-
公开(公告)号：CN111010548A
公开(公告)日：2020-04-14
申请号：CN201911345001.9
申请日：2019-12-24
Applicant: 南昌工程学院
Abstract: 本发明涉及影像处理领域，具体为一种反馈型多视频流信息融合系统及其工作方法，本反馈型多视频流信息融合系统包括：上位机、处理器模块，与处理器模块电性连接的若干红外传感器和若干摄像头；所述摄像头底部均设置有转台，并且转台上均设置有所述红外传感器；所述处理器模块适于根据红外传感器检测的拍摄区域内目标行人与摄像头的距离控制摄像头调整焦距以拍摄目标行人影像；所述上位机适于根据多角度的目标行人影像获取目标行人完整影像，并在在锁定目标行人后，发送转台控制信号至处理器模块以控制转台跟随旋转。本发明实现了影像的完整采集。
-
公开(公告)号：CN113295836A
公开(公告)日：2021-08-24
申请号：CN202110566461.5
申请日：2021-05-24
Applicant: 南昌工程学院
Abstract: 本发明公开了一种水质探测传感器结构包括罩筒、滑板、水质参数传感器和防护板，所述滑板滑动连接在罩筒内，所述水质参数传感器设置在滑板和防护板之间，所述水质参数传感器的上下两端分别固定安装在滑板和防护板的侧壁上，所述罩筒内设置有收放机构，所述滑板与防护板之间对称固定安装有两个竖板。本发明，三号驱动电机启动，带动限位板转动，使得螺纹块不断向下移动，螺纹块通过限位滑杆和连接板推动滑板滑出罩筒，使得水质参数传感器完全浸入水体中；当检测结束后，三号驱动电机反向带动限位板转动，使得水质参数传感器缩入罩筒内，避免了一直暴露在水体中因意外碰撞而出现损害。
-
公开(公告)号：CN108984761B
公开(公告)日：2021-07-27
申请号：CN201810797755.7
申请日：2018-07-19
Applicant: 南昌工程学院
IPC: G06F16/36 , G06F16/35 , G06N5/02 , G06F16/2458 , G06F16/27
Abstract: 本发明公开了数据挖掘与处理技术领域的一种基于模型和领域知识驱动的信息处理系统，包括用户管理模块、数据预处理模块、数据特征分析模块、分类聚类模块、数据挖掘模块领域知识库以及评价输出模块；所述用户管理模块提供用户下发信息处理的相关领域的有关情况，并剔除信息处理要求，本发明将丰富的领域知识分离为一个独立的领域知识层，独立建模、实现、管理和应用，并据此建立基于领域知识的模型，可实现将领域知识对象注入到业务对象中，在分析实际数据挖掘任务的前提下，利用将用户的兴趣度、领域先验知识及约束连同原始数据一起，作为数据挖掘的输入，其数据处理的方法简单、系统可扩展性。
-
公开(公告)号：CN109002537B
公开(公告)日：2021-05-14
申请号：CN201810799283.9
申请日：2018-07-19
Applicant: 南昌工程学院
IPC: G06F16/9535 , G06F16/50
Abstract: 本发明公开的属于信息处理技术领域，具体为一种基于深度学习的信息处理系统和方法，该基于深度学习的信息处理系统包括输入模块、处理器、行为日志库、图像查询模块、存储器、关键字搜索模块和反馈模块，该基于深度学习的信息处理系统的处理方法的具体步骤如下：a)输入目标关键词，b)根据关键词和行为日志确立搜索对象，c)在搜索的对象结果上进一步筛选，d)最终筛选的对象合集反馈至用户，通过关键词结合行为日志的方式进行推送或者目标文件搜索，能够缩短时间，提高准确性；通过多次筛选的方式，能够过滤去较多的无用文件，保持搜索结果的简洁性；通过由用户主观来筛选图像信息，人性化较高。
-
公开(公告)号：CN110361464A
公开(公告)日：2019-10-22
申请号：CN201910553702.5
申请日：2019-06-25
Applicant: 南昌工程学院
IPC: G01N30/02
Abstract: 本发明涉及水质监测领域，具体为一种层析化水质自动监测设备及其工作方法，其中层析化水质自动监测设备包括：层析柱、处理器模块，与处理器模块电性连接的检测装置和至少两个输液装置；所述处理器模块适于控制一输液装置将待测溶液输入层析柱，以通过层析柱内的吸附剂吸附待测溶液中的待测物质；所述处理器模块适于在待测溶液输入层析柱后，控制其余输液装置分别向层析柱中输入相应的洗脱溶液；所述检测装置适于承接流经层析柱的溶液，并检测溶液中待测物质参数，实现了利用层析法精确的检测水质。
-
Patent Agency Ranking
公开(公告)号：CN109002537A
公开(公告)日：2018-12-14
申请号：CN201810799283.9
申请日：2018-07-19
Applicant: 南昌工程学院
IPC: G06F17/30
Abstract: 本发明公开的属于信息处理技术领域，具体为一种基于深度学习的信息处理系统和方法，该基于深度学习的信息处理系统包括输入模块、处理器、行为日志库、图像查询模块、存储器、关键字搜索模块和反馈模块，该基于深度学习的信息处理系统的处理方法的具体步骤如下：a)输入目标关键词，b)根据关键词和行为日志确立搜索对象，c)在搜索的对象结果上进一步筛选，d)最终筛选的对象合集反馈至用户，通过关键词结合行为日志的方式进行推送或者目标文件搜索，能够缩短时间，提高准确性；通过多次筛选的方式，能够过滤去较多的无用文件，保持搜索结果的简洁性；通过由用户主观来筛选图像信息，人性化较高。
-
公开(公告)号：CN119272206A
公开(公告)日：2025-01-07
申请号：CN202411793303.3
申请日：2024-12-09
Applicant: 南昌工程学院
IPC: G06F18/2433 , G06F18/2321 , G06F18/2136 , G06F18/28 , G06F18/22 , G06Q50/06 , F17D5/02
Abstract: 本发明提供了一种稀疏表示分类的给水管网漏损区域检测方法及系统，涉及给水管网漏损检测技术领域，具体包括：获取城市给水管的管网信息并计算管网的节点之间的节点相似度，基于相似度采用相互邻近的微簇合并策略合并得到城市给水管分区网；基于K‑SVD字典学习算法提取城市给水管分区网中异常压力波动的特征，得到超完备字典和多标签线性分类器；基于城市给水管分区网获取待检测压力数据，并基于所述超完备字典查询得到其稀疏表示后，输入到多标签线性分类器进行分类得到分类标签，基于隶属函数计算分类标签的隶属度进行定位漏损区域，输出漏损区域检测报告，本发明改善难以求解城市给水管网中对各节点压力敏感性矩阵的问题，进而检测并定位漏损区域。
-
公开(公告)号：CN116861174A
公开(公告)日：2023-10-10
申请号：CN202310290195.7
申请日：2023-03-23
Applicant: 南昌工程学院
Abstract: 本发明提供一种L型阵列信号处理方法、系统、可读存储介质及计算机，该方法包括：构建L型阵列，并在X、Y方向上将所述L型阵列分为多个重叠子线阵；将各所述重叠子线阵进行数据合并形成六阶张量，并将所述六阶张量进行张量展开，以得到对应的八阶张量；将所述八阶张量进行重新组合，以得到预设自由度的虚拟阵列，并对所述虚拟阵列进行张量分解，以得到所述虚拟阵列的因子矩阵；根据所述虚拟阵列的因子矩阵中获取多个信号方向参数，并对各所述信号方向参数进行信号处理，以得到对应的信号二维目标方位角。本发明充分挖掘阵列信号中所包含的结构信息，以提高阵列自由度和参数估计精度的潜能。
-
公开(公告)号：CN116681732A
公开(公告)日：2023-09-01
申请号：CN202310967035.1
申请日：2023-08-03
Abstract: 本发明提供了一种基于复眼形态视觉的目标运动识别方法及系统，所述方法包括获取子眼图像；对第一子眼与第二子眼进行内参数标定与外参数标定，以得到内参数与外参数；基于内参数与外参数计算校正系数，基于校正系数对子眼图像进行校正，以得到校正图像；计算校正图像之间的重叠区域，基于重叠区域与预设拼接算法对校正图像进行拼接处理，以得到整体图像；对相邻两帧的整体图像进行差分计算，以得到运动目标，计算运动目标在各方向上的偏移模拟值与偏移量，以此确定运动目标的运动方向以及对应的运动量，本发明在拼接过程中相互重叠的部分不会出现错乱、目标重叠的情况，可在复杂背景条件下高效且可靠的检测出目标的运动方向以及对应的运动量。
-
公开(公告)号：CN203933606U
公开(公告)日：2014-11-05
申请号：CN201420215720.5
申请日：2014-04-29
Applicant: 南昌工程学院
Abstract: 本实用新型涉及一种高穿透性无线通信控制装置，包括：设有甚低频信号发射电路的无线发射器和设有甚低频信号接收电路的无线接收器，甚低频信号发射电路，包括：若干个串联连接的单元逆变桥；串联的单元逆变桥输出通过调谐匹配网络连接至甚低频发射天线；甚低频信号接收电路，包括：甚低频接收天线、与该甚低频接收天线相连的低噪放大器单元、与该低噪放大器单元相连的多级滤波器单元、与该多级滤波器单元相连的解调单元，与该解调单元相连的多级放大单元。本实用新型的技术效果：本实用新型工作在甚低频频段，信号的穿透能力强，无线接收器将干扰控制、低噪放大器、滤波器和陷波器相结合，该无线接收器具有灵敏度高、抗干扰性好的特点。
-
-
-
-
-
-
-
-
-
Search Results
45
records
(took 0.029 seconds)
