公开(公告)号：CN118038172A

公开(公告)日：2024-05-14

申请号：CN202410273181.9

申请日：2024-03-11

申请人： 广东石油化工学院 ,  茂名华检实验科技有限公司 ,  广东华田电器有限公司 ,  茂名绿色化工研究院

发明人： 荆晓远 ,  任娟 ,  王广宁 ,  姚永芳 ,  陈俊均 ,  于军 ,  廖珂 ,  梁雁

IPC分类号： G06V10/764 ,  G06N3/0464 ,  G06V10/82 ,  G06V10/80 ,  G06V10/40 ,  G06V10/44 ,  G06T7/00 ,  G06N3/0495 ,  G06N3/082 ,  G06N3/084

摘要： 本发明属于图像处理技术领域，公开了一种基于特征增强和深度网络的温控器质量检测方法及系统，收集温控器状态数据集，将其转化为YOLO训练格式，制作数据集的状态标签，并将其构建为训练集、测试集；优化YOLOv8检测算法，构建温控器质量检测模型；将采集的状态图像数据集的输入改进的YOLOv8网络进行训练，保存最优训练结果的检测模型；将采集的温控器状态图像作为测试集，输入保存的最优检测模型中，输出具体的检测结果；设定15分钟为温控器质量的检测时间阈值，在15分钟内，有标签为1的为不合格进行筛选，在15分钟时，有标签为0的为不合格也进行筛选。

公开(公告)号：CN118038172B

公开(公告)日：2024-08-13

申请号：CN202410273181.9

申请日：2024-03-11

申请人： 广东石油化工学院 ,  茂名华检实验科技有限公司 ,  广东华田电器有限公司 ,  茂名绿色化工研究院

发明人： 荆晓远 ,  任娟 ,  王广宁 ,  姚永芳 ,  陈俊均 ,  于军 ,  廖珂 ,  梁雁

IPC分类号： G06V10/764 ,  G06N3/0464 ,  G06V10/82 ,  G06V10/80 ,  G06V10/40 ,  G06V10/44 ,  G06T7/00 ,  G06N3/0495 ,  G06N3/082 ,  G06N3/084

摘要： 本发明属于图像处理技术领域，公开了一种基于特征增强和深度网络的温控器质量检测方法及系统，收集温控器状态数据集，将其转化为YOLO训练格式，制作数据集的状态标签，并将其构建为训练集、测试集；优化YOLOv8检测算法，构建温控器质量检测模型；将采集的状态图像数据集的输入改进的YOLOv8网络进行训练，保存最优训练结果的检测模型；将采集的温控器状态图像作为测试集，输入保存的最优检测模型中，输出具体的检测结果；设定15分钟为温控器质量的检测时间阈值，在15分钟内，有标签为1的为不合格进行筛选，在15分钟时，有标签为0的为不合格也进行筛选。

公开(公告)号：CN115980070B

公开(公告)日：2023-07-14

申请号：CN202310250717.0

申请日：2023-03-16

申请人： 广东石油化工学院 ,  茂名华检实验科技有限公司

发明人： 荆晓远 ,  廖珂 ,  王广宁 ,  李双远 ,  姚永芳 ,  朱冠华 ,  陈俊均

IPC分类号： G01N21/88 ,  G06T7/00 ,  G06N3/0464 ,  G06N3/047 ,  G06N3/048 ,  G06N3/08 ,  G06V10/44 ,  G06V10/764 ,  G06V10/82

摘要： 本发明公开了基于随机神经网络搜索的机油罐标签划痕检测系统及方法，属于机油罐标签划痕检测技术领域，旨在解决现有技术中采用人工方式对机油罐标签划痕检测存在准确率低、效率低、检测具有滞后性的问题，以及一般自动检测系统存在的误检严重、分级精度低的问题。通过采集机油罐正反两面的标签图像对其进行划痕检测，并实现有划痕自动报警，根据检测结果对机油罐进行自动分类，相比采用人工的方式节省了大量的人力、物力和财力，同时采用随机神经网络架构搜索方法搜索得最优网络模型，检测准确度更高，能够更加规范生产管理和操作流程。

公开(公告)号：CN115980070A

公开(公告)日：2023-04-18

申请号：CN202310250717.0

申请日：2023-03-16

申请人： 广东石油化工学院 ,  茂名华检实验科技有限公司

发明人： 荆晓远 ,  廖珂 ,  王广宁 ,  李双远 ,  姚永芳 ,  朱冠华 ,  陈俊均

IPC分类号： G01N21/88 ,  G06T7/00 ,  G06N3/0464 ,  G06N3/047 ,  G06N3/048 ,  G06N3/08 ,  G06V10/44 ,  G06V10/764 ,  G06V10/82

摘要： 本发明公开了基于随机神经网络搜索的机油罐标签划痕检测系统及方法，属于机油罐标签划痕检测技术领域，旨在解决现有技术中采用人工方式对机油罐标签划痕检测存在准确率低、效率低、检测具有滞后性的问题，以及一般自动检测系统存在的误检严重、分级精度低的问题。通过采集机油罐正反两面的标签图像对其进行划痕检测，并实现有划痕自动报警，根据检测结果对机油罐进行自动分类，相比采用人工的方式节省了大量的人力、物力和财力，同时采用随机神经网络架构搜索方法搜索得最优网络模型，检测准确度更高，能够更加规范生产管理和操作流程。

公开(公告)号：CN118916666A

公开(公告)日：2024-11-08

申请号：CN202410918342.5

申请日：2024-07-10

申请人： 广东石油化工学院

发明人： 荆晓远 ,  廖珂 ,  刘飞 ,  邓晋珏 ,  陈俊均 ,  姚永芳

IPC分类号： G06F18/213 ,  G06F18/214 ,  G06F18/2431 ,  G06N3/0464 ,  G06N3/084

摘要： 本发明提供一种基于统计约束的SMOTE和自步残差的故障诊断方法，该方法包括：基于SMOTE算法根据样本机组的不平衡数据集得到生成样本数据，根据生成样本数据的统计特征对生成样本数据进行筛选得到平衡数据集；基于残差网络得到平衡数据集对应的故障类别预测标签，确定故障类别预测标签与故障类别真实标签的损失值；基于动态自步函数对损失值进行更新得到目标函数，并对目标函数进行优化，使用优化后的目标函数对残差网络进行训练；将目标机组的运行数据输入训练后的残差网络中，得到残差网络输出的目标机组的故障类别预测标签。本发明提升训练样本的质量和模型对少数类别样本的特征学习能力，从而提高对少数类样本的故障识别精度。