-
公开(公告)号：CN119067914A
公开(公告)日：2024-12-03
申请号：CN202410936699.6
申请日：2024-07-12
Applicant: 电子科技大学
Abstract: 本发明提出了一种基于CNN的工业物品表面损伤实时检测方法及系统，涉及图像处理技术领域，该方法包括：实时采集目标物品的图像并进行图像预处理；利用预训练的Faster R‑CNN模型初步定位目标物品在图像中的位置；基于特征匹配的目标跟踪算法对检测到的目标进行连续帧的跟踪以提取损伤区域的特征图；构建加入SE块的轻量级CNN识别模型，并将损伤区域的特征图输入轻量级CNN识别模型以得到目标物品的实时检测结果；本发明能够实时处理高帧率时间序列数据的CNN识别框架，有效地进行数据清理，去除或修正低质量的图像数据，显著提高工业物品表面损伤检测效率。
-
公开(公告)号：CN118926653A
公开(公告)日：2024-11-12
申请号：CN202410936670.8
申请日：2024-07-12
Applicant: 电子科技大学
IPC: B23K9/127
Abstract: 本发明公开了一种基于激光视觉传感的对称焊接三维复杂焊缝跟踪方法，属于机器人焊接的技术领域，其包括采用激光传感器沿焊缝进行分段扫描，获取三维焊件槽形状数据；对三维焊件槽形状数据进行滤波处理，提取三维焊件槽形状数据的焊缝特征点；根据焊缝特征点，采用非均匀有理B样条拟合方法规划机器人的焊缝路径。本发明采用分段扫描、组合过滤处理、特征点提取和焊接路径规划的方法实现三维复杂焊缝跟踪，能够显著提高焊接过程中的自动化和精度，通过实时跟踪和调整焊缝路径，可以减少生产缺陷，提高生产效率，还减少了对高技能焊接操作员的依赖，降低了生产成本。
-
公开(公告)号：CN118190415A
公开(公告)日：2024-06-14
申请号：CN202410220691.X
申请日：2024-02-28
Applicant: 电子科技大学
IPC: G01M13/045 , G06F18/241 , G06N3/0464 , G06F18/214
Abstract: 本发明公开了一种基于图神经网络和两阶段框架的轴承故障检测方法，涉及轴承故障检测技术领域。该方法在第一阶段使用时空图卷积网络整合各具有时间序列和位置特征的实际轴承振动信号值，输出得到各振动传感器未来的轴承振动信号预测值；在第二阶段对各振动传感器进行异常检测，对于每一个振动传感器，将其采集到的实际轴承振动信号值，与其未来的轴承振动信号预测值进行比较，得到轴承振动检测差异值，若轴承振动检测差异值越大，则认为该振动传感器出现故障的概率越大；将各振动传感器的轴承振动检测差异值降序排列，轴承振动检测差异值越小，则认为对应的轴承出现故障的概率越大。本发明考虑到了传感器的信号之间的联系，识别精度更高。
-
公开(公告)号：CN115457020B
公开(公告)日：2023-12-26
申请号：CN202211201681.9
申请日：2022-09-29
Applicant: 电子科技大学
IPC: G06T7/00 , G06T7/33 , G06N3/0464 , G06N3/088
Abstract: 本发明公开了一种融合残差图像信息的2D医学图像配准方法，涉及医学图像技术领域，包括：构建医学图像配准模型；模型训练；模型在图像配准的应用。本发明在计算MSE相似度时引入残差图像，有效融合局部像素信息，解决了像素失位和变形折叠的问题；基于卷积神经网络的局部性和Vision Transformer中多头注意力机制的全局性，设计了一个基础地配准网络，并在该基础配准网络中创新性地使用了融合残差图像信息的跳跃连接，解决了MSE仅对像素值计算，无法准确找到像素之间特征匹配的问题，并有效提高了配准模型的泛化性能；提出了多分辨率渐进配准策略，提高了配准的准确性，在变形过程中增强了拓扑保持性。
-
公开(公告)号：CN116664291A
公开(公告)日：2023-08-29
申请号：CN202310386719.2
申请日：2023-04-12
Applicant: 电子科技大学
IPC: G06Q40/04 , G06Q10/0631 , G06Q50/06
Abstract: 本发明公开了一种基于博弈的电力需求响应交易方法、系统、存储介质及终端，包括：电网公司给用户提供电价；用户根据当前电价确定最佳电力需求；电网公司根据用户反馈的最佳电力需求优化自身利润函数后，更新当前电价；用户接收到电网公司重新提供的电价后，优化自身的用户福利，确定最终的电力需求。本发明采用Stackelberg博弈方法来实现对用户和电网公司的需求相应交互机制，用户和电网公司双方都是根据对方可能的策略来选择自己的策略以保证自己在对方策略下的利益最大化，使得发电成本降低，发电量更加稳定，电网更加稳定。
-
Patent Agency Ranking
公开(公告)号：CN112288103B
公开(公告)日：2023-04-07
申请号：CN202011129860.7
申请日：2020-10-21
Applicant: 电子科技大学
IPC: G06Q10/20 , G06F16/2458 , G06F16/248
Abstract: 本发明公开了一种石油钻井系统中设备检测的启动方法，其包括S1获取多个石油钻井系统中所有设备的历史故障数据；S2统计待检测设备和非待检测设备的每个数据项的不同值出现的次数；S3构建待检设备和非待检设备在数据项i上的N维度距离向量；S4判断是否存在未遍历的非待检测设备，若是，返回S2，否则进入S5；S5计算每个N维度距离向量的无穷范数值，并选取M个最小无穷范数值对应的非待检测设备作为待检测设备的邻居设备；S6计算待检测设备与邻居设备发生故障时的状态距离及状态距离的权重值，并根据这两个值计算预警值；S7判断预警值是否大于预设阈值，若是，则提醒维护人员启动待检测设备的检测，否则，返回S1。
-
公开(公告)号：CN112215372B
公开(公告)日：2023-04-07
申请号：CN202011128817.9
申请日：2020-10-21
Applicant: 电子科技大学
IPC: G06Q10/20 , G06Q10/109 , G06Q50/02 , G06F17/18
Abstract: 本发明公开了一种面向石油钻井系统中设备检测的计算机辅助系统，其包括检测预警模块、检测标准库模块、与检测预警模块和检测标准库模块连接的检测单生成模块、与检测单生成模块连接的检测记录模块、与检测记录模块连接的统计及查询模块和数据同步模块及与检测预警模块连接的预测分析模块。本方案提供的辅助系统可以用于指导维护人员实施石油钻井系统中相应设备检测的计划性、周期性、系统性的检查工作，使石油钻井系统的设备检测工作更加程序化和规范化，以提高石油钻井系统中所有设备检测质量，降低石油钻井系统的故障率，提高其运行的可靠性、安全性和利用率。
-
公开(公告)号：CN112330662B
公开(公告)日：2022-04-12
申请号：CN202011337099.6
申请日：2020-11-25
Applicant: 电子科技大学
Abstract: 本发明提供了一种基于多层级神经网络的医学图像分割系统及方法，属于医学图像处理技术领域，本发明将待分割的原始医学图像输入图像初始化模型进行初始特征的提取，然后将初始特征输入到多层级深度特征提取模型中，提取出图像的多层级深层特征，然后将深层特征输入到多层级分割模型中，同时将多层级深度特征提取模块中的深层特征，通过金字塔池化长连接模型，输入到多层级分割模型中，由多层级分割模型根据图像中逐个像素的分类情况，输出高精度分割后的医学图像，本发明提供的分割方法提升了医学图像深度特征提取效率，并能够提高医学影像分割的精度。
-
公开(公告)号：CN111654368B
公开(公告)日：2021-10-08
申请号：CN202010495938.0
申请日：2020-06-03
Applicant: 电子科技大学
Abstract: 本发明提供了一种基于深度学习生成对抗网络的密钥生成方法，首先，准备训练集图像；构建密钥生成网络：根据生成器网络以及判别器网络构建密钥生成网络，并将所述训练集图像输入至所述密钥生成网络；训练密钥生成网络：利用深度学习方法训练所述密钥生成网络，生成密钥。采用本发明生成的密钥具有较大的密钥空间，伪随机性，一次一密和对初值敏感的特性。本申请是尝试在密钥生成领域采用深度学习方法的最早研究之一，并且使用生成的密钥对明文医学图像进行加密可以带来较高的安全性。
-
公开(公告)号：CN119444821A
公开(公告)日：2025-02-14
申请号：CN202410936705.8
申请日：2024-07-12
Applicant: 电子科技大学
Abstract: 本发明公开了一种基于纹理检测技术融合的纹理方向检测方法，包括：S1、对彩色图像进行图像转换和去噪处理，生成灰度图像；S2、统计灰度图像中不同灰度级别的像素数量，得到灰度分布图，根据灰度分布图得到第一纹理方向；S3、提取图像中的边缘信息，得到梯度幅值图，根据梯度幅值图生成清晰的边缘图像；S4、根据霍夫变换提取边缘图像的第二纹理方向；S5、对图像进行光谱分析，得到图像的频谱表示，计算频谱的幅度谱得到第三纹理方向；S6、将第一～第三纹理方向进行融合，得到最终的纹理方向。通过融合多种检测技术，解决单一方法在处理不同纹理类型、噪声水平和复杂度时的不足，提供一种更为全面和鲁棒的纹理方向检测方案。
-
-
-
-
-
-
-
-
-
Search Results
53
records
(took 0.025 seconds)
