-
公开(公告)号：CN117370091A
公开(公告)日：2024-01-09
申请号：CN202311499195.4
申请日：2023-11-08
Applicant: 合肥综合性国家科学中心人工智能研究院(安徽省人工智能实验室)
Abstract: 本发明涉及智能制造技术领域，公开了一种基于故障树和相关性分析的动态测项良率计算方法，包括：建立主板测项故障树，基于建立的测项故障树构造测项的相关性矩阵，并利用该相关性矩阵初步筛选出一个或多个与动态测项相关性强的必测项；比较测项间的相关系数与人为设定的阈值之间的大小，从而筛选出与动态测项关联性最强的必测项；用必测项的良率作为动态测项的良率；本发明提供一种更加科学、合理的方法，从而达到优化主板功能测试策略的目的，提高测试效率。
-
公开(公告)号：CN117218067A
公开(公告)日：2023-12-12
申请号：CN202311097511.5
申请日：2023-08-28
Applicant: 合肥综合性国家科学中心人工智能研究院(安徽省人工智能实验室)
Abstract: 本发明涉及电子信息技术领域，公开了一种联合多模态传感监测的复杂场景工业缺陷识别方法，包括以下步骤：利用工业灰度相机和CCD可见光相机采集SMT主板的图像，分别得到灰度图像和RGB彩色图像；构建多模态融合适配检测网络，对SMT主板的灰度图像和RGB彩色图像进行模态适配融合，并利用检测头对SMT主板缺陷进行检测；本发明采用空间注意力融合来挖掘SMT主板灰度图像和RGB彩色图像的多模态成像数据之间在空间位置上的关联，通过空间位置加权生成融合特征图。同时，利用模态适配和诱导注意力机制来引导检测网络重点关注SMT主板缺陷特征区域，实现SMT主板缺陷的实时精准检测，提高SMT主板缺陷特征判别能力。
-
公开(公告)号：CN116541218A
公开(公告)日：2023-08-04
申请号：CN202310300267.1
申请日：2023-03-23
Applicant: 合肥综合性国家科学中心人工智能研究院(安徽省人工智能实验室)
Abstract: 本发明公开了一种基于可靠性分析的主板功能测试策略方法及系统，包括如下步骤：S1：分析主板电路图，建立针对主板功能测试环节的故障树；S2：对所述故障树进行可靠性分析，计算所述故障树中的中间事件的发生概率，基于所述发生概率设定可靠性指标阈值；S3：统计实际产线上主板的测试数据，计算所述主板功能测项的实际不良率，将所述实际不良率和所述可靠性指标阈值进行比较，得到主板功能测项的测试策略；该主板功能测试策略方法及系统能够解决行业内现行的主板功能测试策略设计方法缺乏理论依据的问题，并且在保证行业良率要求的情况下提升整体经济效益。
-
公开(公告)号：CN116205876A
公开(公告)日：2023-06-02
申请号：CN202310158673.9
申请日：2023-02-20
Applicant: 合肥综合性国家科学中心人工智能研究院(安徽省人工智能实验室)
IPC: G06T7/00 , G06V10/52 , G06V10/774 , G06V10/80 , G06V10/82
Abstract: 本发明涉及工业缺陷检测技术领域，公开了一种基于多尺度标准化流的无监督笔记本外观缺陷检测方法，将采集得到的笔记本电脑外观图像，依次输入到多尺度特征提取网络模型以及缺陷检测模型，得到检测结果；训练方法包括：获取笔记本电脑的原始外观图像后进行数据预处理，得到训练数据集；构造基于ResNet50网络和特征金字塔网络的多尺度特征提取网络模型，提取训练数据集中外观图像的多尺度特征；构造基于多尺度标准化流网络的缺陷检测模型，以多尺度特征作为缺陷检测模型的输入，通过计算损失函数对缺陷检测模型进行训练。本发明能很好地定位不同尺度不同类型的缺陷，有着良好的检测效果与缺陷定位效果。
-
公开(公告)号：CN115796720A
公开(公告)日：2023-03-14
申请号：CN202310062850.3
申请日：2023-01-19
Applicant: 合肥综合性国家科学中心人工智能研究院(安徽省人工智能实验室)
IPC: G06Q10/067 , G06Q10/0639 , G06Q50/26
Abstract: 本发明涉及环境监测领域，公开了一种重型车排放评价方法及存储介质。根据功基窗口法计算原理，结合远程OBD数据的数据量大的特点，构建基于功基窗口法的远程OBD排放评价模型OBD‑AWM；能够对高排放车型进行预测评价。
-
Patent Agency Ranking
公开(公告)号：CN114819191A
公开(公告)日：2022-07-29
申请号：CN202210721015.1
申请日：2022-06-24
Applicant: 合肥综合性国家科学中心人工智能研究院(安徽省人工智能实验室)
Abstract: 本发明涉及高排放道路移动源识别技术领域，公开了一种高排放道路移动源识别方法、系统及存储介质；本发明通过使用深层网络结构进行特征提取及特征生成，实现最优特征的选择，完成高排放的识别，并具有较高的识别性能；有效地解决了现有的经典机器学习方法对高排放移动污染源识别精度不高的问题。
-
公开(公告)号：CN114743070A
公开(公告)日：2022-07-12
申请号：CN202210452115.9
申请日：2022-04-27
Applicant: 合肥综合性国家科学中心人工智能研究院(安徽省人工智能实验室)
IPC: G06V10/774 , G06V10/762 , G06V10/40 , G06V10/20 , G06K9/62 , G06T7/00 , G06N3/04
Abstract: 本发明的一种印刷电路板的微小缺陷检测方法及存储介质，包括以下步骤，S1、获取PCB缺陷样本数据并进行数据预处理；S2、在PCB训练集的边界框上使用k‑means聚类来找到符合要求的anchor尺度；S3、采用多尺度特征金字塔结构提取特征，对主干卷积网络中得到自底向上的特征图进行上采样，得到自顶向下的特征图，然后将其与自底向上的特征图逐元素相加得到最终的特征图；S4、通过计算损失，训练网络参数。本发明通过数据增强技术提供深度学习所需要的充足训练数据，利用k‑means聚类设计合理的锚点尺度，再将特征金字塔与Faster R‑CNN网络相结合，加强了不同层次特征图之间的关系，从而实现对PCB微小缺陷的检测。本发明提高检测效率，并且能够适应多种缺陷检测，适应性强。
-
公开(公告)号：CN113919235A
公开(公告)日：2022-01-11
申请号：CN202111269866.9
申请日：2021-10-29
Applicant: 合肥综合性国家科学中心人工智能研究院(安徽省人工智能实验室)
Abstract: 本发明的一种基于LSTM演化聚类的移动源污染异常排放检测方法及介质，其中方法以机动车OBD时序数据为研究对象,步骤如下：机动车OBD时序数据集抽取；机动车尾气污染物排放影响因素相关性分析；机动车时间序列行驶工况构建；车辆尾气排放无监督检测模型构建。本发明的基于LSTM演化聚类的移动源污染异常排放检测方法利用进化算法演化原理来优化输入数据时间步的权值，帮助LSTM提升对时间步的关注，进一步提高污染物浓度预测准确度；可帮助技术人员分析和处理车辆异常排放，为降低城市空气污染提供了一种可行的方法。
-
公开(公告)号：CN113919234A
公开(公告)日：2022-01-11
申请号：CN202111269825.X
申请日：2021-10-29
Applicant: 合肥综合性国家科学中心人工智能研究院(安徽省人工智能实验室)
IPC: G06F30/27 , G06N3/04 , G06N3/08 , G06F113/08
Abstract: 本发明的一种基于时序特征迁移的移动源排放预测方法、系统及设备，包括通过事先设置的时序预测模型对采集到的数据进行处理预测，时序预测模型的训练步骤如下：采集机动车尾气车载诊断系统数据，并对所采集数据进行预处理；将预处理后的数据进行归一化处理并将其分为训练集和测试集；将训练数据集划分为k段分布最不相似的序列；以预处理后的所有数据预训练一个GRU的时序预测模型；在时序预测模型中加入最大均值差异距离，与均方误差一起作为损失函数，训练迭代达到预设的精度或最大epoch停止；将测试集投入训练好的时序模型上进行预测。本发明在移动源污染预测方面构建精度高和稳定性好的时序模型，为移动源污染防治提供了一定的科学基础。
-
公开(公告)号：CN113837394A
公开(公告)日：2021-12-24
申请号：CN202111031652.8
申请日：2021-09-03
Applicant: 合肥综合性国家科学中心人工智能研究院(安徽省人工智能实验室)
Abstract: 本发明公开了一种多特征视图数据标签预测方法、系统与可读存储介质，属于数据处理技术领域，包括：获取多特征视图数据的样本集合，该样本集合包括m个有标签样本集合和一个待预测标签样本集合；对有标签样本集合和一个待预测标签样本集合进行处理，得到m个训练集；利用m个训练集和待预测标签样本集合对神经网络进行训练，得到经网络变换后的m个新训练集和m个新待预测标签样本集合；基于新训练集和新待预测标签样本集合，计算标签矩阵，实现待预测标签样本集合的标签预测。本发明可提高数据标签的准确性。
-
-
-
-
-
-
-
-
-
Search Results
98
records
(took 0.104 seconds)
