标的预测精确度。
-
公开(公告)号：CN115859829A
公开(公告)日：2023-03-28
申请号：CN202211695855.1
申请日：2022-12-28
Applicant: 中南大学
IPC: G06F30/27 , G06F17/16 , G06F119/02
Abstract: 本申请适用于质量预测技术领域，提供了一种烧结矿化学质量在线预测方法，其中该方法包括：确定烧结过程中与烧结矿化学质量相关的多个烧结过程参数，获取多个烧结过程参数在当前预测时刻的时序特征，获取前一预测时刻至当前预测时刻的烧结机尾图像数据，并利用用于提取烧结机尾图片燃烧带形态的Unet分割网络，确定烧结机尾图像数据的关键帧序列，提取关键帧序列中每一个关键帧的一级特征，并获取当前预测时刻的烧结机尾关键帧的二级特征，将时序特征、烧结机尾关键帧的二级特征、以及前一预测时刻烧结矿化学质量值输入质量预测模型进行质量预测，得到当前预测时刻烧结矿化学质量的预测值。本申请能大大提升烧结矿化学质量在线预测的精度。
-
公开(公告)号：CN115131561A
公开(公告)日：2022-09-30
申请号：CN202210779475.X
申请日：2022-07-04
Applicant: 中南大学
Abstract: 本公开实施例中提供了一种基于多尺度特征提取与融合的钾盐浮选泡沫图像分割方法，属于图像处理技术领域，具体包括：采集钾盐粗选过程的泡沫图像，标注泡沫图像中各个泡沫边缘的多个像素点获取泡沫所在区域，进而得到语义分割标签图像后，由泡沫图像和语义分割标签图像构建原始数据集，并扩充原始数据集的样本，划分为训练集和测试集；构建浮选泡沫图像分割深度神经网络模型；以训练集作为输入，对浮选泡沫图像分割深度神经网络模型进行训练；获取待分割的浮选泡沫图像并裁剪至指定尺寸，随后输入到训练完成的浮选泡沫图像分割深度神经网络模型，得到分割结果。通过本公开的方案，提高了钾盐浮选泡沫图像的分割精准度。
-
公开(公告)号：CN116228681B
公开(公告)日：2025-03-18
申请号：CN202310061279.3
申请日：2023-01-19
Applicant: 中南大学
Abstract: 本发明适用于图像处理技术领域，提供了一种基于图像多级特征匹配的烧结矿粒智能计数方法，包括：获取破碎机破碎后的矿粒做自由下落运动的视频数据；提取视频数据中第K帧矿粒图像和第K+1帧矿粒图像内每个矿粒的形态特征，并基于动力学模型及提取到的形态特征，通过多级特征匹配追踪第K帧矿粒图像内每个矿粒在第K+1帧矿粒图像中的形态特征，得到视频数据中每个矿粒对应的面积初步确定结果；分别针对视频数据中每个矿粒，根据该矿粒对应的所有面积初步确定结果确定该矿粒的最大面积；根据预设矿粒面积阈值以及每个矿粒的最大面积，对每个矿粒进行粒径划分，并统计不同粒径包含的矿粒个数。本发明能提高烧结矿粒计数的准确度。
-
-
-
-
-
-
-
-
-
Search Results
27
records
(took 0.026 seconds)
