-
公开(公告)号：CN114743071A
公开(公告)日：2022-07-12
申请号：CN202210453360.1
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 , G06V10/80 , G06K9/62 , G06T7/00 , G06N3/04
Abstract: 本发明的一种用于PCB微小缺陷检测的单帧目标检测方法及存储介质，包括以下步骤：S1、获取PCB图像信息，并对图像进行数据预处理；S2、构建网络模型，将处理后的图像输入VGG_16特征提取网络，并对不同层次的特征进行融合，同时消除融合过程中所带来的负面影响；S3、对模型进行训练，并根据训练得到的结果评估性能。本发明利用注意机制来学习跨通道融合的特征之间的关系，并利用shuffle模块消除融合后的混叠效应。提出了非最大抑制方法，以减轻PCB图像的重叠效应。语义上升模块通过将不同层次的特征进行融合，不仅使低层次的特征具备丰富的语义信息，还能让高层次的特征具备更好的回归性，在目标分类与定位方面显著增强，能够更好地适应微小目标的检测。
-
公开(公告)号：CN114218719A
公开(公告)日：2022-03-22
申请号：CN202111269824.5
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: 本发明的一种跨地域排放模型迁移方法、系统、存储介质及设备，方法包括以下步骤，S1：根据源域城市路网拓扑结构以及多源外部因素和清单排放标签数据，构建源域排放关联因素图序列标签样本对；S2：设计深度异构图卷积网络提取不同区域路网排放与外部因素的相互关联关系，构建外部因素与路网排放深层特征映射；S3：设计非对称域适应特征转换机制，缩小源域和目标域外部关联因素分布差异，建立路网排放共性特征空间，实现跨地域排放模型迁移。本发明采用域适应特征迁移学习方法，缩小源域与目标域之间多源外部因素特征分布差异，实现跨地域路网移动源排放模型迁移构建。可解决跨域路网排放影响因素分布差异和可获取清单样本标签稀疏的问题。
-
公开(公告)号：CN113901248A
公开(公告)日：2022-01-07
申请号：CN202111222134.4
申请日：2021-10-20
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)
Abstract: 本发明公开了一种数字工件剖面可视化方法、系统及存储介质，属于可视化技术领域，包括读取数字工件模型数据，所述模型数据包括数字工件模型每层的点向量集合和每层的栅格点集合；根据数字工件模型最上层的点向量集合，构建切割折线矩阵；根据切割折线矩阵，循环生成折线上的离散点并保存，得到离散点集合；从栅格点集合中为离散点集合中的每一个离散点查找到最近的栅格点，构建索引集合；根据索引集合，将点向量集合中的数据取出并合并得到数据集合；根据数据集合中的数据，绘制出工件剖面的三维立体图像。本发明计算量小，图像生成速度较快，在图像质量相同的条件下，大大加快了绘制速度和交互速度。
-
公开(公告)号：CN113743203A
公开(公告)日：2021-12-03
申请号：CN202110857220.6
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)
Abstract: 本发明的一种基于深度迁移学习网络的笔记本屏幕缺陷检测方法及设备，通过计算机设备实现以下步骤，S10、获取笔记本生产线下的高清摄像头视频并处理；S20、建立缺陷检测DBN网络模型结构和在源数据集预训练DBN网络模型；S30、DBN网络参数迁移，将源域的DBN结构和参数迁移至目标任务中，并通过输入目标域训练样本微调DBN网络参数；S40、对生产线高清摄像头的待检测视频，送入预训练好的DBN网络检测模型，将目标域测试样本与DBN网络生成的图像比较，通过阈值确定正常样本与缺陷样本之间的区别与分类，并获得二值图像。本发明所需的人工标注训练样本集是少量的，实现了源域与目标域的迁移和交叉训练，大大降低了工业对目标域的标注数据样本量的依赖。
-
公开(公告)号：CN113569737A
公开(公告)日：2021-10-29
申请号：CN202110859010.0
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)
Abstract: 本发明的一种基于自主学习网络模型笔记本屏幕缺陷检测方法及介质，包括构建笔记本屏幕检测模型，获取笔记本生产线下的高清摄像头视频进行预处理后输入笔记本屏幕检测模型，对笔记本屏幕生产线高清摄像头的待检测视频进行检测，并得出检测结果；本发明的基于自主学习网络模型笔记本屏幕缺陷检测方法，即基于自主学习的笔记本屏幕的缺陷检测和分类方法，可降低传统的笔记本生产线时间、资金成本，同时引入智能化检测和分类，对产业转型升级，提升产品质量，增强竞争力具有重大意义。
-
Patent Agency Ranking
公开(公告)号：CN113469405A
公开(公告)日：2021-10-01
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)
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。
-
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。
-
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。
-
-
-
-
-
-
-
-
-
Search Results
98
records
(took 0.129 seconds)
