-
公开(公告)号：CN113771731A
公开(公告)日：2021-12-10
申请号：CN202110762757.4
申请日：2021-07-06
Applicant: 安徽理工大学
IPC: B60P7/08
Abstract: 本发明提供一种智能输送小车，包括输送车主体、驱动组件、直板、夹紧机构和套环，所述输送车主体底部外壁固定连接有驱动组件，所述输送车主体内侧活动连接有直板，通过设置有转动齿轮、齿条、转动圆盘、移动块及夹紧机构等装置，上料时，通过拉手将直板抽出，转动齿轮沿着齿条作转动来带动转动圆盘转动，使得三组移动块沿着转动圆盘上的螺圈槽移动，三组移动块将相对应的夹紧机构抵开，方便工作人员将壳体安置在底座上，接着通过拉手将直板推入，此时的夹紧机构在复位弹簧的作用下复位对壳体进行夹紧固定，上料过程中随着直板的推入夹紧机构随之转动对壳体进行固定夹紧，便于壳体的上料。
-
公开(公告)号：CN113240193A
公开(公告)日：2021-08-10
申请号：CN202110622868.5
申请日：2021-06-03
Applicant: 安徽理工大学
Abstract: 本发明公开一种基于模态分解和群优化算法的短期电力负荷预测方法，涉及电力负荷预测领域和人工智能领域，包含以下步骤：(1)负荷数据的获取(2)负荷数据的分解。(3)负荷数据的划分。(4)模型输入矩阵的构建。(5)预测模型的构建。本发明采用VMD对负荷序列进行分解，通过ABC算法对SVR的c和g参数进行寻优，构建ABC‑SVR模型对分解后的若干分量进行预测，具有较好的预测性能并且对于数据量的要求较小，具有较好的实践应用价值。
-
公开(公告)号：CN112525346A
公开(公告)日：2021-03-19
申请号：CN202011404367.1
申请日：2020-12-03
Applicant: 安徽理工大学
Abstract: 本发明公开了一种基于改进OIF的光谱图像最佳波段的选择方法、系统及存储介质。本发明基于图像信息熵改进最佳指数法(Optimum Index Factor,OIF)，既能用于超光谱波段选择，也能用于多光谱和超光谱波段选择，并且选取的是最佳组合波段，选择的波段数由用户自行设定。基于图像信息熵改进OIF用于最佳组合波段的选择，充分利用了不同波段间光谱图像的相关性信息以及光谱图像包含的信息量的信息，使得所选组合波段的相关性小，所包含信息量大且冗余信息少。
-
公开(公告)号：CN112365992A
公开(公告)日：2021-02-12
申请号：CN202011359504.4
申请日：2020-11-27
Applicant: 安徽理工大学
Abstract: 本发明涉及一种基于NRS‑LDA的医疗体检数据识别分析方法，包括以下步骤：(1)搭建数据采集系统采集所需原始医疗体检数据；(2)利用NRS来消除冗余信息；(3)采用LDA对约简之后的数据做特征提取工作；(4)将处理后的数据集按比例划分为训练集和测试集，在训练集上建立基于K‑means聚类的RBF神经网络识别模型；(5)将测试集上的数据作为RBF神经网络识别模型的输入，测试RBF识别模型的分类性能。本发明采用NRS‑LDA结合RBF神经网络识别模型进行医疗辅助诊断，既节约成本又实现了医疗体检数据的准确识别，对医疗诊断有着重要的研究意义及实用价值。
-
公开(公告)号：CN112069911A
公开(公告)日：2020-12-11
申请号：CN202010803605.X
申请日：2020-08-11
Applicant: 安徽理工大学
Abstract: 本发明涉及一种多光谱图像信息和TLMD‑WOA‑SIFT的果蔬品质检测方法，包含以下步骤：(1)果蔬多光谱图像信息获取；(2)利用二维局部均值分解(TLMD)对图像进行分解，产生若干个二维乘积函数(BPF)；(3)用WOA优化的SIFT(尺度不变特征变换)算法对BPF进行特征提取；(4)对BPF提取的特征信息进行处理后得到原始多光谱图像的全部特征信息；(5)将特征信息输入LSSVM模型进行分类。本发明采用TLMD结合WOA‑SIFT用于果蔬品质检测，具有很高的识别准确率和实用价值，泛化能力强，非常适合果蔬品质的实时准确检测和推广。
-
Patent Agency Ranking
公开(公告)号：CN111398238A
公开(公告)日：2020-07-10
申请号：CN202010404037.6
申请日：2020-05-13
Applicant: 安徽理工大学
IPC: G01N21/64
Abstract: 本发明公开了一种食用油掺杂蓖麻油的激光诱导荧光光谱识别方法，涉及食品安全检测领域。一种食用油掺杂蓖麻油的激光诱导荧光光谱识别方法，包含以下步骤：利用便携式食用油荧光光谱分析仪采集掺杂不同比例蓖麻油的食用油原始荧光光谱数据；采用多项式平滑法对光谱曲线进行滤波处理，消除噪声；使用SPA算法对油样光谱进行特征波长筛选；将筛选后的光谱数据按照4:1的比例随机产生训练集和测试集；使用训练集数据构建LSSVC模型，采用CSA算法对模型正则化参数c和核函数宽度系数s进行优化。本发明采用SPA结合CSA-LSSVC用于激光诱导荧光食用油掺杂蓖麻油的识别检测，具有很高的识别准确率和实用价值，泛化能力强，非常适合食用油掺假的实时准确检测和推广。
-
公开(公告)号：CN110321959A
公开(公告)日：2019-10-11
申请号：CN201910612866.0
申请日：2019-07-09
Applicant: 安徽理工大学
Abstract: 本发明公开了一种多光谱图像信息和CNN的煤矸识别方法，包括以下步骤：(1)煤和矸石多光谱图像信息获取；(2)煤和矸石多光谱图像样本划分；(3)卷积神经网络多光谱图像特征提取；(4)极限学习机煤矸识别模型构建。本发明采用CNN-ELM进行煤和矸石多光谱图像的识别模型构建，提出一种新的卷积神经网络模型能够提取更多、更有效的特征信息，且可以有效避免过拟合等问题，非常适用于煤和矸石的快速、精准识别。
-
公开(公告)号：CN110245635A
公开(公告)日：2019-09-17
申请号：CN201910538123.3
申请日：2019-06-20
Applicant: 安徽理工大学
Abstract: 本发明公开了一种煤和矸石的红外图像识别方法，包括以下步骤：(1)煤和矸石原始红外图像获取；(2)煤和矸石红外图像的预处理；(3)煤和矸石红外图像样本划分；(4)卷积神经网络图像特征提取；(5)支持向量机煤矸识别模型构建。本发明采用CNN-SVM进行煤和矸石红外图像的识别模型构建，提出一种新的卷积神经网络模型能够提取更多、更有效的特征信息，且可以有效避免过拟合等问题，非常适用于煤和矸石的快速、精准识别。
-
公开(公告)号：CN109756892A
公开(公告)日：2019-05-14
申请号：CN201910035741.6
申请日：2019-01-15
Applicant: 安徽理工大学
Abstract: 本发明涉及一种基于异构网络的网络选择和数据传输加密的方法，包括以下步骤：(1)根据终端需求的服务质量，获取当前可用的网络列表，所述终端需求：选取可用带宽A、接收信号强度RSS、端到端时延S、抖动T、网络资费H这5种属性。(2)采用多属性判决的异构网络接入算法匹配合适的网络(3)采用AES算法和HASH认证结合的加密算法对数据进行加密；(4)云服务端接收数据后，采用AES算法和HASH认证结合的解密算法对数据进行解密并存储。本发明采用以贪心算法为策略选择最优网络，以AES算法和HASH认证结合的算法对数据进行加密、解密，最终实现以最快捷、最安全的方式将检测数据上传到云端的数据库中。
-
公开(公告)号：CN109308498A
公开(公告)日：2019-02-05
申请号：CN201811430777.6
申请日：2018-11-28
Applicant: 安徽理工大学
Abstract: 本发明涉及一种激光诱导荧光植物油掺杂小米汤辨识方法，包含以下步骤：(1)将等体积的纯花生油和小米汤按一定的掺杂浓度进行配比；(2)利用自行设计的便携式植物油无损分析仪采集油样荧光光谱数据；(3)采用中值滤波法(M edian-Filter)平滑处理原始光谱图；(4)联合KICA与PCA算法(KICA-PCA)优选出主要光谱信息数据；(5)采用留出法(hold-out)把样本数据划分成训练集和测试集；(6)利用FDA对训练集进行学习和训练，测试集用于辨识效果检验。本发明采用KICA-PCA结合FDA用于激光诱导荧光植物油掺杂小米汤辨识，提高了辨识精度和运算速度，非常适用于食品安全检测领域的研究。
-
-
-
-
-
-
-
-
-
Search Results
71
records
(took 0.048 seconds)
