“郭法滨”申请（专利权）人搜索_中国专利权人_发明人_技术持有人_科研专家_钻瓜专利网

钻瓜专利网为您找到相关结果5个，建议您升级VIP下载更多相关专利

[发明专利]一种金属板材表面缺陷检测方法-CN202211329135.3在审
发明人：张琛;白旭;陈圣兵;郭法滨;卫永康 -专利权人：合肥学院
申请日： 2022-10-27 - 公布日： 2023-01-10 - 主分类号： G06T7/00 文献下载
摘要：本发明提供了一种金属板材表面缺陷检测方法，属于金属板材表面缺陷检测技术领域，包括实时采集金属板材产品线板材二维图像数据；构建双路注意力可变形卷积检测网络模型并训练，双路注意力可变形卷积检测网络模型包括：卷积模块；通道注意力模块；空间注意力模块；可变形卷积模块；可变形RoI池化模块；Detect模块；将金属板材产品线板材图片数据输入训练好的双路注意力可变形卷积检测网络模型中，得到金属板材缺陷的类型和位置信息；实时将缺陷类别与个数信息记录到系统，实现金属板材表面缺陷的实时检测。该方法可以实现金属板材表面缺陷的实时检测。
一种金属板材表面缺陷检测方法

[发明专利]基于分形特征和捕食者算法的泵机设备故障声音检测方法及其系统-CN202210789258.9在审
发明人：张琛;陈圣兵;郭法滨;刘雨欣;余芬芬;王晓波;陈志彪;徐志广 -专利权人：安徽云磬科技产业发展有限公司
申请日： 2022-07-06 - 公布日： 2022-11-08 - 主分类号： G06K9/00 文献下载
摘要：本发明公开了一种基于分形特征和捕食者算法的泵机设备故障声音检测方法，包括以下步骤：S1：利用声音采集器对泵机故障进行声音信号采集；S2：对声音信号进行降噪、预处理；S3：对降噪后的声音信号进行声音特征和分形特征提取；S4：构建基于猎食者优化算法的SVM泵机设备故障诊断模型，使用改进的猎食者优化算法优化SVM中的参数。还公开了一种基于分形特征和捕食者算法的泵机设备故障声音检测系统。本发明结合分形特性以及声音特征进行泵机的故障诊断，通过对传统的捕食者算法进行双种群改进，然后优化支持向量机参数，进而构建设备故障诊断模型，实现泵机故障诊断。
基于特征捕食算法设备故障声音检测方法及其系统

[发明专利]一种动态进化鲸鱼优化算法的化合物水溶性预测方法-CN202210679711.0在审
发明人：张琛;沈亚;陈圣兵;郭法滨;张新;程知 -专利权人：合肥学院
申请日： 2022-06-16 - 公布日： 2022-09-16 - 主分类号： G06N3/00 文献下载
摘要：本发明提供了一种动态进化鲸鱼优化算法的化合物水溶性预测方法，具体包括以下步骤：步骤S1：选取化合物水溶性数据集作为实验数据并将数据集划分为训练集和测试集；步骤S2：使用多种群和种群动态进化的策略改进鲸鱼优化算法提高鲸鱼优化算法的寻优能力；步骤S3：将改进后的鲸鱼优化算法用于LSTM神经网络的参数寻优，训练具有较优参数结构的LSTM神经网络；步骤S4：使用改后的LSTM神经网络预测预测化合物水溶性；利用本发明训练的LSTM深度学习模型，能够准确预测化合物水溶性；对传统的鲸鱼优化算法进行优化，提高了寻优精度和算法收敛效率；将深度学习与群体智能优化算法应用于化合物水溶性预测，为化合物相关性质预测的研究工作提供了有价值的参考。
一种动态进化鲸鱼优化算法化合物水溶性预测方法

[发明专利]基于密度聚类的采用声音识别设备生命周期的方法及系统-CN202111679584.6在审
发明人：刘胜军;王俊杰;陈圣兵;张琛;郭法滨;王家俊 -专利权人：安徽云磬科技产业发展有限公司
申请日： 2021-12-31 - 公布日： 2022-05-24 - 主分类号： G10L25/03 文献下载
摘要：本发明公开了一种基于密度聚类的采用声音识别设备生命周期的方法及系统，包括声音信号采集步骤、数据预处理步骤、特征提取步骤、构造KD树步骤、聚类算法模型训练步骤、模糊匹配识别生命周期步骤；根据聚类结果获取待检设备所处的生命周期。本发明是基于声音信息来判断设备的生命周期，具有非接触、不停机、不受遮挡物与光线影响等优点。本发明采用密度聚类的方式，自动识别设备的生命周期个数，可以克服固定周期数灵活性不足的问题。
基于密度采用声音识别设备生命周期方法系统

[发明专利]一种基于图神经网络的跨区域空气污染预测方法及系统-CN202210082091.2在审
发明人：张琛;陈圣兵;刘淇;郭法滨;张新;邹乐 -专利权人：合肥学院
申请日： 2022-01-24 - 公布日： 2022-05-06 - 主分类号： G06Q10/04 文献下载
摘要：本发明属于空气污染预测领域，涉及一种基于图神经网络的跨区域空气污染预测方法及系统。该方法包括：获取不同站点的传感器采集数据，构建空气质量特征数据集；基于构建的空气质量特征数据集，利用时空图神经网络搭建跨区域空气污染空间关系网络图；基于空气污染空间关系网络图以及空气质量特征数据集，利用GRU与Transformer层提取多维特征，将提取得到的多维特征输入到全连接神经网络，得到空气污染浓度的多步预测。本发明运用基于图神经网络对跨区域的历史污染物浓度进行处理，进行污染物的预测及分析，本发明为空气污染物预测提供了一种新的解决方案，进而在空气污染预测领域进行广泛应用，便于大气污染防治科学体系的构建，推进碳中和的发展。
一种基于神经网络跨区空气污染预测方法系统