-
公开(公告)号：CN109033159A
公开(公告)日：2018-12-18
申请号：CN201810627680.8
申请日：2018-06-15
Applicant: 华中科技大学 , 深圳华中科技大学研究院
IPC: G06F17/30
Abstract: 本发明公开了一种基于顶点影响力的图数据布局方法，包括：根据图数据得到压缩稀疏行结构和顶点度文件，利用压缩稀疏行结构和顶点度文件得到顶点影响力数组；利用压缩稀疏行结构获取顶点影响力数组中顶点的邻居列表，将顶点的邻居列表依次加入顶点重映射数组，得到最优顶点重映射数组。本发明布局方法根据自然图结构特性，研究了图算法运行过程中的收敛特性，提出了顶点影响力这一概念，将顶点的度作为顶点的影响力，将顶点按照其影响力降序排列，然后依次重映射其邻居节点，使图数据分布呈现局部有序性，减少图计算过程中由于结构依赖性导致的内存随机访问开销，缩短迭代式图应用执行时间。
-
公开(公告)号：CN108959460A
公开(公告)日：2018-12-07
申请号：CN201810627678.0
申请日：2018-06-15
Applicant: 华中科技大学 , 深圳华中科技大学研究院
IPC: G06F17/30
Abstract: 本发明公开了一种基于顶点关联度的图数据布局方法，包括：将图数据转化为压缩稀疏行结构，得到顶点关联度数组；从图数据中随机获取初始顶点加入初始队列，将初始顶点加入重映射数组；将初始队列中顶点的邻居列表加入层次队列；根据顶点关联度数组计算层次队列中各个顶点和滑动窗口中所有顶点之间的顶点关联度之和，将顶点关联度之和最大的顶点作为最优点加入重映射数组；判断是否层次队列中所有顶点都加入重映射数组，如果是则执行上一步，否则执行下一步；将初始队列清空，将层次队列中所有顶点加入初始队列，将层次队列清空，直至顶点重映射操作完成，得到最优重映射数组。本发明对于遍历式图，能够有效减少内存随机访问，缩短应用执行时间。
-
公开(公告)号：CN114359697B
公开(公告)日：2024-10-15
申请号：CN202210033559.9
申请日：2022-01-12
Applicant: 华中科技大学
IPC: G06V20/00 , G06V10/764 , G06V10/774 , G06V10/80 , G06V10/771
Abstract: 本发明属于烟叶晾制技术领域，公开了一种基于增量学习的雪茄烟烟叶晾制工艺阶段识别方法，提出了基于SGD逻辑分类算法，采用增量学习的模式对烟叶晾制工艺阶段进行识别的融合模型，该模型可结合晾制房采集的晾制数据特点对数据进行预处理和特征选择，通过增量训练的学习模式，逐步提高判断晾制工艺阶段的准确度，优化烟叶晾制的流程，缓解烟农的工作压力，提高烟叶的经济效益。本发明为烟叶数据特征填补大量有效信息，提高了后续模型预测准确度，解决晾制数据中大量噪声的问题，提升了模型训练效率；实现实时、快速判断晾制工艺阶段，同时模型利用后续数据增量再次学习，以此改进烟叶晾制工艺，实现远程、智能、精准晾制。
-
公开(公告)号：CN118364389A
公开(公告)日：2024-07-19
申请号：CN202410469515.X
申请日：2024-04-18
Applicant: 华中科技大学
IPC: G06F18/2431 , A24B9/00 , A24B1/02 , G06F18/213 , G06F18/15 , G06N3/0464 , G06V20/10 , G06V10/44 , G06V10/764 , G06V10/82
Abstract: 本发明属于雪茄烟烟叶晾制相关技术领域，并公开了一种基于综合积湿法的雪茄烟茄衣晾制阶段识别的方法及系统。该方法包括下列步骤：S1采集雪茄晾制期间每天不同时刻晾房内部的晾制参数，将采集所述晾制参数分为白天和夜间数据，利用白天和夜间的数据构建每天的特征值；S2形成晾制阶段和特征值对应的数据库；S3将基于综合积湿法产生的特征值作为输入，晾制阶段作为输出，构建晾制阶段识别模型，利用所述数据库中的数据训练所述识别模型，获得训练后的识别模型；S4将综合积湿法产生的待识别特征值输入所述训练后的识别模型中识别相应的晾制阶段，以此实现雪茄烟茄衣晾制阶段的识别。通过本发明，晾制阶段的判别更准确。
-
公开(公告)号：CN114266419A
公开(公告)日：2022-04-01
申请号：CN202210032426.X
申请日：2022-01-12
Applicant: 华中科技大学
Abstract: 本发明属于雪茄烟晾制技术领域，公开了一种基于数据融合的雪茄烟烟叶工艺阶段预测方法、系统及介质，预测方法包括：以预设采集周期采集雪茄烟烟叶晾制过程中的原始数据和原始图像；分别对原始数据与原始图像进行处理，并基于处理的图像与数据训练决策树模型和支持向量机模型，同时使用带权重投票法融合预测结果；实时采集原始数据和晾制过程雪茄烟烟叶原始图像，处理后作为模型输入项，对雪茄烟烟叶进行晾制阶段的判别。本发明提供了一种基于数据融合的雪茄烟烟叶工艺阶段预测方法，能够准确判别雪茄烟烟叶晾制状态，方便晾房湿度管理，提升晾制工艺，同时节约了人力成本。
-
Patent Agency Ranking
公开(公告)号：CN112914141A
公开(公告)日：2021-06-08
申请号：CN202110090186.4
申请日：2021-01-22
Applicant: 湖北省烟草科学研究院 , 华中科技大学
Abstract: 本发明公开了一种基于物联网的智能烟叶烘烤采集系统，主要应用于密集烤房，涉及烟叶烘烤技术领域。该采集系统包括云服务端、烘烤状态传感采集模块和智能采集器。智能采集器将由烘烤状态传感采集模块采集到的烘烤数据，利用MQTT协议实时传至云服务端，经过云服务端的修正模型对数据进行处理，再由模拟模型进行模拟仿真，生成工艺修正参数传至智能采集器，再由智能采集器将工艺修正参数转换为指令，传至控制器。此外，本发明还解决由于网络不稳定等问题导致的实时通讯以及数据处理滞后性高，造成的烟叶最终品质下降，甚至烤坏烟等问题。同时可以兼容已广泛应用的控制器，功能扩展性强、布设成本低、易于推广落地，提升烟草产业的整体经济效益。
-
公开(公告)号：CN112163527B
公开(公告)日：2022-06-14
申请号：CN202011056569.1
申请日：2020-09-29
Applicant: 华中科技大学
IPC: G06V20/00 , G06V10/764 , G06V10/80 , G06V10/82 , G06K9/62 , G06N3/04 , G06N3/08 , G06T5/00 , G06T7/41
Abstract: 本发明公开了一种基于融合模型的烟叶烘烤状态识别方法、装置和系统，属于烟叶烘烤技术领域，所述方法包括：以预设采集周期采集烘烤过程中烟叶及烤房的原始数据集；将从烟叶图像中提取的特征值转为结构化数据，将结构化数据与原始数据集结合成初始数据集；基于初始数据集中的特征数据获取第一特征集合，对烟叶状态进行编码得到烟叶状态编码；利用第一特征集合和烟叶状态编码训练XGBoost模型、LSTM模型以及BP神经网络模型得到第一层模型，再利用第一特征集合和第一层模型的输出结果训练第二层的XGBoost模型得到融合模型；将实时获取的特征集合输入融合模型得到烟叶识别结果。本申请提高了烟叶烘烤状态识别准确率和识别效率，且无需人工识别，节约了人力成本。
-
公开(公告)号：CN114359697A
公开(公告)日：2022-04-15
申请号：CN202210033559.9
申请日：2022-01-12
Applicant: 华中科技大学
IPC: G06V20/00 , G06K9/62 , G06V10/764 , G06V10/774 , G06V10/80 , G06V10/771
Abstract: 本发明属于烟叶晾制技术领域，公开了一种基于增量学习的雪茄烟烟叶晾制工艺阶段识别方法，提出了基于SGD逻辑分类算法，采用增量学习的模式对烟叶晾制工艺阶段进行识别的融合模型，该模型可结合晾制房采集的晾制数据特点对数据进行预处理和特征选择，通过增量训练的学习模式，逐步提高判断晾制工艺阶段的准确度，优化烟叶晾制的流程，缓解烟农的工作压力，提高烟叶的经济效益。本发明为烟叶数据特征填补大量有效信息，提高了后续模型预测准确度，解决晾制数据中大量噪声的问题，提升了模型训练效率；实现实时、快速判断晾制工艺阶段，同时模型利用后续数据增量再次学习，以此改进烟叶晾制工艺，实现远程、智能、精准晾制。
-
公开(公告)号：CN112163527A
公开(公告)日：2021-01-01
申请号：CN202011056569.1
申请日：2020-09-29
Applicant: 华中科技大学
Abstract: 本发明公开了一种基于融合模型的烟叶烘烤状态识别方法、装置和系统，属于烟叶烘烤技术领域，所述方法包括：以预设采集周期采集烘烤过程中烟叶及烤房的原始数据集；将从烟叶图像中提取的特征值转为结构化数据，将结构化数据与原始数据集结合成初始数据集；基于初始数据集中的特征数据获取第一特征集合，对烟叶状态进行编码得到烟叶状态编码；利用第一特征集合和烟叶状态编码训练XGBoost模型、LSTM模型以及BP神经网络模型得到第一层模型，再利用第一特征集合和第一层模型的输出结果训练第二层的XGBoost模型得到融合模型；将实时获取的特征集合输入融合模型得到烟叶识别结果。本申请提高了烟叶烘烤状态识别准确率和识别效率，且无需人工识别，节约了人力成本。
-
公开(公告)号：CN116088453B
公开(公告)日：2025-05-09
申请号：CN202310131807.8
申请日：2023-02-17
Applicant: 华中科技大学
IPC: G05B19/418
Abstract: 本发明公开了一种生产质量预测模型训练方法、训练装置、以及基于生产质量预测模型地生产质量监控方法，其中，训练方法包括：以多维度生产参数集X＝(x1,x2,……,xm)和多维度质量指标集Y＝(y1,y2,……,yn)作为初始样本；确定生产参数xi相对于质量指标yj的主观系数#imgabs0#主观系数#imgabs1#为基于层次分析法所确定的生产参数xi对质量指标yj的影响权重；计算各初始样本数据中每个生产参数xi与对应的多维度质量指标集Y的复相关系数#imgabs2#以矩阵#imgabs3#作为输入、质量指标yj作为输出构建训练样本(C，yj)训练神经网络，得到预生产质量预测模型。本发明选用相关系数#imgabs4#主观系数#imgabs5#对输入数据进行升维，全面考虑多维度生产参数、多维度质量指标之间的相互相连，增强训练效果，提高模型的预测精度。
-
-
-
-
-
-
-
-
-
Search Results
24
records
(took 0.024 seconds)
