一种基于变分自动编码器的缺陷检测方法

    公开(公告)号:CN114862811B

    公开(公告)日:2024-09-03

    申请号:CN202210544694.X

    申请日:2022-05-19

    申请人: 湖南大学

    摘要: 本发明公开了一种基于变分自动编码器的缺陷检测方法,采集产品数据集,对数据集进行划分得到训练集和测试集;将训练集中的图片生成按标签Si打乱的图像块;构建变分自动编码器网络,将打乱后的图像块送入编码器网络得到潜在特征;构建解码器网络,将编码器输出潜在特征输入解码器,辅助求解拼图,捕获全局和局部信息,从而重构出高分辨率图像,结合预设的损失函数对模型反向传播更新网络参数,得到训练好的模型;在测试集上进行测试,完成缺陷检测。实验结果表现了模型优秀的泛化能力以及缺陷检测能力。

    一种基于无监督预训练的玻璃表面缺陷检测系统

    公开(公告)号:CN115880298B

    公开(公告)日:2023-06-16

    申请号:CN202310187996.0

    申请日:2023-03-02

    申请人: 湖南大学

    摘要: 本发明公开了一种基于无监督预训练的玻璃表面缺陷检测系统,该检测系统内设有两相机、光源以及与相机连接的控制器,相机B设置在玻璃正上方,相机A和光源位于相机B两侧;控制器基于拍摄的图像并采用无监督玻璃表面缺陷检测模型进行检测,检测过程为:构建基于动量对比学习的无监督预训练模型并进行预训练得到基于通道注意力机制和空间注意力机制构建的特征提取网络的网络权重参数;将网络权重参数赋值给无监督玻璃表面缺陷检测模型,再利用训练图像得到训练图像上各个图块的多维高斯分布以及利用测试图像得到测试图像上各个图块的嵌入特征向量,再计算同一图块的嵌入特征向量与多维高斯分布的相似距离,以相似距离为标准判定是否有缺陷。

    一种基于云边端融合的燃料电池测试系统数据处理方法

    公开(公告)号:CN116248679A

    公开(公告)日:2023-06-09

    申请号:CN202310409274.5

    申请日:2023-04-17

    申请人: 湖南大学

    摘要: 本发明提供了一种基于云边端融合的燃料电池测试系统数据处理方法,包括终端设备、边缘服务器、本地数据库、云服务器以及客户端;所述终端设备为燃料电池状态测试系统,利用传感器获取状态数据,并将所述状态数据发送至所述边缘服务器;所述边缘服务器对由所述终端设备发送的状态数据进行实时的数据处理和状态分析,同时将状态数据实时发送至所述本地数据库和所述云服务器中进行储存;所述云服务器提供计算能力,实现对目标数据的储存、分析,并将处理之后的数据反馈至所述客户端进行可视化展示。本发明采用“云+边+端”的管理和解决方案,可以对燃料电池运行状态实时采集并进行分析,优化燃料电池测试系统的数据采集和分析决策功能。

    一种机器人铸造生产线产能优化方法

    公开(公告)号:CN110288126B

    公开(公告)日:2023-05-26

    申请号:CN201910463708.3

    申请日:2019-05-30

    申请人: 湖南大学

    摘要: 本发明公开了一种机器人铸造生产线产能优化方法,所述方法包括以下步骤:S1、获取机器人铸造生产线上工序的相关参数并设置工段个数;S2、设置工序分布方案数量并利用混沌序列产生变量,同时将变量映射到对应工序编号中,然后设置约束条件并将工序分布于设置的工段中,得到工序分布方案;S3、构建机器人铸造生产线的双目标优化模型;S4、将多种工序分布方案分别代入机器人铸造生产线的双目标优化模型中并计算最优解。本发明通过将现有工序合理分配到设定的各个工段中,并利用设置的双目标优化模型计算出平衡率尽可能大的同时平滑性指数尽可能小的工序分布方案,使得生产线上各个工段负荷最大限度的均衡,提高了生产效率,实现了生产线的产能优化。

    一种深度强化学习的高效学习方法

    公开(公告)号:CN115979287A

    公开(公告)日:2023-04-18

    申请号:CN202211656057.8

    申请日:2022-12-22

    申请人: 湖南大学

    IPC分类号: G01C21/34

    摘要: 本发明公开了一种深度强化学习的高效学习方法,应用于三维大尺寸地形环境中无人车路径规划,包括:将全局地图观测信息输入至动态全局通道;将局部地图观测信息输入至动态局部通道;通过多目标奖励函数对无人车的能耗和行驶时间进行评价;在每个训练过程中,从经验缓冲池中提取到达目标位置的若干历史经验数据作为训练集;其中,动态全局通道与动态局部通道为深度强化学习模型的两个并联输入通道;动态全局通道的第一层图像输入用于存放当前规划点的位置信息;第二层图像输入用于存放目标位置信息;第三层图像输入用于存放三维地图数据;动态局部通道的输入层设置为一层图像输入;深度强化学习模型采用基于优先经验重播的深度强化学习探索策略。

    一种基于无监督预训练的玻璃表面缺陷检测方法及系统

    公开(公告)号:CN115880298A

    公开(公告)日:2023-03-31

    申请号:CN202310187996.0

    申请日:2023-03-02

    申请人: 湖南大学

    摘要: 本发明公开了一种基于无监督预训练的玻璃表面缺陷检测方法及系统,该检测系统内设有两相机、光源以及与相机连接的控制器,相机B设置在玻璃正上方,相机A和光源位于相机B两侧,控制器基于拍摄的图像并采用无监督玻璃表面缺陷检测模型进行检测,检测过程为:构建基于动量对比学习的无监督预训练模型并进行预训练得到基于通道注意力机制和空间注意力机制构建的特征提取网络的网络权重参数;将网络权重参数赋值给无监督玻璃表面缺陷检测模型,再利用训练图像得到训练图像上各个图块的多维高斯分布以及利用测试图像得到测试图像上各个图块的嵌入特征向量,再计算同一图块的嵌入特征向量与多维高斯分布的相似距离,以相似距离为标准判定是否有缺陷。

    一种基于先验图像引导的快照式光谱成像系统重构方法

    公开(公告)号:CN115561182A

    公开(公告)日:2023-01-03

    申请号:CN202211398389.0

    申请日:2022-11-09

    申请人: 湖南大学

    IPC分类号: G01N21/25 G06T17/00 G06T3/00

    摘要: 本发明公开一种基于先验图像引导的快照式光谱成像系统重构方法,采用快照式光谱成像系统对目标场景进行拍摄,得到三维高光谱图像和RGB图像;预设快照式光谱成像系统的硬件编码模型,包括硬件编码器和色散棱镜,硬件编码器通过物理编码掩模和色散棱镜的协同作用将三维高光谱图像调制为二维压缩测量值;将RGB图像作为先验图像,设计基于先验图像语义相似度的正则化项,根据正则化项和二维压缩测量值创建三维高光谱图像的重构模型;通过乘法器交替方向算法对三维高光谱图像的重构模型求解,得到重构的三维高光谱图像。该方法在数据保真度上表现出优异的性能。

    新能源汽车焊装产线的价值评价方法

    公开(公告)号:CN115130870A

    公开(公告)日:2022-09-30

    申请号:CN202210769580.5

    申请日:2022-06-30

    申请人: 湖南大学

    IPC分类号: G06Q10/06 G06Q50/04 G06N3/12

    摘要: 本发明公开了一种新能源汽车焊装产线的价值评价方法,包括:获取新能源汽车焊装产线的四种评价指标;四种评价指标包括设计环节评价指标、装配环节评价指标、配件供应环节评价指标和运维环节评价指标;将评价指标作为第一遗传算法的初始化种群,基于第一遗传算法的种群各个体适应度最大化和指标重要度获取与四种评价指标对应的目标权重约束表达;通过第二遗传算法对目标权重约束表达进行全局搜索,获得多个第一权重;通过第一梯度投影法对多个第一权重进行局部搜索,获得目标权重;根据目标权重和评价指标,获得新能源汽车焊装产线的评价值。采用优化算法确定评价指标的目标权重,满足了用户个性化定制需求。