一种面向少量目标数据标注的域适应金属表面缺陷检测方法

    公开(公告)号:CN117611533A

    公开(公告)日:2024-02-27

    申请号:CN202311546144.2

    申请日:2023-11-20

    Applicant: 浙江大学

    Abstract: 本发明公开了一种面向少量目标数据标注的域适应金属表面缺陷检测方法。具体包括以下部分:将公开的缺陷数据集定义为源域,采集的少量缺陷数据集定义为目标域,将两组数据同时输入到高分辨率特征提取网络中进行特征提取;通过设计的图像级别的域适应模块在多个尺度上对源域和目标域的数据进行对抗训练,达到源域和目标域特征对齐的目的,从而缓解不同缺陷数据集存在的域偏移问题;通过实例级别的域适应模块减少局部实例差异,进一步促进两个域特征的一致性,并提出分段加权梯度反转层,对难以混淆的样本的反向传播梯度进行惩罚,使得两个域产生分类混淆;最终通过网络对源域和目标域数据的端到端训练实现对目标缺陷的高精度检测。

    基于多尺度动态图神经网络的时序数据预测方法及系统

    公开(公告)号:CN117540340A

    公开(公告)日:2024-02-09

    申请号:CN202311632353.9

    申请日:2023-12-01

    Abstract: 本发明公开一种基于多尺度动态图神经网络的时序数据预测方法及系统,涉及数据预测技术领域,该方法包括:采用目标空间内多个油烟浓度传感器周期性采集油烟浓度,设定时间段内采集的油烟浓度构成多元时间序列;将多元时间序列输入时序数据预测模型,得到未来目标时间的预测数据;时序数据预测模型是采用训练集对时序数据预测框架进行训练得到的;时序数据预测框架包括多个串联的多尺度动态图神经网络;多尺度动态图神经网络用于通过时空特征提取模块和多尺度动态图结构学习模块,生成时间序列的多尺度表示和一系列动态图结果,经过图卷积模块进行图卷积运算,最后通过多尺度的预测结果融合模块输出框架的预测结果,提高了油烟浓度预测的准确性。

    一种流场在线仿真及可视化方法及系统

    公开(公告)号:CN117195769A

    公开(公告)日:2023-12-08

    申请号:CN202311156199.2

    申请日:2023-09-07

    Applicant: 浙江大学

    Abstract: 本发明公开一种流场在线仿真及可视化方法及系统,属于流场仿真技术领域。所述方法包括:构建数据样本集;基于数据样本集对RFNO流场在线仿真模型进行训练,获得训练好的RFNO流场在线仿真模型;将流场的在线物理参数输入至训练好的RFNO流场在线仿真模型,获得流场数据;基于所述流场数据进行动态流场仿真和/或特效流场仿真。本发明通过将若干个傅里叶层整合为傅里叶残差模块,傅里叶残差模块内加入直连通道,因此增加层数仍然可以提高精度,从而达到了更加精确的流场在线仿真的目的。

    从rvt格式到b3d格式的转换方法及其插件和系统

    公开(公告)号:CN117077256A

    公开(公告)日:2023-11-17

    申请号:CN202311045833.5

    申请日:2023-08-18

    Abstract: 本发明公开一种从rvt格式到b3d格式的转换方法及其插件和系统,该方法通过B3DExportContext对象;获取待转换的rvt格式文件,依次将rvt格式文件中的准备开始导出文件中的数据内容;从rvt格式文件视图开始确定需要导出的数据;获取rvt格式文件中的场景元数据并按照b3d格式转换后导出;获取待转换的rvt格式文件中的核心数据并按照b3d格式转换后导出;本方法能将rvt格式完整地转化成b3d格式,为rvt格式文件的查看、分享和应用提供基础。该方法在转化过程中不会遗漏构件,因为本发明使用了IModelExportContext接口,可以遍历到场景中的所有元素,在几何类型上支持所有的实体、表面、线框和点等类型,也支持房间、楼层等虚拟构件信息。

    一种周期性描述的叶片叶型全局光顺重建方法

    公开(公告)号:CN116720268A

    公开(公告)日:2023-09-08

    申请号:CN202310306298.8

    申请日:2023-03-27

    Applicant: 浙江大学

    Abstract: 本发明公开了一种周期性描述的叶片叶型全局光顺重建方法。本发明首先根据曲线控制顶点数据与节点矢量数据生成初始叶型拟合曲线,根据型值点的离散曲率分布,使用曲率引导型线细分方法在最小二乘渐进迭代逼近拟合过程中细化叶型拟合曲线的节点矢量,使得曲线控制顶点分布贴合叶型外形特点,从而获得细分后的叶型拟合曲线;最后根据基函数的局部支撑性,使用曲率约束自适应局部拟合方法将细分后的叶型拟合曲线进行分区域逐次更新拟合,直到获得满足精度要求的全局光顺周期性重建曲线。本发明最终生成一条对型值点高精度逼近的全局光顺重建曲线,保证重建拟合效率,且其封闭特性通过周期性基函数实现,能够有效用于后续T样条的叶片曲面造型使用。

    一种基于滑动窗口自注意力机制的振动数据特征提取方法

    公开(公告)号:CN116183229A

    公开(公告)日:2023-05-30

    申请号:CN202310146293.3

    申请日:2023-02-22

    Applicant: 浙江大学

    Abstract: 本发明属于人工智能健康监测领域,涉及一种基于滑动窗口自注意力机制的振动数据特征提取方法,包括:步骤一,采集复杂设备上的多通道原始振动信号,并进行信号数据的预处理;步骤二,基于滑动窗口自注意力机制,对预处理后的数据进行特征计算和整合,提取出关键特征数据;步骤三,根据步骤一的预处理方式和步骤二所基于的滑动窗口自注意力机制,参考残差神经网络,构建深度人工神经网络,结合具体任务设计分类头,分析关键特征数据并输出具体分析结果。本发明针能够直接处理不同采样频率,不同采集时长,不同通道数的原始振动数据,便于在不同装备,不同采集传感器,不同数据处理算法中泛化部署,受数据分布及模态的影响性小,自适应能力强。

    一种工业通用零件6D位姿数据集的构建方法

    公开(公告)号:CN115761407A

    公开(公告)日:2023-03-07

    申请号:CN202211472379.7

    申请日:2022-11-23

    Applicant: 浙江大学

    Abstract: 本发明公开了一种工业通用零件6D位姿数据集的构建方法。首先固定深度相机,对摆放于指定工业场景的位姿跟踪板拍摄一张RGB检测图像;提取检测图像中跟踪板上AprilTag的位姿信息,使用跟踪板位姿求解算法从位姿信息中获取跟踪板位姿;根据跟踪板位姿,使用基于先验位姿指定与增强现实的虚实交互配准法来布置零件并获取摆放位姿;录制包含零件与位姿跟踪板全貌的RGB‑D视频;使用跟踪板位姿求解算法计算视频每一帧中的跟踪板位姿,并结合零件摆放位姿计算零件的标定位姿;最后进行数据集标定信息的生成。本发明实现了在工业杂乱场景下对大量图像中的多个零件的自动化6D位姿标注,在保障标注精度的前提下极大地提升了标注效率。

Patent Agency Ranking