本发明提供了一种基于多尺度融合的单阶段目标检测神经网络及工业品表面缺陷检测模型，属于图像处理与分析的技术领域。解决了工业品表面缺陷的检测、识别问题，能够提高缺陷检测的识别率、降低小目标缺陷的漏检。本发明的神经网络由“图像预处理层”、“特征提取网络层”、“连接层”、“多尺度融合网络层”和“预测网络层”构成，分别实现“图像数据增强”、“图像特征提取”、“卷积连接”、“图像特征多尺度融合处理”和“对多尺度融合网络层的融合特征进行多种采样处理”的功能。本发明采用最大池化方式进行多尺度融合，增加预测器的数量，实现深层网络对浅层网络特征信息的充分利用；利用训练后的模型能够进行工业品表面缺陷的检测识别。
📄 2021110670762
📂 G06T7_00
👤 天津科技大学
📅 2021-09-13
本发明公开了一种基于LCM的域控制器故障诊断系统，包括MCU模块、SOC模块和诊断仪，MCU模块和SOC模块通过以太网或CAN总线走LCM协议通讯，诊断仪与MCU模块通过以太网或CAN总线走UDS协议通讯，MCU模块和SOC模块在进行故障检测前分别对LCM初始化；通过LCM协议将不同信息检测器输出的不同属性的故障信息进行数据格式的统一。将统一格式后的数据划分为识别段和验证段，诊断仪通过识别该识别段快速判断车辆是否存在故障。后期车辆故障分析单元被触发后，诊断仪识别该验证段具体分析车辆故障原因，实现快速发现故障信息和故障信息的具体诊断。
📄 2021106177170
📂 G05B23_02
👤 英博超算(南京)科技有限公司
📅 2021-06-02
已申报项目
一种基于数字孪生辅助的轴承智能故障诊断方法，属于轴承故障诊断领域，所述方法包括以下步骤：第一步，构建基于数字孪生的轴承故障诊断五维模型框架；第二步，物理实体层PEL与虚拟构建层VCL虚实相映；第三步，在检测对象DO中建立轴承动态仿真模型；第四步，在数据交互层DIL中进行数据增强；第五步，在数据交互层DIL中的DTA‑SSCLMB模型进行数据预处理；第六步，在数据交互层DIL中的FDM使用DTA‑SSCLMB模型进行自监督时频对比学习；第七步，对数据交互层DIL中的DTA‑SSCLMB进行模型的微调，以完成故障诊断。本发明提升在样本稀缺条件下的故障诊断能力。
📄 2025112797249
📂 G06F30_27
👤 中国计量大学
📅 2025-09-09
一种基于数据增强和自监督时频对比的机电设备故障诊断方法，属于机电设备故障诊断领域，所述方法包括以下步骤：第一步，机电设备数据增强与预处理；第二步，使用基于通道‑空间注意机制的选择性卷积核SKCS优化自监督时频对比学习；第三步，使用改进的互相关损失矩阵来衡量频域数据与时域数据之间的相关性，并通过损失函数训练模型；将参数更新后的编码器保留到下游的故障诊断任务中，实现对机电设备故障故障诊断。本发明提高故障表征学习的准确性和鲁棒性，提升跨场景故障诊断的效率和实用性。
📄 2025112797075
📂 G06F18_214
👤 中国计量大学
📅 2025-09-09
一种基于短序列时间卷积网络的电梯故障诊断方法，属于电梯故障诊断、振动故障诊断技术领域，首先，采用一维卷积方法实现电梯的原始时域振动信号降维；然后，利用时间卷积神经网络结合神经常微分方程实现短序列的局部故障特征提取；最后，引入自注意力机制，以提取更丰富的全局故障相关特征信息，进行电梯故障诊断。本发明提供一种有效提升故障检测的准确性和可靠性的基于短序列时间卷积网络的电梯故障诊断方法。
📄 2024114338553
📂 G06F18_213
👤 中国计量大学
📅 2024-10-15
本发明公开了一种基于神经网络模型的海域波浪数据推演方法及系统，包括：获取目标海域对应的波浪图像及历史波浪时序数据，对历史波浪时序数据进行时序分解获得对应的周期性数据，通过对所述历史波浪时序数据进行时序分析以使构建周期性预测模型；通过所述周期性预测模型提取所述周期性数据的周期性特征，并对所述周期性特征与所述历史波浪时序数据进行数据拟合后获得的第二历史波浪时序数据进行模态分解，获得对应的子序列，再将所述子序列及所述第二波浪图像输入至预训练的双通道神经网络模型，通过所述双通道神经网络模型进行波浪数据的推演，输出所述目标海域在预测周期内的波浪数据，提高波浪数据推演的效率及精准度。
📄 2024109469988
📂 G06F18_27
👤 广东海洋大学
📅 2024-07-16
基于动态k‑means聚类的神经网络态势预测方法，包括以下步骤：1）收集某系统网络安全基础数据，数据指标即感染网络病毒主机数量，被篡改网络数，被植入后门的网络数量，安全事件报告数,仿冒页面数量,以及安全漏洞和高危漏洞数量，对网络安全基础数据归一化处理；2）对归一化后的网络安全基础数据，利用动态k‑means聚类算法进行聚类，确定RBF神经网络中心神经元参数和个数N；3）使用归一化后的数据参与RBF神经网络训练，计算RBF神经元宽度并确定神经元输出；4）在训练过程中，对RBF神经网络的输出权值进行编码，使用PSO算法得到最优权值，使网络态势预测精度提高；5）使用已训练的RBF神经网络对某月网络态势进行预测，并与当月网络态势评估值作对比，计算误差；具有预测精度高的特点。
📄 2017113616814
📂 H04L29_06
👤 西安邮电大学
📅 2017-12-18
本发明公开了一种风电机组齿轮箱故障诊断方法及系统，包括：对原始振动信号进行VMD变分模态分解得到本征模态分量IMF，取相关系数ρi最大的本征模态分量IMF做Hilbert变换，得到Hilbert‑Huang谱图；将各原始振动信号对应的Hilbert‑Huang谱图分为源域数据样本和目标域数据样本；构建深度残差网络模型，利用源域数据样本和目标域数据样本训练深度残差网络模型得到针对目标域的迁移诊断模型；输入目标域待测数据样本到迁移诊断模型中得到诊断结果；利用MK‑MMD损失函数对深度残差网络模型进行调整使得模型能够在仅有少量样本的情况下实现故障的高精度诊断。
📄 2023117207978
📂 G06F18_214
👤 河海大学
📅 2023-12-14
本发明提供的基于RBF神经网络的ICP‑AES重叠谱线分离方法，建立单条谱线模型和重叠谱线数学模型；设计基于RBF神经网络的谱峰分离参数预测模型输入输出结构；构建叠加谱线训练样本集和测试样本集；训练并测试模型后，对待解析的叠加谱线进行特征向量预测，解析出重叠谱线中的多个子峰谱线。优点是：通过对重叠光谱的谱线建立叠加谱线数学模型；利用RBF神经网络在非线性关系映射上的优势，建立基于RBF神经网络的谱峰分离参数预测模型；通过对重叠光谱谱峰分离的峰值、峰位以及峰的半宽度等参数进行预测，实现重叠光谱的多峰分离。通过解析出的多个纯净分离谱线，得到准确的光强测量结果，实现对光谱重叠干扰校正的目的。
📄 2020111616510
📂 G01N21_73
👤 北京工商大学
📅 2020-10-27
本发明公开了基于随机神经网络搜索的机油罐标签划痕检测系统及方法，属于机油罐标签划痕检测技术领域，旨在解决现有技术中采用人工方式对机油罐标签划痕检测存在准确率低、效率低、检测具有滞后性的问题，以及一般自动检测系统存在的误检严重、分级精度低的问题。通过采集机油罐正反两面的标签图像对其进行划痕检测，并实现有划痕自动报警，根据检测结果对机油罐进行自动分类，相比采用人工的方式节省了大量的人力、物力和财力，同时采用随机神经网络架构搜索方法搜索得最优网络模型，检测准确度更高，能够更加规范生产管理和操作流程。
📄 2023102507170
📂 G01N21_88
👤 新余云知联信息科技有限公司
📅 2023-03-16
本发明公开了一种列车传动电机、齿轮箱及轴箱的故障诊断方法与系统，属于列车传动系统故障诊断技术领域，方法包括针对列车传动系统的关键组件分别设计专用专家网络；引入多头自注意力门控网络，对专用专家网络输出的特征进行动态融合；采用包含交叉熵损失、KL散度正则化损失、负载均衡损失的联合损失函数，训练专用专家网络与门控网络；基于师生模型架构与知识蒸馏，实现新增故障类别适配与历史知识保留；将待诊断的多组件振动信号输入训练完成的模型，通过特征提取、门控网络融合、分类器预测，输出概率最高的故障类别作为诊断结果。本发明解决列车传动系统故障诊断中多组件独立建模、增量学习延迟、灾难性遗忘、多工况适应性差等问题。
📄 2026101407200
📂 G06F18_2431
👤 青岛理工大学
📅 2026-02-02
本发明提供了一种基于复数神经网络的射频指纹识别方法、设备及介质。其中，基于复数神经网络的射频指纹识别方法，包括：将获取的原始复数信道状态信息CSI数据转换为幅度数据，并为所述幅度数据添加全零虚部，以构建成符合复数神经网络输入格式的复数形式数据；将所述复数形式数据划分为训练集和测试集；构建用于对输入的复数形式数据进行特征提取的复数神经网络模型；使用所述训练集对所述复数神经网络模型进行训练；将待识别的CSI数据经构建成复数形式数据后，输入到训练好的复数神经网络模型中，根据模型输出的复数结果的幅度值确定待识别的CSI数据所属的设备类别。达到在复杂的无线环境中，实现对设备身份准确且稳定识别的目的。
📄 2025118006960
📂 G06F18_241
👤 无锡学院
📅 2025-12-02
柿子坊 · 知识产权运营
柿子坊知识产权运营平台