公开(公告)号：CN117113220A

公开(公告)日：2023-11-24

申请号：CN202311005652.X

申请日：2023-08-10

Applicant: 淮阴工学院

Inventor： 宗慧 ,  赵云 ,  陈婷 ,  孙居辉 ,  张浩 ,  魏鹏 ,  张乐 ,  王健

IPC: G06F18/2415 ,  G06N3/045 ,  G06N3/0464 ,  G06F18/25 ,  G06N3/0442 ,  G06N3/08

Abstract: 本发明涉及文本分类技术领域，提出了一种基于群体学习的化工配方识别方法，采集并保存N个不同化工企业的化工配方数据，将化工配方数据集进行预处理得到N个训练数据集；将训练数据集分布在N个不同群体学习框架的Swarm节点上，并在节点的化工配方数据集上分别的构建改进后的文本分类模型；多个节点之间进行模型参数的更新，通过Swarm应用编程接口API进行交换，并在开始新一轮训练之前，合并创建一个参数更新的更新模型，直至满足定义的同步条件，停止训练得到更新后的模型；通过群体学习训练得到的更新模型对化工配方进行分类识别。与现有技术相比，本发明提高了数据的安全性，解决了不同化工企业配方之间化工配方的整合。

公开(公告)号：CN117518815A

公开(公告)日：2024-02-06

申请号：CN202311602319.7

申请日：2023-11-27

Applicant: 淮阴工学院

Inventor： 张浩 ,  宗慧 ,  孙居辉 ,  赵云 ,  魏鹏 ,  张正伟 ,  丁瑾 ,  周蕾 ,  张乐 ,  王健 ,  谢乾 ,  陈伟 ,  汪涛

IPC: G05B13/04

Abstract: 本发明涉及化工过程故障诊断领域，提出了一种融合二阶信息的故障诊断系统。在田纳西‑伊斯曼TE仿真平台采集并保存具有时变、强耦合和非线性特征的化工过程数据，将数据进行分类并制作成数据集；对获得的化工过程数据进行预处理；将处理后的数据集划分为训练集和测试集。使用iSQRT‑COV模块嵌入Resnext网络计算卷积层后特征的协方差矩阵表示每个维度之间的相关性，解决了层数多的网络基于传统一阶统计量的最大池化层或平均池化层过于简单会使模型的有效信息大量流失的问题，在田纳西‑伊斯曼（TE）流程产生的时变、强耦合和非线性特征的数据上验证了模型的性能。与现有技术相比，本发明具有精准，快速的优越性。

公开(公告)号：CN117315478A

公开(公告)日：2023-12-29

申请号：CN202311351039.3

申请日：2023-10-18

Applicant: 淮阴工学院

Inventor： 宗慧 ,  杨占辉 ,  蒋东山 ,  安雯龙 ,  周恒 ,  陈鑫 ,  刘向超 ,  赵云 ,  孙居辉 ,  魏鹏 ,  张浩 ,  王健 ,  张乐

IPC: G06V20/10 ,  G06V10/44 ,  G06V10/764 ,  G06V10/82 ,  G06N3/0464 ,  G06N3/084 ,  G06V10/30 ,  G06V10/74

Abstract: 本发明公开了一种基于VC‑Net和穆勒算法的番茄叶病识别方法，包括：对番茄叶病图片的预处理；构建基于改进视觉Transformer番茄叶病识别模型和基于穆勒算法的训练模块，先进行patch embedding层进行分块，然后再进行初步卷积特征提取，之后进行位置嵌入Position Embedding，在特征提取后使用高斯去噪技术对其产生的噪声进行去噪处理。在视觉Transformer的Attention中使用LSA局部自注意力机制并引入零掩码矩阵。通过穆勒算法模块进行训练，得到最优的番茄叶病识别模型权重，实现对番茄叶病的分类。与现有技术相比，本发明通过先分类后识别的方法来确定番茄叶病类别，训练时间短，识别精度高。

公开(公告)号：CN117853723A

公开(公告)日：2024-04-09

申请号：CN202311748285.2

申请日：2023-12-18

Applicant: 淮阴工学院

Inventor： 陈鑫 ,  宗慧 ,  安雯龙 ,  刘向超 ,  杨占辉 ,  周恒 ,  孙居辉 ,  张浩 ,  王健 ,  张乐 ,  丁瑾 ,  谢乾 ,  陈伟 ,  汪涛

IPC: G06V10/26 ,  G06V10/42 ,  G06V10/44 ,  G06V10/80 ,  G06V10/774 ,  G06V10/764 ,  G06V10/82 ,  G06N3/0455

Abstract: 本发明公开了一种基于SBM‑Net模型的视网膜血管图像分割方法，包括：构建眼部数字视网膜血管的图像数据集；构建视网膜血管图像分割模型，包括编码器和解码器两部分，编码器部分包括局部特征提取模块和全局特征提取模块以及将局部特征和全局特征进行融合的MCE模块；局部特征提取模块包括依次连接的5个ISB模块；全局特征提取模块包括一个Patch Embedding模块、Linear Embedding模块以及4个Swin Transformer Block模块；解码器部分包括4个MSE模块、5个Feature map以及一个Conv 1x1像素级分类器；利用视网膜血管图像分割模型对眼部数字视网膜血管的图像进行图像分割。本发明可以有效地实现血管的分割，提高了诊断、筛选、治疗和评估各种心血管和眼科疾病的准确率，解决了视网膜血管分割困难的问题。

公开(公告)号：CN117593638A

公开(公告)日：2024-02-23

申请号：CN202311557702.5

申请日：2023-11-21

Applicant: 淮阴工学院

Inventor： 孙居辉 ,  宗慧 ,  陈婷 ,  赵云 ,  安雯龙 ,  张浩 ,  魏鹏 ,  王健 ,  张乐

IPC: G06V20/10 ,  G06V10/25 ,  G06V10/774 ,  G06V10/52 ,  G06V10/44 ,  G06V10/80 ,  G06V10/82 ,  G06N3/0464

Abstract: 本发明提出了一种基于改进的U‑Net结构的道路裂缝检测方法，拍摄道路裂缝图片制成数据集，对数据集进行预处理并将处理后的数据集划分为训练集和测试集；搭建U‑Net结构并初始化，嵌入了NT多尺度连接器和Hazel多尺度池化模块，构建改进后的U‑Net模型；设置评价指标；将训练集输入模型进行训练，每训练十轮计算一次评价指标，筛选出评价指标最好的时候的权重参数作为预训练权重，保存预训练权重；输入需要识别的道路裂缝图片，通过训练得到的网络模型识别道路裂缝，输出识别后的道路裂缝与平均交并比，本发明可以在资源有限的设备上训练，在处理道路裂缝识别任务中训练速度更快准确率更高，提高效率。