一种基于深度学习的遥感图像目标提取系统和方法

    公开(公告)号:CN112287983A

    公开(公告)日:2021-01-29

    申请号:CN202011103546.1

    申请日:2020-10-15

    Abstract: 本发明公开了一种基于深度学习的遥感图像目标提取系统和方法,所述系统包括:主干网络模块,用于对原始图片进行多次下采样,获得第一低级特征、第二低级特征、第三低级特征和第四低级特征;判别上下文感知特征提取模块,用于根据第四低级特征获得多尺度上下文特征差异融合结果;第一上采样模块,根据多尺度上下文特征差异融合结果获得第一高级特征;第一精炼解码器模块,用于将第三低级特征与第一高级特征融合并上采样,获得第二高级特征;第二精炼解码器模块,用于将第二低级特征与第二高级特征结果融合并上采样,获得第三高级特征。该遥感图像目标提取系统和方法能够增强背景和目标特征的鉴别能力,具有良好的目标提取能力。

    基于统计分析与XGboost结合的盾构纠偏方法

    公开(公告)号:CN108868805B

    公开(公告)日:2019-11-15

    申请号:CN201810583493.4

    申请日:2018-06-08

    Abstract: 本发明提出了一种基于统计分析与XGboost结合的盾构纠偏方法,用于解决现有技术中存在的纠偏精度较低的技术问题,实现步骤为:获取盾构参数数据包;获取训练集数据和测试集数据;获取基于XGboost的盾构姿态参数回归模型;获取多组掘进样本数据;对盾构机姿态进行纠偏。通过统计分析,将姿态参数值划分为多个区间,并且对每个区间掘进数据通过XGboost所建立的回归模型进行计算,得到每组包含多条盾构数据的多组数据,使得每个区间给出一组盾构参考数据,给多环纠偏时参数设置提供依据,通过基于XGboost所拟合的回归模型,有效提高了所给出的盾构参考数据的准确性,进而提高了掘进纠偏的准确度。

    基于深度神经网络与关联分析结合的盾构轴线纠偏方法

    公开(公告)号:CN110242310A

    公开(公告)日:2019-09-17

    申请号:CN201910517580.4

    申请日:2019-06-14

    Abstract: 本发明提出了一种基于深度神经网络与关联分析结合的盾构轴线纠偏方法,用于解决现有技术中存在的纠偏精度较低的技术问题,实现步骤为:构建盾构参数数据包;计算每类盾构轴线偏差的历史纠偏数据;构建基于深度神经网络DNN的轴线偏差参数回归模型;获取每类盾构轴线偏差的历史纠偏数据区间;获取每类盾构轴线偏差的每环纠偏量区间关联的纠偏掘进数据区间;获取盾构机各环所需的纠偏量;获取每环的纠偏掘进参数推荐数值。通过深度神经网络DNN构建盾构轴线偏差参数回归模型,通过关联分析获得与每环纠偏量区间关联的纠偏掘进数据区间,通过反向圆几何计算方法获得每环纠偏量,并通过每环纠偏掘进参数推荐数值实现纠偏,有效提高了纠偏精度。

    一种盾构掘进姿态的控制方法

    公开(公告)号:CN110185463A

    公开(公告)日:2019-08-30

    申请号:CN201910583926.0

    申请日:2019-07-01

    Abstract: 本发明提出了一种盾构掘进姿态的控制方法,用于解决现有技术中存在的控制精度较低的技术问题,实现步骤为:获取盾构数据包;获取b个盾构掘进初始特征数据包;对每个盾构掘进初始特征数据包进行递归特征消除;对每个盾构掘进深度特征数据包进行离散化;获取盾构掘进施工参数分析结果;对盾构掘进姿态进行控制。本发明首先通过施工参数与盾构轴线偏差之间的相关性分析和冗余施工参数的递归特征消除,保证了分析结果的客观性;其次深度挖掘施工参数与盾构轴线偏差之间的关联规则,提取数据的隐含规律,可以提高盾构掘进姿态控制的控制精度,可应用于盾构掘进姿态控制。

    一种航空发动机叶片加工过程退化的轮廓质量控制方法

    公开(公告)号:CN108803478A

    公开(公告)日:2018-11-13

    申请号:CN201810617404.3

    申请日:2018-06-15

    Abstract: 本发明提出了一种航空发动机叶片加工过程退化的轮廓质量控制方法,用于解决现有航空发动机叶片加工过程轮廓质量控制精度低的问题。实现步骤为:建立航空发动机叶片多阶段加工过程退化Profile误差累积的耦合预测模型;对航空发动机叶片多阶段加工过程退化Profile误差累积的耦合预测模型进行最小二乘回归;采用提前一步预测残差方法,对发动机叶片加工过程轮廓误差进行自性关性处理;对发动机叶片加工过程节点工序k的残差方程进行最小二乘回归;建立基于聚类的T2控制图监控模型;获取航空发动机叶片加工过程退化的轮廓质量控制结果。本发明可以提高发动机叶片加工过程轮廓质量控制精度,可应用于航空工业领域中发动机叶片加工过程轮廓质量控制。

    一种航空发动机叶片加工过程退化的轮廓质量控制方法

    公开(公告)号:CN108803478B

    公开(公告)日:2020-01-31

    申请号:CN201810617404.3

    申请日:2018-06-15

    Abstract: 本发明提出了一种航空发动机叶片加工过程退化的轮廓质量控制方法,用于解决现有航空发动机叶片加工过程轮廓质量控制精度低的问题。实现步骤为:建立航空发动机叶片多阶段加工过程退化Profile误差累积的耦合预测模型;对航空发动机叶片多阶段加工过程退化Profile误差累积的耦合预测模型进行最小二乘回归;采用提前一步预测残差方法,对发动机叶片加工过程轮廓误差进行自性关性处理;对发动机叶片加工过程节点工序k的残差方程进行最小二乘回归;建立基于聚类的T2控制图监控模型;获取航空发动机叶片加工过程退化的轮廓质量控制结果。本发明可以提高发动机叶片加工过程轮廓质量控制精度,可应用于航空工业领域中发动机叶片加工过程轮廓质量控制。

    一种基于深度学习的遥感图像目标提取系统和方法

    公开(公告)号:CN112287983B

    公开(公告)日:2023-10-10

    申请号:CN202011103546.1

    申请日:2020-10-15

    Abstract: 本发明公开了一种基于深度学习的遥感图像目标提取系统和方法,所述系统包括:主干网络模块,用于对原始图片进行多次下采样,获得第一低级特征、第二低级特征、第三低级特征和第四低级特征;判别上下文感知特征提取模块,用于根据第四低级特征获得多尺度上下文特征差异融合结果;第一上采样模块,根据多尺度上下文特征差异融合结果获得第一高级特征;第一精炼解码器模块,用于将第三低级特征与第一高级特征融合并上采样,获得第二高级特征;第二精炼解码器模块,用于将第二低级特征与第二高级特征结果融合并上采样,获得第三高级特征。该遥感图像目标提取系统和方法能够增强背景和目标特征的鉴别能力,具有良好的目标提取能力。

    一种MEMS麦克风结构及其制备方法

    公开(公告)号:CN114727206B

    公开(公告)日:2023-07-04

    申请号:CN202210153476.3

    申请日:2022-02-18

    Abstract: 本发明公开了一种MEMS麦克风结构及其制备方法,包括:麦克风本体;麦克风本体上设有第一电极通孔、第一电极安装槽、第二电极通孔和第二电极安装槽;第一电极通孔、第一电极安装槽和第二电极安装槽的侧壁上均覆盖有二氧化硅连接层;二氧化硅连接层表面平滑且为背向侧壁凸起的弧面。本发明的麦克风结构及其制备方法通过在第一电极通孔、第一电极安装槽和第二电极安装槽的侧壁上均覆盖有表面平滑的二氧化硅连接层,金属电极与二氧化硅连接层的接触面较为平滑,金属电极覆盖性较佳,避免金属电极连接发生断裂造成的器件失效,提升了器件制造良率。

    一种盾构掘进姿态的控制方法

    公开(公告)号:CN110185463B

    公开(公告)日:2020-10-09

    申请号:CN201910583926.0

    申请日:2019-07-01

    Abstract: 本发明提出了一种盾构掘进姿态的控制方法,用于解决现有技术中存在的控制精度较低的技术问题,实现步骤为:获取盾构数据包;获取b个盾构掘进初始特征数据包;对每个盾构掘进初始特征数据包进行递归特征消除;对每个盾构掘进深度特征数据包进行离散化;获取盾构掘进施工参数分析结果;对盾构掘进姿态进行控制。本发明首先通过施工参数与盾构轴线偏差之间的相关性分析和冗余施工参数的递归特征消除,保证了分析结果的客观性;其次深度挖掘施工参数与盾构轴线偏差之间的关联规则,提取数据的隐含规律,可以提高盾构掘进姿态控制的控制精度,可应用于盾构掘进姿态控制。

Patent Agency Ranking