-
公开(公告)号：CN114020814B
公开(公告)日：2025-03-14
申请号：CN202111430878.5
申请日：2021-11-29
Applicant: 中南大学
IPC: G06F16/2458 , G06F16/28 , G06F16/182 , G06N3/04 , G06N3/08 , G06Q10/063 , G06Q10/0639 , G06N3/044 , G06N3/0442 , G06N3/0455 , G06N3/082 , G06N3/0985
Abstract: 本申请公开了一种流程工业制造全链条数据集成与分析方法和系统，该方法包括：获取流程工业产业中的各种业务应用系统和硬件设备中的数据；将获取到的数据根据不同主题业务进行数据的分类汇总，其中，每种分类汇总的数据对应与一个主题业务；接收数据分析需求；根据所述数据分析需求的目标获取所述数据分析需求所需要的分类汇总数据，并对获取到的分类汇总数据进行分析得到目标结果。通过本申请解决了现有技术中流程工业全链条数据在不同企业间系统相互独立所导致的问题，从而实现流程工业中多源异构的数据跨域集成和制造全链条的动态感知。
-
公开(公告)号：CN119169017A
公开(公告)日：2024-12-20
申请号：CN202411241686.3
申请日：2024-09-05
Applicant: 中南大学
IPC: G06T7/10 , G06V10/80 , G06N3/084 , G06N3/0985 , G06N3/0464
Abstract: 本发明提供了一种管状结构图像分割方法及相关设备，通过获取管状结构图像数据输入分割模型进行训练，得到管状结构图像分割模型；将目标管状结构图像输入管状结构图像分割模型进行分割，得到分割结果；分割模型包括特征提取模块、特征增强模块和输出模块；与现有技术相比，本发明改进了特征提取、融合和增强方式，通过特征提取模块提取管状结构包括水平、垂直、全局在内的不同方向特征，通过特征融合模块融合来自不同方向的特征，充分利用不同方向的空间信息，通过特征增强模块进一步强化管状结构特征，从而提高管状结构图像的分割精度。
-
公开(公告)号：CN119168454A
公开(公告)日：2024-12-20
申请号：CN202411191442.9
申请日：2024-08-28
Applicant: 中南大学
IPC: G06Q10/0639 , G06Q50/04 , G06F18/213
Abstract: 本申请适用于数据处理技术领域，提供了一种基于多层级时空关联特征的工业关键质量指标预测方法，包括：确定与关键质量指标相关的过程变量，并获取训练样本；将全流程、每个子流程分别作为一目标流程，并分别针对每个目标流程执行：从确定出的所有过程变量中筛选出目标流程对应的目标过程变量，并利用邻接矩阵模型和目标过程变量数据，获取目标流程的图邻接矩阵；利用时空依赖感知特征提取模型获取目标流程对应于训练样本的时空特征表示；基于得到的时空特征表示对邻接矩阵模型、时空依赖感知特征提取模型和预测模型进行优化；利用参数优化后的模型对预测时刻的工业关键质量指标进行预测。本申请能提升工业关键质量指标预测的精准度和可靠性。
-
公开(公告)号：CN114238638B
公开(公告)日：2024-11-26
申请号：CN202111574148.2
申请日：2021-12-21
Applicant: 中南大学
IPC: G06F16/35 , G06F18/214 , G06F18/22 , G06F18/23213
Abstract: 本公开实施例中提供了一种基于成对约束和集群引导的深度半监督文本聚类方法，属于数据处理技术领域，具体包括：对目标文本数据进行预处理和向量化，得到多维向量；根据多维向量学习目标文本数据的隐层特征，并将隐层特征输入预设算法进行聚类，得到初始聚类中心；计算聚类损失；利用交叉熵生成成对约束损失；并计算全部有标签集群和全部无标签集群的集群分配损失；根据重构误差、聚类损失、成对约束损失和集群分配损失计算联合损失函数，并根据联合损失函数迭代达到预设条件时，得到聚类结果。通过本公开的方案，充分挖掘标签中的监督信息，加强了其与无标签集群之间的引导学习，提高了深度半监督聚类模型的鲁棒性，同时提升了文本聚类的精度。
-
公开(公告)号：CN115963788B
公开(公告)日：2024-11-22
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。
-
Patent Agency Ranking
公开(公告)号：CN115131561B
公开(公告)日：2024-11-08
申请号：CN202210779475.X
申请日：2022-07-04
Applicant: 中南大学
IPC: G06V10/26 , G06V20/70 , G06V10/52 , G06V10/80 , G06V10/774 , G06V10/82 , G06N3/0464 , G06N3/045 , G06N3/084 , G06N3/048
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：CN117952950A
公开(公告)日：2024-04-30
申请号：CN202410169096.8
申请日：2024-02-06
Applicant: 中南大学
Abstract: 本发明提供了一种基于边缘信息的迹线分割网络的岩石结构面迹线预测方法，包括步骤：从工程现场拍摄清晰的岩石表面图像，并为每张图像人工绘制岩石结构面迹线标签图；对拍摄的岩石表面图像数据集预处理；确定训练集数据；确定网络的参数和超参数，训练融合边缘信息的迹线分割网络；利用训练完成的网络，得到岩石结构面迹线的预测结果；对预测结果进行去噪处理，得到最终岩石结构面迹线。本发明利用边缘信息增强模型对于迹线学习与捕捉能力，提高了岩石结构面迹线预测的准确性。
-
公开(公告)号：CN117952389A
公开(公告)日：2024-04-30
申请号：CN202410249762.9
申请日：2024-03-05
Applicant: 中南大学
IPC: G06Q10/0631 , G06N3/006 , G06Q10/047
Abstract: 本公开实施例中提供了一种天车双层规划智能调度优化方法、装置、设备及介质，属于控制技术领域，具体包括：步骤1，获取排产作业计划所包含的任务计划表数据；步骤2，以最小最大化完工时间为目标，以天车时空特性为约束条件，构建天车调度模型；步骤3，在上层规划中，基于任务计划表数据，利用改进的鲸鱼优化算法求解天车调度模型，生成天车任务序列；步骤4，在下层规划中，基于优先级动态调整策略和动态时间间隔策略，对天车任务序列进行路径规划，获取天车运行轨迹；步骤5，重复步骤2至步骤4，直至达到终止条件，得到多台天车的最优调运轨迹和任务分配方案。通过本公开的方案，提高了调度效率、精准度和协同性。
-
公开(公告)号：CN114996927B
公开(公告)日：2023-04-21
申请号：CN202210586238.1
申请日：2022-05-27
Applicant: 中南大学
IPC: G06F30/20 , G06F119/02
Abstract: 本发明涉及过程数据分析领域，具体为一种基于局部约束的串级CSTH性能评估与诊断方法，所述性能评估与诊断方法包括以下步骤：S1、数据准备与预处理，S2、构建流形局部约束的性能评估模型，S3、迭代求解迹比问题获得性能评估指标，S4、导致性能变化的关键回路/变量诊断。通过上述步骤，使得本发明不要求过程模型和控制器模型，仅依赖于过程数据，所提性能评估方法既考虑了过程的稳态特性，也考虑了过程的动态特性，所提性能评估方法可考虑过程数据的局部信息结构，可以诊断导致性能变化的关键回路和变量，对重新设计过程控制器或调整过程参数有参考价值。
-
公开(公告)号：CN113283339B
公开(公告)日：2023-04-07
申请号：CN202110570240.5
申请日：2021-05-25
Applicant: 中南大学
Abstract: 本发明提供了一种基于机器视觉的工业矿料运输皮带少料异常监测方法，获取工业运输皮带监测视频图像，复杂环境下异常监测图像的特征增强，采用融合两区域特征的皮带感兴趣区域两步提取方法，提取皮带感兴趣区域，采用边缘检测方法提取皮带表面矿料边缘，采用灰度共生矩阵对皮带表面纹理信息进行分析，采用基于Grubbs准则法的粗大误差处理方法对提取的图像特征量进行数据预处理，采用加权排序雷达图的方法将皮带表面纹理信息与矿料边缘信息进行融合，对工业矿料运输皮带少料异常进行判断。本发明实现对工业矿料运输皮带少料异常进行更快、更准、更全面的判断，对提高生产效率，减少异常影响范围具有重大意义。
-
-
-
-
-
-
-
-
-
Search Results
153
records
(took 0.028 seconds)
