-
公开(公告)号：CN113269254A
公开(公告)日：2021-08-17
申请号：CN202110580411.2
申请日：2021-05-26
Applicant: 安徽理工大学
Abstract: 本发明提供了一种粒子群优化XGBoost算法的煤矸识别方法，属于煤矸识别领域，包括：采集煤和矸石的多光谱图像信息，并进行预处理；对采集到的煤和矸石多光谱图像进行样本划分，按照7:3比例将预处理后的煤和矸石多光谱图像随机划分为独立的训练集和测试集，并对样本设定标签；对训练集和测试集中的煤和矸石多光谱图像进行特征提取；利用提取到的多光谱图像特征搭建基于XGBoost算法的煤矸识别模型，在训练集上训练所述煤矸识别模型，通过粒子群优化算法进行XGBoost算法的参数优化；通过测试集来检验煤矸识别模型对煤和矸石的分类准确率，验证模型性能。该方法采用的XGBoost模型识别准确率，可解释性强，不易产生过拟合，可以得到良好的分类效果。
-
公开(公告)号：CN113139611A
公开(公告)日：2021-07-20
申请号：CN202110491852.5
申请日：2021-05-06
Applicant: 安徽理工大学
Abstract: 本发明属于图像处理技术领域，涉及一种胸片图像分类模型的构建方法，包括采集患者胸部的X片影像信息获取原始胸片图像，对其进行伽马校正后获取一次胸片图像；提取一次胸片图像的多图像特征，并对其进行贝叶斯融合获得处理后的二次胸片图像特征，基于多个二次胸片图像特征建立深度森林，将深度森林作为分类器，将二次胸片图像特征作为分类器的输入，将其原始胸片图像对应的类别作为分类器的输出，构建深度森林模型并优化其超参数，使得优化后的深度森林模型满足预定约束下形成的目标函数；以优化后的深度森林模型为分类依据，对矿工胸片进行分析，输出胸片分析的结果。利用本发明能提高患者的分类管理识别精度和效率，实用性强，值得推广。
-
公开(公告)号：CN112826462A
公开(公告)日：2021-05-25
申请号：CN202011620538.4
申请日：2020-12-31
Applicant: 安徽理工大学
IPC: A61B5/0205
Abstract: 本发明公开了一种基于频谱感知和超宽带雷达的井下人员生命体征监测方法，在井下巷道均匀安装J个UWB雷达模块，设人员处于UWB雷达模块j和UWB雷达模块j+1之间，1≤j≤J，UWB雷达模块j和UWB雷达模块j+1分别将其可通信的无线频带初始化分成I个子频带，并采用频谱感知方法探测其空闲子频带；UWB雷达模块j和UWB雷达模块j+1分别从其空闲子频带类中选择一个空闲子频带，探测井下人员的位置，并对UWB雷达模块j和UWB雷达模块j+1的探测信号进行处理，采用变分模态分解算法分解出人员生命体征参数。选择空闲子频带发射脉冲信号，保证了人员定位和生命体征监测的可靠性。
-
公开(公告)号：CN112508001A
公开(公告)日：2021-03-16
申请号：CN202011409744.0
申请日：2020-12-03
Applicant: 安徽理工大学
Abstract: 本发明涉及一种基于多光谱波段筛选和改进U‑Net的煤矸石定位方法，其包括以下步骤：步骤1、在不同的环境下采集煤矸石的多光谱数据；步骤2、根据标准差选择最佳波段，将所选波段的光谱数据转换为灰度图像；步骤3、在每一张被转换的灰度图像中标注煤矸石的位置和形态；步骤4、改进基本的U‑Net模型，然后构建基于改进的U‑Net煤矸石识别和定位模型；步骤5、将标注数据转换为改进后的U‑Net所用数据形式；步骤6、训练改进后的U‑Net模型；步骤7、保存U‑Net训练过程中的最佳模型的权重，然后把保存的最佳模型用于煤矸石识别和定位。改进U‑Ne模型轻量易训练，不仅能快速准确的对煤矸石识别和定，而且可以预测煤矸石的形态，判断煤矸石的相对大小。
-
公开(公告)号：CN111786723A
公开(公告)日：2020-10-16
申请号：CN202010610076.1
申请日：2020-06-29
Applicant: 安徽理工大学
IPC: H04B10/116 , H04B10/524 , H04B10/516
Abstract: 本发明公开了矿工体征检测VLC系统用PPM编码产生装置，主要包括锁相环模块、分频模块、主控模块、串转并移位寄存器模块、地址发生器模块、双口RAM模块、编码模块和并转串移位寄存器输出模块；本装置通过对编码源数据进行分组，将一帧数据以分组形式存入双口RAM模块中，同时利用从双口RAM模块中获得的一组数据的十进制值作为编码模块中移位寄存器移动的位数，从而快速获得对应的PPM编码结果，降低了编码时间，编码输出的时钟由外部输入设定，以便更好匹配不同的编码速率，适用于矿工体征检测等煤矿井下应用的复杂通信环境。
-
Patent Agency Ranking
公开(公告)号：CN111613331A
公开(公告)日：2020-09-01
申请号：CN202010437480.3
申请日：2020-05-21
Applicant: 安徽理工大学 , 合肥博谐电子科技有限公司
Abstract: 本发明公开了一种基于随机森林和word2vec的矿工营养代谢评估方法及系统，涉及营养代谢评估技术领域，在分析矿工营养代谢的时候综合考虑了矿工个体差异，同时利用word2vec准备提取词向量，在借助RF回归分析方法提升矿工代谢评估的准确性和可靠性，准确可靠的评估代谢情况有助于准确、及时地掌握矿工的身体健康状态。针对矿工这一特殊群体进行营养代谢检测的评估，实现矿工身体健康状态的准确、实时测量分析，完成部分职业病的前期预警及保障矿工的生命健康。
-
公开(公告)号：CN108509993A
公开(公告)日：2018-09-07
申请号：CN201810282232.9
申请日：2018-04-02
Applicant: 安徽理工大学
IPC: G06K9/62
CPC classification number: G06K9/6269 , G06K9/6256
Abstract: 本发明公开了一种矿井突水激光诱导荧光光谱图像识别方法，包括以下步骤：(1)利用激光诱导荧光光谱仪获取水样的原始荧光光谱图像；(2)对水样的原始荧光光谱图像进行缩放、裁剪和灰度化预处理；(3)采用PCANet对预处理后的灰度图像进行特征提取，得到PCANet图像特征；(4)采用SPXY法将由PCANet图像特征组成的水样样本划分为独立的训练集和测试集；(5)在训练集上建立突水水源识别模型，并通过测试集进行该模型识别结果的测试。本发明采用PCANet进行矿井突水水源荧光光谱图像的识别模型构建简单和参数调优简单，同时具有很高的识别率且识别速度快，非常适用于矿井突水水源的实时、在线监测。
-
公开(公告)号：CN106971073A
公开(公告)日：2017-07-21
申请号：CN201710192720.6
申请日：2017-03-28
Applicant: 安徽理工大学
CPC classification number: G06K9/6259 , G06N3/08 , G16Z99/00
Abstract: 本发明涉及一种矿井突水水源的非线性识别方法，包括如下步骤，(1)光谱数据采集；(2)利用卷积(SG)平滑技术对采集的原始光谱数据进行预处理；(3)利用非线性核主成分分析法进行数据降维，并进行非线性特征提取；(4)将采集的水样样本建立独立的测试集和训练集；(5)利用训练集建立EML极限学习机，然后通过测试集进行测试分类结果。本发明采用非线性方式进行特征提取，减低了时间和空间复杂度，同时提供了样本的识别性能；核主成分分析优化了极限学习机的学习参数，EML分类模型具有训练参数少、学习速度快等特点，将KPCA和EML结合用于矿井突水水源的非线性辨别，非常适用于在线突水水源的监测。
-
公开(公告)号：CN104458687A
公开(公告)日：2015-03-25
申请号：CN201410757790.8
申请日：2014-12-10
Applicant: 安徽理工大学
IPC: G01N21/64
Abstract: 本发明公开了一种基于激光诱导和SIMCA分类法的矿井突水水源识别装置及方法，该装置包括激光器、浸入式探头、光探测器、光谱分析模块和识别模块，激光器与浸入式探头通过光纤连接，激光器将激光打入涌水点的被测水体，被测水体受激辐射发出荧光，由浸入式探头实时接收荧光信号，经光纤传输至光探测器；采用至少两路并行光探测器，同时分别读取设定的各个波段的荧光信号；光谱分析模块根据光探测器输出的荧光信号，并进行滤波和A/D转换，经过数据整合后输出一路完整波段的荧光光谱数据；识别模块根据输入的被测水体的荧光光谱数据以及已知水样的PCA模型，基于SIMCA算法判断被测水体属于哪种已知水样。本发明实现了水源类型及时、准确的在线识别。
-
公开(公告)号：CN102507062A
公开(公告)日：2012-06-20
申请号：CN201110344945.1
申请日：2011-11-04
Applicant: 安徽理工大学
Abstract: 本发明公开了一种基于神经网络模型BP算法的嵌入式矿压检测方法法，首先根据根据待检测区域的地域情况，采用多个振弦式压力传感器进行测量；然后ARM7处理器根据系统任务个数建立相应的进程；最后在建立的任务中打开定时器，输出一个固定在某一频率范围内的脉冲，经过驱动激振电路，产生一个能对振弦式压力传感器内部振弦起振的信号，同时使用ARM7处理器对振弦式压力传感器返回的脉冲信号进行频率测量，计算得到压力值，最后，利用温度传感器采集振弦周围区域的温度，采用BP算法建立神经网络模型，利用神经网络模型对得到的各组压力数据及采集的温度数据进行学习，并根据神经网络模型找出压力随温度的变化规律，对振弦式传感器进行温度补偿。
-
-
-
-
-
-
-
-
-
Search Results
179
records
(took 0.063 seconds)
