-
公开(公告)号:CN120071171A
公开(公告)日:2025-05-30
申请号:CN202510016120.9
申请日:2025-01-06
Applicant: 重庆大学
IPC: G06V20/13 , G06V10/774 , G06V10/44 , G06V10/80 , G06V10/764 , G06V10/82 , G06N3/045 , G06N3/0455 , G06N3/0464 , G06N3/048 , G06N3/0475 , G06N3/094 , G06N3/096 , G06N3/092
Abstract: 本发明涉及人类识别技术领域,特别涉及一种基于高分辨率遥感数据迁移学习的生态保护区域人类活动识别方法。包括:采集生态保护区域遥感图像数据;去云生成无云图像数据集;以通用数据集迁移训练的特征提取模型,提取无云图像数据集的数据特征;以提取的数据特征训练YOLOv5模型。本发明结合自适应空间注意力机制、生成式对抗网络、深度迁移学习和多特征网络,解决遥感影像去云、小样本分析和人类异常活动监测的难题,并构建一体化的监测系统,实现对生态保护区域人类异常活动的监测与预警,为生态保护提供强有力的技术支持。
-
公开(公告)号:CN118967446A
公开(公告)日:2024-11-15
申请号:CN202411097421.0
申请日:2024-08-12
Applicant: 重庆大学
IPC: G06T3/4053 , G06T3/4046 , G06T3/4007 , G06N3/0464 , G06N3/0495 , G06N3/084
Abstract: 本发明涉及卫星遥感图像处理技术领域,特别涉及一种基于空间移位卷积的自然灾害卫星遥感图像短时滞超分方法。包括:获取分辨率低于预设值的低分辨率卫星遥感图像;以1×1卷积层实现空间移位运算,完成局部特征聚合;以低分辨率和高分辨率配对卫星遥感图像,训练时滞超分模型;以训练好的时滞超分模型处理低分辨率遥感图像,完成超分辨率转换,生成高分辨率图像。相较于基于双线性插值超分方法、基于三次立方插值超分方法、基于最近邻插值超分方法,本发明产生的PSNR值和SSIM值均更高,能够更有效地提高图像的分辨率和清晰度。
-
公开(公告)号:CN120088955A
公开(公告)日:2025-06-03
申请号:CN202510257736.5
申请日:2025-03-05
Applicant: 重庆大学
Abstract: 本发明涉及火灾监测技术领域,特别涉及一种通信受限条件下多传感器融合环境异常检测方法。本发明由传感器节点实时采集温度、湿度、甲烷、一氧化碳、二氧化碳浓度等多维度环境参数,通过Dempster‑Shafer证据理论对多源数据进行融合,解决传感器冲突与不确定性;再以一维卷积神经网络1DCNN分类器基于融合后的数据,识别火灾异常。本发明采用边缘计算技术,将DSET滤波器和1DCNN分类器部署在微控制器上。这不仅减少了对云计算的依赖,还提高了系统的实时性和数据安全性。通过本地处理,即使在网络中断或延迟的情况下,系统仍能保持高效运行。
-
公开(公告)号:CN119622597A
公开(公告)日:2025-03-14
申请号:CN202411893939.5
申请日:2024-12-20
Applicant: 重庆大学
IPC: G06F18/2433 , G01H17/00 , G06F18/2415 , G06F17/16 , G06F18/214
Abstract: 本发明涉及燃气轮机发电机技术领域,特别涉及一种基于对比度分析的燃气轮机发电机组振动数据异常检测方法。所述方法包括:连续采集燃气轮机发电机组连续振动数据;采用改进均值绝对偏差法,识别噪声点;采用背景对比度检测,识别连续噪声;根据分位数图为基础的阈值选择方法,分离噪声和异常值;根据去除噪声点和连续噪声后的数据,计算原始数据的异常程度完成异常检测。本发明在保留实际异常数据的同时,有效区分了噪声和异常值,避免了异常值被误认为噪声而被滤除,确保了控制系统能够及时响应真正的异常情况,提高了系统的可靠性和准确性。
-
公开(公告)号:CN119888171A
公开(公告)日:2025-04-25
申请号:CN202411893937.6
申请日:2024-12-20
Applicant: 重庆大学
IPC: G06V10/25 , G06V10/24 , G06V10/774 , G06T7/13 , G06T7/62 , G06N3/0464
Abstract: 本发明涉及船体检测技术领域,特别涉及一种基于深度学习的船体外板裂缝识别方法。所述方法包括:获取船体外板的实际图像数据;通过基于CNN的识别定位模型,标记有裂缝图像数据;根据裂缝尺寸划分为明显裂缝图像数据和不明显裂缝图像数据;对于明显裂缝图像数据,进行风险预警;对于不明显裂缝图像数据,输入到跟踪识别模型,判断其裂缝变化;若裂缝变化大于变化阈值,进行风险预警;若裂缝变化小于变化阈值,判断其是否有裂缝汇聚风险,有汇聚风险时,进行风险预警。对于人类肉眼无法直接观测到的船体外板有自动的裂缝识别方法,本发明针对不同的船体外板裂缝有不同的处理方法,可以节省大量的人力物力。
-
公开(公告)号:CN119989153A
公开(公告)日:2025-05-13
申请号:CN202510164449.X
申请日:2025-02-14
Applicant: 重庆大学
IPC: G06F18/2415 , G06F18/214 , G06N3/084 , G06F18/22 , G06F18/2131 , G06F18/15 , G01M13/045
Abstract: 本发明涉及吊装机构轴承故障诊断技术领域,特别涉及一种基于因果特征学习的吊装机构轴承故障诊断方法。包括:获取轴承源域数据;以轴承源域数据训练深度学习故障诊断模型;获取轴承目标域数据;将轴承目标域数据输入训练好的深度学习故障诊断模型,输出轴承故障诊断结果。本发明所提的基于领域泛化技术的吊装机构轴承故障诊断方法,能够解决现实环境下,由于工况变化导致的原有模型无法对新数据进行高质量高效率故障诊断的问题,提出了一套新的故障诊断方法,所述方法能够显著降低数据采集成本,使得吊装机构轴承运行的安全性和可靠性大大提升。
-
-
-
-
-