-
公开(公告)号：CN117132592A
公开(公告)日：2023-11-28
申请号：CN202311382011.6
申请日：2023-10-24
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)
IPC: G06T7/00 , G06N3/0455 , G06N3/0464 , G06N3/08 , G06T5/50 , G06T5/40
Abstract: 本发明涉及缺陷检测技术领域，公开了一种基于熵融合的工业缺陷检测方法，包括以下步骤：步骤一：获取工业产品表面的图像，并对图像进行归一化处理，再采用直方图的熵算法获取熵图；步骤二：构建网络模型，实现熵图和图像的自适应融合，再通过编码器、缺陷增强模块以及解码器得到特征图，并将特征图恢复到编码前的尺寸；步骤三：通过训练数据集对网络模型进行训练，将测试图像输入到训练完成的网络模型中，得到测试图像的缺陷检测结果；本发明对图像的熵进行分析，能更好地提取图像的特征信息；通过熵图和图像的自注意力融合，提高了模型的鲁棒性；通过计算图像之间像素值分布比来获取图像缺陷信息，提高了缺陷检测的精度。
-
公开(公告)号：CN116704268B
公开(公告)日：2023-11-10
申请号：CN202310974647.3
申请日：2023-08-04
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: G06V10/764 , G06V10/26 , G06V10/82 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了面向动态变化复杂场景的强鲁棒目标检测方法，涉及计算机视觉技术领域。具体包括以下步骤：S1、基于目标图像中的前景目标和背景信息，定义背景建模求解优化问题的代价函数；S2、构建连续帧图像中各个像素点在不同时刻的时序关系，并根据所述时序关系对目标背景进行更新；S3、通过有限状态机提取所述连续帧图像的前景掩膜；S4、通过所述前景掩膜对所述目标图像进行切割，获得目标区域，将所述目标区域输入深度卷积神经网络进行特征提取，并完成目标区域检测分类。旨在采用背景剔除方法进行图像识别时，不提高算力，同时提高图像检测在复杂背景下的鲁棒性。
-
公开(公告)号：CN116893055A
公开(公告)日：2023-10-17
申请号：CN202311050585.3
申请日：2023-08-18
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: G01M13/04 , G06F18/213 , G06F18/24 , G06F18/214
Abstract: 本发明涉及设备预测性维护技术领域，公开了一种基于特征迁移的轴承剩余使用寿命预测方法，包括：获取设备故障数据和设备全周期退化数据，进行数据预处理；构建源网络，源网络包括故障特征提取模块、故障分类器；设计故障分类损失函数，并利用设备故障数据对源网络进行训练；构建目标网络，目标网络包括退化特征提取器和剩余使用寿命预测器；设计剩余使用寿命预测损失函数，并利用设备全周期退化数据对目标网络进行训练；设计故障特征迁移损失函数，进行故障特征迁移。本发明通过对设备进行故障诊断获取故障特征以及特征迁移，从而降低已有方法对设备全周期退化数据的需求，并得到较好的结果。
-
公开(公告)号：CN112131523B
公开(公告)日：2023-09-26
申请号：CN202010953119.6
申请日：2020-09-11
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: G06N3/0475 , G06N3/0464 , G06N3/094 , G06N3/084 , G06F16/9537 , G06Q10/04 , G06Q50/26
Abstract: 本发明的一种基于有限监测点位的时空数据生成方法及系统，包括以下步骤：S100、获取尾气遥测数据和车辆基本信息数据；S200、把获取到的数据输入事先构建并训练好的尾气监测数据生成对抗网络模型，生成对应的时空数据。所述对抗网络模型的构建和训练步骤如下：S201、获取尾气遥测数据和车辆基本信息数据，并进行关联影响分析；S202、根据关联影响因素设计尾气排放先验修正模型；S203、根据尾气遥测数据和尾气排放先验修正模型设计尾气监测数据生成对抗网络模型；S204、训练尾气监测数据生成对抗网络模型。本发明可克服由于有限监测点位导致尾气观测数据的数据空间稀疏性及监测数据本身存在空间异质性等问题，实现对城市区域的车辆尾气排放态势进行全局估计。
-
公开(公告)号：CN116594816A
公开(公告)日：2023-08-15
申请号：CN202310421209.4
申请日：2023-04-14
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: G06F11/22
Abstract: 本发明公开了一种细粒度自适应主板功能测项选择方法及系统，包括如下步骤：S1：分析主板电路图，建立针对主板功能测试的故障树；S2：对所述故障树进行可靠性分析，获得所述故障树中的顶事件和中间事件的发生概率表达式；S3：搜集整理故障主板的维修数据并统计故障树中基本事件的发生概率，设定主板功能测项的不良率阈值；S4：当测试主板型号发生切换时，设定切换后主板功能测试的不良率阈值；S5：计算主板功能测项的实际不良率，将所述实际不良率和对应主板型号的不良率阈值进行比较，得到主板功能测项的测试策略；该测项选择方法为主板功能测试的不同阶段设计出优于其他测项选择方法的不良率阈值组合。
-
Patent Agency Ranking
公开(公告)号：CN116309434A
公开(公告)日：2023-06-23
申请号：CN202310244772.9
申请日：2023-03-09
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 , G06V10/764 , G06V10/82 , G06N3/0455 , G06N3/08
Abstract: 本发明涉及工业质检技术领域，公开了一种基于多任务学习机制的PCB缺陷检测方法，将缺陷图像输入至PCB缺陷检测模型，得到缺陷图像对应的缺陷区域；PCB缺陷检测模型的训练方法，包括以下步骤：获取缺陷图像后，进行数据预处理，获得缺陷样本数据集；缺陷图像中缺陷的类型包括偏移缺陷、缺件缺陷；构建基于U‑Net结构的PCB缺陷检测模型：对偏移缺陷检测任务、缺件缺陷检测任务、二分类缺陷检测任务分别设置损失函数，并通过参数搜索方式为每个任务的损失函数设置不同的权重；能够利用任务间的信息互补性，降低过拟合风险，充分利用多层次贴片元件缺陷信息。
-
公开(公告)号：CN115439956A
公开(公告)日：2022-12-06
申请号：CN202211066771.1
申请日：2022-09-01
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: 本发明的一种基于自监督表征网络的异常时序序列检测方法及存储介质，包括以下步骤，S1：抽取道路移动源OBD数据集，并预处理；S2：构建时序行驶工况数据集；将污染物NOx浓度和其他特征属性组成多维度的OBD工况时序数据集，按照时间戳整理出连续时间段的排放序列；S3：构建高排放浓度序列识别模型，具体为构建一种基于自监督表征网络的异常时序序列检测模型。本发明结合OBD数据集中多元车辆运行属性信息，避免了外界因素对监测环境的干扰，为获取真实排放状况数据提供了前提。同时，采用基于重构的方法划分高排放的和正常排放的序列的表征。解决同类的基于深度学习方法因行驶工况丰富多变、排放表征学习能力不足而造成的高排放源识别准确率低的问题。
-
公开(公告)号：CN115331047A
公开(公告)日：2022-11-11
申请号：CN202210857112.3
申请日：2022-07-20
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: G06V10/764 , G06V10/80 , G06V10/82 , G06N3/04 , G06N3/08
Abstract: 本发明涉及地震图像解释领域，公开了一种基于注意力机制的地震图像解释方法，通过调整局部的地震属性及空间信息的注意力，加强对分割有用的像素及属性，抑制无用的像素或属性，可加快训练过程，提升解释性能。
-
公开(公告)号：CN115330671A
公开(公告)日：2022-11-11
申请号：CN202210485406.8
申请日：2022-05-06
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: 本发明公开一种基于DCGAN的多尺度图像变化检测方法及存储介质，搭建了一个多尺度变化检测网络，采用基于DCGAN的半监督方法对样本数据进行扩充，以满足网络训练需求；另一方面，采用多尺度网络结构，可以更好的检测多尺度目标，尤其是在一些不规则、不确定的变化场景，或者多目标、多尺度的变化检测场景下，可以有出色表现。本发明先对DCGAN训练产生大量的和源域相似的变化检测样本，用于训练判别器，使其具有良好的特征提取功能以及判别图像真伪能力，增强该网络的准确性和稳定性，把它当做检测网络的双通道特征提取器。还增加了多尺度特征模块提取不同阶段的卷积特征，增强对不同尺度目标的检测能力。
-
公开(公告)号：CN114764423A
公开(公告)日：2022-07-19
申请号：CN202210559711.7
申请日：2022-05-23
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: 本发明公开了一种测井智能解释系统。本发明中，对调试模式和用户模式从界面上进行区分，从而确保处在不同工作模式下的界面可以向用户提供符合前期设计的功能。在数据预处理模块中，除了对数据空值的处理外，还提出了一种三阶段的离群点检测方法，用来去除异常数据。测井解释主要通过系统中集成的人工智能算法完成测井解释工作。为了充分利用所有数据，本系统可集成半监督学习算法实现对庞大规模的无标签数据进行学习。可完成的工作包括测井曲线的绘制、多类别岩性的岩性识别等工作。单井分析的主要功能包括创建单井分析图的创建、粘贴测井曲线、页面属性设置、曲线刻度设置等功能，从而使得人们在使用过程更加便捷，减少了人工测绘的劳动负担。
-
-
-
-
-
-
-
-
-
Search Results
98
records
(took 0.097 seconds)
