专利交易市场

本发明属于深度学习技术领域，本发明公开了一种动态视觉监控下包装生产线预警方法和系统，包括对包装生产线进行连续图像采集，获取包装生产线的图像序列；从图像序列中提取表示包装工艺状态的语义特征信息，并基于语义特征信息构建多维张量流数据结构，生成包装工艺语义图谱；引入语义行为曲率理论，对包装工艺语义图谱进行曲率分析，计算不同时序段的语义演化曲率变化率，并利用滑动窗动态曲率检测机制，识别存在的异常弯曲区域，生成语义弯曲异常信息；解决了传统视频监控方法在工艺复杂性、异常细粒度识别和响应时效性上的不足，实现了更加智能、精准、自适应的预警决策闭环。

本发明属于印刷品检测技术领域，本发明公开了一种基于深度学习的印刷品检测方法及系统，包括采集印刷品图像数据并进行多维拓扑映射匹配，利用基于特征分布形态与多尺度曲率半径对比方法，计算印刷品图像特征匹配度；将匹配度结果存储于检测记忆库，通过基于重放记忆的记忆更新机制，结合检测记忆库，对检测记忆进行动态增强与修正；将匹配度结果按照香农信息理论进行多通道信息熵路径建模，通过特征分维压缩与熵增重整方法进行自适应特征传输优化，采用动态余量冗余重传机制进行重传验证，得到高质量特征数据；提升了印刷品缺陷检测的准确率和实时响应能力，适应复杂多变的印刷品检测需求。

本发明属于印刷技术领域，本发明公开了一种智能印刷过程多参数监控与优化系统；其方法包括：获取印刷过程中的多参数实时数据，基于多参数实时数据构建参数空间；将多参数实时数据构建为加权有向图，并在所构建的加权有向图中，获取参数调整基准路线；在参数空间中生成初始解集合，在初始解集合的基础上利用优化算法求解得到最优参数组合；将参数调整基准路线与最优参数组合相结合，形成印刷过程中的动态调整策略并发送至监控优化终端；能够减少浪费，延长设备使用寿命；同时，降低原料的浪费，减少废弃物的产生。

本发明属于计算机视觉技术领域，本发明公开了一种基于深度学习的智能预印图像优化系统及方法；数据收集模块，用于收集图像参数数据、预印设备参数数据和用户行为数据；数据处理模块，用于对获取的图像参数数据、预印设备参数数据和用户行为数据进行预处理，得到图像特征数据集、预印设备特征数据集和用户行为特征数据集；评估用户行为特征数据集对图像特征数据集和预印设备特征数据集产生的影响，得到影响特征数据集；图像误差预测模块，用于根据影响特征数据集训练获取预印图像误差预测模型，通过预印图像误差预测模型预测得到预印图像误差；通过准确的误差预测，系统可以为用户提供优化建议，从而提高印刷质量和效率。