-
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：CN117058019A
公开(公告)日：2023-11-14
申请号：CN202310947059.0
申请日：2023-07-27
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: G06T5/00 , G06V10/86 , G06V10/44 , G06V10/82 , G06N3/0464
Abstract: 本发明涉及视觉感知技术领域，公开了一种基于金字塔增强网络的低光照下目标检测方法，构建一个金字塔增强网络，对图像进行增强并捕获图像中的潜在信息。金字塔增强网络首先通过拉普拉斯金字塔将图像分解成多个不同分辨率的分量，在每个尺度的分量中，构建细节处理模块和低频增强滤波器对分量进行增强。细节处理模块由上下文分支和边缘分支组成，上下文分支通过捕获长范围依赖来对分量进行全局增强，边缘分支来对分量进行纹理的增强。低频增强滤波器通过一个动态的低通滤波器获取低频的语义信息并阻止高频的噪声，以丰富特征信息。金字塔增强网络对低光图像进行增强后为后面的目标检测模型提供更多的信息，提升检测器的性能。
-
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：CN116151134B
公开(公告)日：2023-07-18
申请号：CN202310436633.6
申请日：2023-04-23
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)
IPC: G06F30/27 , G06F17/16 , G06F18/22 , G06F18/214
Abstract: 本发明涉及二氧化碳排放计量技术领域，公开了一种二氧化碳排放计量方法，包括：收集工业分析样本；根据工业分析样本生成多元单项式特征，得到多元单项式特征矩阵；定义含碳量估计模型和优化目标函数；求解含碳量估计模型优化目标函数；得到待测含碳量的工业分析样本的含碳量估计值；计算燃煤固定燃烧过程二氧化碳排放量；本发明通过建立工业分析样本与元素分析参数之间的关系模型，可保证在不增加成本和额外分析过程的基础上实现考虑实际煤种的含碳量估计。
-
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。
-
Patent Agency Ranking
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。
-
公开(公告)号：CN115982559A
公开(公告)日：2023-04-18
申请号：CN202211062703.8
申请日：2022-08-31
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: 本发明公开了一种基于历史时频信息的重型柴油车排放修正方法，包括获取OBD数据集并进行预处理；对OBD数据集进行划分得到多段行驶片段，并对其中有效的行驶片段计算相应的排放因子；基于Spearman相关分析，获取与排放因子高相关性的监测变量；将得到的高相关性的监测变量与基于COPERT模型获得的排放因子组合构造历史信息矩阵，并使用连续小波变换将相应排放因子的历史信息矩阵转换为时频矩阵；构造以ResNet50和CBAM注意力模块组合的双流网络模型，使用历史信息矩阵和对应排放因子的时频矩阵作为其输入；对得到的双流网络模型进行模型对比，验证模型的修正性能。本发明解决COPERT模型在重型柴油车OBD数据集上应用难，预估排放因子精度低的问题。
-
公开(公告)号：CN115859175A
公开(公告)日：2023-03-28
申请号：CN202310123497.5
申请日：2023-02-16
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: G06F18/241 , G06F18/214 , G06N3/0455 , G01D21/02
Abstract: 本发明涉及预测性维护技术领域，公开了一种基于跨模态生成式学习的液压减震器设备异常检测方法，采集生产时的传感器数据，输入到线性分类器中，得到液压减震器设备状态的预测结果；线性分类器的训练方法包括：获取液压减震器的传感器数据；构建由编码器、过渡器、解码器组成的具有多层结构的双流跨模态模型；将双流跨模态模型的编码器与两个全连接层组成所述线性分类器；该双流跨模态模型的编码器只需要无标签的数据来执行预训练任务，就能捕获丰富的上下文特征，并缩小两种模态之间的差异，从而为下游的微调任务提供有效的初始化。此外，本发明的下游微调任务只需要少量有标签数据即可得到一个优秀的线性分类器。
-
公开(公告)号：CN115758254A
公开(公告)日：2023-03-07
申请号：CN202211302346.8
申请日：2022-10-24
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: G06F18/2411 , H05K3/00 , G06F18/214 , G06F18/10
Abstract: 本发明的一种基于特征工程的PCB板焊盘偏移预测方法及存储介质，包括以下步骤，S1：获取PCB板的历史偏移检测数据，进行数据预处理，并使用滑动窗格法对数据进行切分；S2：计算手工设计的统计指标；S3：构建重加权支持向量机，输出预测结果。本发明可根据手工设计的反应偏移时间序列特点的统计特征对PCB板焊盘偏移进行预测，通过工程师的适时介入从而避免生产不良品。同时可通过统计特征对预测结果进行解释，使得模型预测过程更容易被工程师理解。利用加权的支持向量机对手工设计的特征进行核函数的非线性变换，提高模型的稳定性。对偏移不良赋予更大的权重，克服了偏移不良数据极其稀少的困难，从而实现偏移不良的时序预测。
-
公开(公告)号：CN114896479A
公开(公告)日：2022-08-12
申请号：CN202210646570.2
申请日：2022-06-09
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: G06F16/906 , G06F17/16 , G06N3/04 , G06N3/08
Abstract: 本发明提供了一种在线学习方法、系统及计算机可读存储介质，包括初始化输出权重矩阵与协方差矩阵；接收新采集到的无标签数据，保留当前的输出权重矩阵与协方差矩阵；将无标签样本集中的样本聚类形成k个簇，在每个簇中提取最接近形心的样本并标记，加入到有标记数据集中；统计有标记数据集中各类别样本的数量，计算样本加权矩阵；随机生成隐含层节点与输入节点间的参数；计算模型输出权重矩阵；循环执行，直至得到最优模型。本发明可以利用实时采集到的数据更新模型，不断提高分类能力；同时可缓解数据中存在的类别不均衡问题对模型的影响；并通过聚类的方式选出更具有代表性的样本进行标记，可节省大量人力成本。
-
-
-
-
-
-
-
-
-
Search Results
98
records
(took 0.092 seconds)
