-
公开(公告)号：CN118887169A
公开(公告)日：2024-11-01
申请号：CN202410906803.7
申请日：2024-07-08
Applicant: 东北大学秦皇岛分校
Abstract: 本发明属于生物医学和计算机视觉技术领域，公开了一种基于神经网络的心脏流出道壁径向应变的实时测量方法。使用SD‑OCT成像系统采集图像，获取结构图。OFT‑SegNet网络用于提取结构图中心脏流出道的边界，然后，基于这些边界信息，通过测量心肌细胞在收缩前后的长度变化,将这些长度变化与收缩前的长度相比较，即可得到最终的径向应变值。本方法设计的OFT‑SegNet网络复杂度小，能够迁移到移动设备中，并且推理速度快，其发明设计的OFT‑SegNet网络提出了特征融合模块，使得网络能够更好地理解图像的结构特征，提高了分割和应变计算的精度。本方法能够以较快的速度实时获取心脏流出道壁径向应变。
-
公开(公告)号：CN118446928A
公开(公告)日：2024-08-06
申请号：CN202410529213.7
申请日：2024-04-29
Applicant: 东北大学 , 中信金属股份有限公司 , 湖南华菱湘潭钢铁有限公司
Abstract: 本发明公开了一种基于CycleGan模型的IF钢金相照片晶界强化方法，属于材料性能预测技术领域，包括数据采集；数据处理；数据划分：将数据集按照数据划分策略划分为训练集和测试集；搭建CycleGan模型：利用两组传统生成对抗网络，分别优化最小化损失，得到两个域之间的两个数据转换函数模型；IF钢金相照片晶界强化：利用最终的CycleGan模型，对原始金相照片处理，去除金相试样表面存在的划痕，补全残缺的晶界。本发明采用上述方法，基于CycleGan模型，对不同域的两个数据集训练，得到模型结构，实现两个数据的相互转换，对于明晰IF钢晶界起到有利效果。
-
公开(公告)号：CN115100307A
公开(公告)日：2022-09-23
申请号：CN202210598440.6
申请日：2022-05-30
Applicant: 东北大学
IPC: G06T11/00 , G06N3/04 , G06N3/08 , G06V10/764 , G06V10/77 , G06V10/774
Abstract: 本发明提供了一种基于改进生成对抗网络的金相显微组织图像生成方法，属于钢铁的显微组织智能调控领域。本发明应用逆向残差网络作为生成对抗网络的生成器，实现由一维金属材料的成分和工艺数据到三维金相显微组织图像的转换，相较于传统的金相显微组织图像采集流程，本发明方法大大减少了金相显微组织图像生成时间，通过使用改进生成对抗网络中的生成器，将小尺寸单通道图像数据转换成大尺寸三通道金相显微组织图像数据，避免了耗时较长的金相显微组织图像的采集流程，能够帮助研究人员提前观测给定金属材料成分和工艺数据所对应的金相显微组织图像，有利于提高钢铁企业的生产效率。
-
公开(公告)号：CN105804787A
公开(公告)日：2016-07-27
申请号：CN201610181411.4
申请日：2016-03-28
Applicant: 西南石油大学 , 煤科集团沈阳研究院有限公司 , 东北大学
CPC classification number: E21F7/00 , E21B47/1015
Abstract: 一种测定煤矿回采工作面上覆煤岩裂隙发育高度的方法，包括如下步骤：测试钻场施工，测试钻孔施工，测试钻孔封孔，向测试钻孔内的未封堵段注入示踪气体SF6，回采工作面采空区瓦斯抽采管路敷设，示踪气体SF6浓度监测，由设置在采空区瓦斯抽采管路上的示踪气体SF6浓度监测仪捕捉SF6气体，不同垂高条件下SF6浓度直接反映出工作面上覆煤岩裂隙发育的高度。本方法利用示踪气体SF6的稳定性和易捕捉性，结合开采煤层自身条件，准确判定回采工作面上覆煤岩裂隙发育高度，该方法成本低且操作简易。
-
公开(公告)号：CN118314984A
公开(公告)日：2024-07-09
申请号：CN202410529223.0
申请日：2024-04-29
Applicant: 东北大学
IPC: G16C20/70 , G16C20/30 , G16C60/00 , G06V10/44 , G06F18/213 , G06F18/25 , G06N3/0464 , G06N3/048 , G06N3/08
Abstract: 本发明公开了一种基于多模态数据卷积特征融合的C‑Mn钢力学性能预测方法，属于钢材性能预测技术领域，包括以下步骤：构建初始多模态数据集；构建实际多模态数据集；将实际多模态数据集划分为训练集及测试集；利用多模态数据卷积特征融合的卷积神经网络模型对训练数据进行计算，优化模型参数，得到待预测的C‑Mn钢材力学性能预测模型并对测试数据进行计算，并对模型的泛化性能进行评估，得到待应用的基于多模态数据卷积特征融合的C‑Mn钢力学性能预测模型。本发明采用上述的一种基于多模态数据卷积特征融合的C‑Mn钢力学性能预测方法，通过不同维度的卷积神经网络模型有效的将成分工艺与显微组织图像数据信息进行耦合，提高了C‑Mn钢材力学性能的预测精度。
-
Patent Agency Ranking
公开(公告)号：CN118298191A
公开(公告)日：2024-07-05
申请号：CN202410529226.4
申请日：2024-04-29
Applicant: 东北大学
IPC: G06V10/44 , G06V20/69 , G06V10/774 , G06N3/0455 , G06N3/0985
Abstract: 本发明公开了一种基于Seg‑Net模型的提取方法在提取钢铁微观组织特征中的应用，属于铁金相图像分析和处理技术领域，包括以下步骤：将获得的金相照片划分为训练集和测试集；采用深度学习模型对训练集数据进行训练，结合数据增强等手段对训练数据集进行扩充，构建具有识别晶粒组织能力的深度学习模型；利用具有识别晶粒组织能力的深度学习模型对待识别的金相照片进行识别，得到待识别照片的显微组织信息。本发明采用上述一种基于Seg‑Net模型的提取方法在提取钢铁微观组织特征中的应用，通过对金相显微组织照片智能识别获取显微组织特征信息，可以简化由于传统获取方法造成的繁琐工作及时获取显微组织信息的同时兼具较高的精度。
-
公开(公告)号：CN116822367A
公开(公告)日：2023-09-29
申请号：CN202310812967.9
申请日：2023-07-03
Applicant: 东北大学
IPC: G06F30/27 , G06N3/0442 , G06F18/214 , G06F119/14 , G06F119/08
Abstract: 本发明公开了一种基于LSTM模型的IF钢力学性能预测方法，S1、选取样本；S2、补充空缺数据；S3、异常值剔除：使用格拉布斯准则对S2中得到的数据集中力学性能异常IF钢钢卷对应的参数数据剔除，得到数据集；S4、训练LSTM模型：将S3中得到的数据集按比例划分为训练数据和预测数据，将关键参数作为输入变量，将力学性能作为输出变量，将输入变量和输出变量用于训练LSTM模型，得到LSTM预测模型。本发明采用上述步骤，LSTM预测模型中既包含IF钢成分对IF钢性能的影响，也包含热轧和冷轧工艺参数对IF钢性能的影响，有助于LSTM模型实现高精度的力学性能预测，优化工艺参数。
-
公开(公告)号：CN112417639B
公开(公告)日：2023-08-04
申请号：CN202010966429.1
申请日：2020-09-15
Applicant: 东北大学
IPC: G06F30/20 , C22F1/16 , G06F119/08
Abstract: 本发明提供一种热轧低碳钢氧化铁皮结构演变数字解析方法，涉及轧钢技术领域。相比于传统基于深度学习的显微组织识别方法，本方法基于热轧低碳钢氧化铁皮结构演变预测模型，从生产现场服务器读取轧制生产工艺参数，计算轧制后冷却过程中钢卷温度随时间变化曲线，对氧化铁皮结构演变过程进行实时预测，实现氧化铁皮结构转变过程的数字解析。该技术可以指导热轧生产工艺参数的制定，通过制定合理的工艺参数，优化氧化铁皮中FeO，Fe3O4和共析组织(Fe+Fe3O4)各相比例，为热轧带钢氧化铁皮结构控制提供依据。
-
公开(公告)号：CN112085727B
公开(公告)日：2023-07-11
申请号：CN202010978690.3
申请日：2020-09-17
Applicant: 东北大学
IPC: G06T7/00 , G06T7/11 , G06T7/90 , G06N3/0464 , G06V10/774 , G06V10/82
Abstract: 本发明提供一种热轧钢材表面氧化铁皮结构智能识别方法，涉及轧钢技术领域。本发明通过制作氧化皮检测的试样，并利用金相检测设备得到热轧钢材表面氧化铁皮照片数据，经过预处理后，建立起氧化皮图像样本集。制作语义标签，结合建氧化皮结构图像语义分析的神经网络模型，对神经网络模型进行训练，最终实现用户输入氧化铁皮组织图片，自动获取图片中各组织的比例、分布区域、以及其形态分类说明。
-
公开(公告)号：CN111861041A
公开(公告)日：2020-10-30
申请号：CN202010767229.3
申请日：2020-08-03
Applicant: 东北大学
IPC: G06Q10/04 , G06F30/27 , G06F30/20 , G06N3/08 , G06F119/14 , G06F113/08
Abstract: 一种预测Nb微合金钢动态再结晶型流变应力的方法，属于钢铁研究和机器学习的交叉技术领域。该方法基于系列Nb微合金钢的动态再结晶型流变应力曲线及钢种信息的实验数据，采用遗传算法学习每条流变应力曲线对应数学模型中的参数，使用贝叶斯正则化的BP神经网络建立钢种信息与流变应力曲线特征间的网络关系模型，之后结合流变应力曲线对应的数学模型，预测动态再结晶型流变应力。该方法所建立的模型能够高精度预测该系列钢在多种成分及工艺条件下的流变应力曲线，明显减少单道次压缩实验的工作量，提高动态再结晶型流变应力曲线的预测效率和精度。
-
-
-
-
-
-
-
-
-
Search Results
32
records
(took 0.023 seconds)
