-
公开(公告)号：CN112528525A
公开(公告)日：2021-03-19
申请号：CN202011614173.4
申请日：2020-12-31
申请人： 河钢数字技术股份有限公司
摘要： 本发明公开了一种基于建模技术的可视化工业流程管控平台，涉及仿真建模、虚拟现实和图形学与图像处理技术领域。所述平台包括3d模型管理器模块、仿真分析模块、大屏编辑器模块、数据源管理模块、业务应用模块。该基于建模技术的可视化工业流程管控平台具有模型高度仿真、多维度、多尺度数据源的实时采集、统一数据采集参数及格式、多维度、多层级数据分析、内嵌组态、各种图表等支撑组件、图形化界面操作、多主体样式设计和3d轻量化技术等优点，方便使用者通过该管控平台对设备运作状态进行了解和掌握，当设备出现故障时能够第一时间进行检修工作，有效的防止不必要的经济损失，提高工业生产的生产效率。
-
公开(公告)号：CN112199423A
公开(公告)日：2021-01-08
申请号：CN202010905210.0
申请日：2020-09-01
申请人： 河钢数字技术股份有限公司
IPC分类号： G06F16/25 , G06F16/2458 , G06F16/215 , G06F16/28
摘要： 本发明公开了一种ETL数据质量判定与反馈方法，该方法包括：获取ETL数据处理过程的判定指标，根据所述判定指标的结果值和预设期望值的比较结果确定对所述ETL数据处理过程的质量判定结果，并在根据ETL处理日志确定所述ETL任务失败时，根据所述ETL处理日志和目标数据中携带的标记信息从所述数据仓库中确定出所述脏数据，并对所述脏数据进行清理，从而进一步提高了对ETL数据质量判定的准确性，并通过质量判定结果进行反馈，及时发现ETL处理过程中的问题，保证了输出数据的准确性。
-
公开(公告)号：CN117294497A
公开(公告)日：2023-12-26
申请号：CN202311252011.4
申请日：2023-09-26
申请人： 河钢数字技术股份有限公司 , 河钢雄安数字科技有限公司 , 河钢集团有限公司 , 西安电子科技大学
IPC分类号： H04L9/40 , G06F18/2433 , G06F18/23213
摘要： 本发明涉及网络安全技术领域，提供一种网络流量异常检测方法、装置、电子设备及存储介质。该方法包括获取网络流量数据集；采用异常检测算法检测网络流量数据集，确定网络流量数据集中每个网络流量数据的状态；对网络流量数据集进行聚类，获得聚类后的n个分类；基于该分类中每个网络流量数据的状态，确定该分类中异常状态的数据所占比例；若该分类中异常状态的数据所占比例大于预设阈值，则将该分类的所有网络流量数据确定为异常值。本发明通过根据聚类中异常数据的比例判断该类别是否属于异常类。并将异常类的数据确认为异常值。通过聚类修正异常检测结果，减少了异常检测算法误判的概率，提升了网络流量数据异常检测的准确性。
-
公开(公告)号：CN113128124B
公开(公告)日：2023-09-15
申请号：CN202110442000.7
申请日：2021-04-23
申请人： 东北大学 , 河钢集团有限公司 , 河钢数字技术股份有限公司
IPC分类号： G06F30/27 , G06N3/006 , G06F18/231 , G06F18/2415 , G06N3/047 , G06N3/086 , G16C60/00 , G16C20/70 , G06F111/04 , G06F111/06 , G06F111/10 , G06F113/26 , G06F119/14
摘要： 本发明提供一种基于改进神经网络的多牌号C‑Mn钢力学性能预测方法，首先采集多牌号C‑Mn钢在热连轧生产过程中的生产数据并进行数据处理，然后采用前向选择的相关性分析方法生成各力学性能的样本集，采用PSO算法对BRNN网络模型训练过程中的参数进行优化，通过选取多个牌号的C‑Mn钢生产数据，使数据样本中包含了更加全面的生产工艺信息，解决了单钢种生产工艺的数据无法包括全面的工艺信息的问题；通过采用数据处理和相关性分析方法，使数据更加稳定且更具规律性，并可以有效简化预测模型的结构；通过引入PSO算法对BRNN模型进行改进，解决了其存在的容易陷入局部最小值的问题，经过改进的神经网络具有良好的泛化能力，能够更客观地符合物理冶金学规律。
-
公开(公告)号：CN115034326A
公开(公告)日：2022-09-09
申请号：CN202210710798.3
申请日：2022-06-22
申请人： 河钢数字技术股份有限公司
摘要： 本发明公开了一种基于多任务增益回归的废钢异物扣重学习方法，采用MTSN预测模型，并采用Embedding模块实现数据连续向量表示，采用层级条件下的多层感知网络实现数据学习，分别生成认知数据损失度量和离散废钢等级数据的损失度量，最后采用MTL多任务自动学习权重机制，关注相关性大的变量，弱化相关性小的变量，实现自动调节权重系数；本发明中的多层级回归网络，根据数据类型的不同，分别训练，对具有不确定性影响力的数据，单独计算特征影响因子，提高数据的表征能力，能够解决数据表征能力差的问题；本发明中的数据增益网络，初始化权重，计算数据预测参数，迭代训练，转化权重系数为增益系数。
-
公开(公告)号：CN114926442A
公开(公告)日：2022-08-19
申请号：CN202210588982.5
申请日：2022-05-26
申请人： 河钢数字技术股份有限公司 , 山东大学 , 青岛海尔智能技术研发有限公司
IPC分类号： G06T7/00 , G06N3/04 , G06N3/08 , G06K9/62 , G06V10/764
摘要： 本发明公开了一种基于视觉感知的钢卷层数检测方法，涉及钢卷层数检测技术领域。该基于视觉感知的钢卷层数检测方法，所述步骤二中在Non‑local算子的公式中，响应值是通过计算不同区域之间的关系得到，而在在非局部关系建模中，是通过赋予每个成对的局部关系一个可学习的权重，利用钢厂现场摄像头中产生的图片标注产生用于微调模型的特定场景数据集，同时在模型训练的阶段，利用Grad‑CAM来对不同的特征图的重要性差异进行建模，从而在训练分类器的同时，还可以关注到影响分类结果的关键区域以能够地进一步提升分类精度。这不仅在一定程度上增加了深度学习模型对于工作人员的透明度和友好程度，也解放了钢厂工作人员的劳动力。
-
公开(公告)号：CN114782773A
公开(公告)日：2022-07-22
申请号：CN202210406482.5
申请日：2022-04-18
申请人： 河钢数字技术股份有限公司 , 山东大学 , 青岛海尔智能技术研发有限公司
IPC分类号： G06V10/774 , G06V10/778 , G06V10/764 , G06K9/62
摘要： 本发明公开了一种基于树型层进网络的不平衡废钢样本判级方法，涉及金属处理技术领域。该基于树型层进网络的不平衡废钢样本判级方法，能够解决现有废钢判级数据集中所存在的严重长尾效应，从而避免严重偏差的预测结果，提升模型整体预测的无偏性。通过融合动态记忆模块中所存储的各类代表性特征，从而增强当前目标的特征表示，进一步提升了整体模型的预测准确度。通过树型分类网络显示挖掘不同类别间的显著型差异与微小型差异，提升了模型对尾部谓词的整体泛化能力。
-
公开(公告)号：CN116431668A
公开(公告)日：2023-07-14
申请号：CN202310427332.7
申请日：2023-04-20
申请人： 河钢数字技术股份有限公司
IPC分类号： G06F16/242 , G06F9/48 , G06F16/25
摘要： 本发明提供一种基于元数据采集的数据血缘分析方法、装置及电子设备。该方法包括：建立元数据的采集任务，并基于采集任务采集目标数据库的元数据；通过ANTLR分析目标数据库的结构化查询语言sql语句，得到语法树ParseTree；对ParseTree进行遍历，得到采集的元数据的血缘数据和血缘数据的元数据；将血缘数据的元数据和采集的元数据进行校验，得到校验后的血缘数据；基于图可视化引擎AntV/X6对校验后的血缘数据进行血缘分析，得到采集的元数据的血缘图。本发明能够快速高效地梳理出数据间的关系，减少原先关系型数据库手动查找定位元数据繁琐的步骤，提高追溯有问题数据的来源的效率。
-
公开(公告)号：CN115100403A
公开(公告)日：2022-09-23
申请号：CN202210515716.X
申请日：2022-05-11
申请人： 河钢数字技术股份有限公司
摘要： 本发明公开了一种基于深度学习的废钢料型占比识别方法，包括以下步骤：步骤一、基于深度残差网络和注意力模块构建特征提取主干网络，通过主干网络对给定废钢图像进行多尺度特征提取，得到有效特征层和基础特征层；步骤二、融合有效特征层和基础特征层进行特征融合得到融合特征层，通过融合特征层预测每个像素点的废钢类别，得到废钢料型的语义特征信息；步骤三、融合基础特征信息和语义特征信息，预测不同类型废钢的占比；本发明提出的废钢特征提取主干网络，结合深度残差网络和注意力机制，能够提取更深层次的不同类型废钢特征，同时注意力机制使废钢料型特征提取过程中更能关注不同类型废钢特征，从而废钢料型特征提取过程更加有效。
-
公开(公告)号：CN114998586A
公开(公告)日：2022-09-02
申请号：CN202210515723.X
申请日：2022-05-11
申请人： 河钢数字技术股份有限公司 , 山东大学 , 青岛海尔智能技术研发有限公司
IPC分类号： G06V10/26 , G06V10/764 , G06V10/82 , G06V10/774 , G06N3/04 , G06N3/08 , G06K9/62
摘要： 本发明公开了一种基于弱监督学习的钢铁冷轧退火炉元器件图像语义分割方法，涉及金属冶炼技术领域。通过构建基于深度卷积神经网络的图像语义分割模型，对上一步骤生成的元器件区域信息进行不断优化与修正。最终获取每类元器件的精确区域。通过此方法得到的精确区域可作为退火炉图像的像素级标签数据集，在该数据集上进一步训练强监督的图像分割模型，以在保持弱监督图像语义分割模型较少标注成本的优势同时获得更好的图像语义分割效果，为各类下游任务提供图像视觉信息。
-
-
-
-
-
-
-
-
-
搜索结果
40 条记录 (耗时 0.071 秒)
