龙图腾网&IPTOP
- 微信扫码登录
- 账号密码登录
- 短信登录/注册
申请/专利权人：东北大学
申请日：2024-01-29
公开（公告）日：2024-04-30
公开（公告）号：CN117952934A
主分类号：G06T7/00
分类号：G06T7/00;G06V10/82;G06N3/0464;G06N3/08;G06V10/764
优先权：
专利状态码：在审-实质审查的生效
法律状态：2024.05.17#实质审查的生效;2024.04.30#公开
摘要：本发明提供一种基于DDPM与Conv‑Transformer的冶炼过程异常状态检测方法，包括：采集正常状态与异常状态的图像样本集，并对图像样本集进行预处理，得到原始数据集；构建基于深度学习的DDPM，并利用DDPM将采集到的数据集进行图像生成，得到合成样本集，并整合原始数据集和合成样本集，得到新数据集；构建卷积模块，卷积模块包括若干卷积层、非线性激活函数和最大池化层；构建Conv‑Transformer模型，在ViT基础上采用构建的卷积模块替代原始的批次嵌入，确定Conv‑Transformer模型的相关超参数集合；对构建的Conv‑Transformer模型进行训练和评估。本发明能够深入提取机尾横截面图像以及工业冶炼炉炉体图像的局部以及全局特征，准确地检测出异常状态，有效提高异常状态的检测准确率，同时降低模型的参数和复杂度。
主权项：1.一种基于DDPM与Conv-Transformer的冶炼过程异常状态检测方法，其特征在于，包括：S1、采集正常状态Xnormal与异常状态Xabnormal的图像样本集，并对图像样本集进行预处理，得到数据集Xpre-original；S2、构建基于深度学习的DDPM，并利用DDPM将采集到的图像样本集Xpre-original进行图像生成，得到合成样本集Xgen，并整合图像样本集Xpre-original和合成样本集Xgen，得到数据集Xnew＝Xpre-original∪Xgen；S3、构建卷积模块Mconv，卷积模块Mconv包括若干卷积层Lconv、非线性激活函数f和最大池化层Lmaxpool；S4、构建Conv-Transformer模型，在ViT基础上采用构建的卷积模块Mconv替代原始的批次嵌入，确定Conv-Transformer模型的相关超参数集合H；S5、对构建的Conv-Transformer模型进行训练和评估。
全文数据：
权利要求：
百度查询： 东北大学 一种基于DDPM与Conv-Transformer的冶炼过程异常状态检测方法
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。
主营中国专利交易买卖与专利转让许可,高校科技成果推广与科技成果转化,知识产权运营管理与平台开发,科技人才专家库与科技猎头等科技服务
开放平台
担保交易
惠及多方
会员特惠
专属平台
适合多方
数据共享
功能齐全
皖公网安备 34010402703815号