-
公开(公告)号：CN118521529A
公开(公告)日：2024-08-20
申请号：CN202410402295.9
申请日：2024-04-03
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)
IPC: G06T7/00 , G06V10/764 , G06V10/762 , G06V10/774
Abstract: 本发明涉及印刷电路板组件缺陷检测技术领域，公开了一种基于能量分布的未知缺陷样本检测方法，将印刷电路板组件的测试样本输入到完成训练的检测模型，得到测试样本的检测结果；检测模型的构建和训练过程包括：构建检测模型；基于能量的最优传输机制；通过集群间扩展策略的无监督训练来扩大印刷电路板组件的已知缺陷类别和未知缺陷类别的能量分数，从而加强能量传输成本，进而引导未标记数据集中的样本进入不同簇。本发明为部分未标记的符合已知缺陷类别的PCBA样本分配正确的缺陷类别标签，然后让它们参与联合训练，解决了现有技术中训练数据外的缺陷检测准确率不高的问题。
-
公开(公告)号：CN118443303A
公开(公告)日：2024-08-06
申请号：CN202410522498.1
申请日：2024-04-28
Applicant: 江淮前沿技术协同创新中心 , 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: G01M13/028 , G06F18/25 , G06F18/214
Abstract: 本发明涉及工业设备检测技术领域，公开了一种基于改进极限学习机的旋转设备故障检测方法，包括以下步骤：采集旋转设备的运行数据，运行数据包括振动信号和音频信号；为运行数据标注故障类型，得到多个故障类型标签；对运行数据中的振动信号和音频信号进行特征提取，分别得到振动信号特征和音频信号特征，将振动信号特征和音频信号特征进行融合，得到融合特征向量；建立改进极限学习机模型，并进行训练；将测试数据集中的运行数据输入到完成训练的改进极限学习机模型中，得到运行数据对应的故障类型。本发明通过对音频信号和振动信号进行特征提取、特征融合，并利用改进极限学习机，对旋转机械设备进行故障检测及故障分类。
-
公开(公告)号：CN113571134B
公开(公告)日：2024-07-02
申请号：CN202110858994.0
申请日：2021-07-28
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)
IPC: G16B35/20 , G16B40/00 , G06F18/211 , G06N3/006
Abstract: 本发明的一种基于骨干粒子群算法的基因数据特征选择方法及装置，基于基因疾病数据集，通过初始化基因疾病数据集种群，并对基因特征通过随机分组算法进行随机初始化分成四组；使用代理实例算法将训练集中部分实例删除，产生代理实例集；针对每组基因特征通过骨干粒子群算法进行Tmax次迭代，在Tmax次迭代中，分为两个阶段，并分别通过代理实例集和原始实例集来评估粒子的函数适应值，第一阶段采用分组算法使得数据进行了降维加快了优化的速度并在全局搜索中找到优化方向，第二阶段利用局部搜索算法使得种群在找到优化方向后找到最优解，最优解即找到效果最好的基因特征并输出。本发明提高了基因数据的分类精度，在多个疾病基因数据集上取得良好效果。
-
公开(公告)号：CN113919235B
公开(公告)日：2024-06-21
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)
IPC: G06F30/27 , G06F18/23213 , G06F18/214 , G06N3/0442 , G06N3/088 , G06N3/126
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：CN113469405B
公开(公告)日：2024-04-02
申请号：CN202110540406.9
申请日：2021-05-18
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: G06Q10/04 , G06Q10/0637 , G06Q50/26 , G06F17/16
Abstract: 本发明的一种基于子图分割的跨城市尾气迁移预测方法、系统及介质，包括获取源城市和目标城市的历史尾气数据并对进行数据预处理；对城市按照功能区进行划分，将每个功能区内的监测点构建为子图，每个子图的节点数应保持一致；针对每个子图构建尾气时空特征提取模块，对源城市和目标城市的所有子图进行浅层特征提取；计算目标城市和源城市中的任意两个子图的最大均值差异；最小化目标子图和匹配子图的差异；对浅层特征进行深度提取，并输出预测结果。本发明通过将尾气时序数据按照功能区构建成若干子图以捕获尾气典型的时空分布，基于子图的迁移预测可以有效实现源域和目标域的特征对齐，从而帮助目标域仅用少量数据即可实现精准预测。
-
Patent Agency Ranking
公开(公告)号：CN117218509A
公开(公告)日：2023-12-12
申请号：CN202311124035.1
申请日：2023-09-01
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) , 长三角哈特机器人产业技术研究院
IPC: G06V10/82 , G06V10/764 , G06V10/40 , G06T7/00 , G06N3/0464 , G06N3/08
Abstract: 本发明的一种基于自适应聚合网络的印刷电路板缺陷检测方法及设备，通过在AANets中明确构建了两个残差块即在每个神经元中，一个用于维护旧类即稳定性，另一个用于学习新类即可塑性。通过允许这两个块具有不同级别的可学性来实现这些，即稳定块中的学习参数较少，而塑性块中的学习参数更多。将聚合权重应用于这些块的输出特征图，将它们相加，然后将结果映射传递给下一层。通过这种方式，通过更新聚合权重来动态平衡使用这些块的能力来增强从PCB新增缺陷类中非范例类增量学习能力和减少对PCB旧缺陷类的遗忘，从而增强从少量PCB新增缺陷样本中非范例增量学习新类缺陷的能力。
-
公开(公告)号：CN117213858A
公开(公告)日：2023-12-12
申请号：CN202311108715.4
申请日：2023-08-29
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: G01M13/045 , G06F18/25 , G06F18/243 , G06F18/213 , G06F17/18
Abstract: 本发明涉及轴承故障诊断技术领域，公开了一种基于多传感器特征融合的轴承故障诊断方法，包括：获取轴承声学传感器数据和振动传感器数据，进行数据预处理；构建振动传感器数据的统计学指标；构建声学传感器数据的统计学指标；建立随机森林诊断模型，输出诊断结果。本发明根据传感器数据的统计学指标构建随机森林故障诊断模型，可以有效提高故障诊断结果的可解释性。
-
公开(公告)号：CN116704268A
公开(公告)日：2023-09-05
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：CN116187536A
公开(公告)日：2023-05-30
申请号：CN202211728119.1
申请日：2022-12-29
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: 本发明涉及数据挖掘和人工智能领域，公开了一种基于多因素优化的大气污染可解释性预测方法，使用遗传算法来优化多源外部环境监测变量的权重，从而构建不同外部变量的重要性排序，再将其输入进多头注意力时序网络中实现大气污染变化的可解释预测。本发明还在遗传算法中提出了两个算子，来分别解决无法对精英变量进行细化探索，以及不能更有效地保存上一代信息的问题。本发明在多个大气污染检测站的预测中，取得了较好的预测结果。
-
公开(公告)号：CN116152244A
公开(公告)日：2023-05-23
申请号：CN202310421037.0
申请日：2023-04-19
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: G06T7/00 , G06V10/25 , G06V10/774 , G06V10/82 , G06N3/08 , G06N3/0464 , G06V10/77
Abstract: 本发明涉及缺陷检测技术领域，公开了一种SMT缺陷检测方法、系统，通过缺陷检测模型对贴片元件的待测图像进行缺陷检测，得到缺陷检测结果；缺陷检测模型的训练过程包括：将贴片元件的模板图像与待测图像组成贴片元件样本；将贴片元件样本输入到两个相同的编码器网络中，得到深度特征，进而得到语义差异映射特征；语义差异映射特征与深度特征融合后，将得到的融合特征送入解码器网络进行缺陷分割，得到缺陷检测结果；通过损失函数对缺陷检测模型进行训练；本发明通过融合人的先验知识揭示检测数据的表示特征和统计规律，构建融合数据驱动与知识引导的有限监督标签检测模型，实现不完全标签样本条件下SMT缺陷的精准高效检测。
-
-
-
-
-
-
-
-
-
Search Results
69
records
(took 0.08 seconds)
