-
公开(公告)号：CN108649064B
公开(公告)日：2021-03-16
申请号：CN201810447829.4
申请日：2018-05-11
Applicant: 安徽工业大学
IPC: H01L29/06 , H01L29/78 , H01L21/336
Abstract: 本发明公开了一种提高UIS雪崩耐量的MOSFET及其制备方法，属于高压电力电子技术领域。包括第二导电类型掺杂的源区、第一导电类型掺杂的基区和半绝缘区，第二导电类型掺杂的源区位于半绝缘区顶部，第一导电类型掺杂的基区位于第二导电类型掺杂的源区和半绝缘区一侧。半绝缘区是先采用离子注入第二导电类型的杂质实现反掺杂形成电中性层，然后依靠离子注入两性杂质元素形成半绝缘区。在没有影响到MOSFET阈值电压、通态电阻等关键参数的基础上，通过减小MOSFET寄生晶体管存在的区域，针对现有技术中MOSFET的雪崩击穿耐量低的问题，它可以大幅提高MOSFET雪崩耐量、鲁棒性、抵御大电流能力、击穿电压和可靠性。
-
公开(公告)号：CN110378435A
公开(公告)日：2019-10-25
申请号：CN201910674376.3
申请日：2019-07-25
Applicant: 安徽工业大学
Abstract: 本发明公开了一种基于卷积神经网络的苹果叶片病害识别的方法，属于计算机视觉领域。该方法包括以下步骤：S1：对样本进行预处理；S2：搭建卷积神经网络，基于VGG16卷积神经网络模型，搭建包含归一化层和全局平均池化层的改进的卷积神经网络模型，并采用Adam算法对模型进行求解；S3：训练卷积神经网络模型，卷积基层的初始参数采用VGG16模型在ImageNet数据集上训练好的参数；S4：对测试样本进行预测并输出。本发明提出的改进的卷积神经网络提高了对苹果叶片病害的识别准确率，并且新型卷积神经网络极大地减少了训练参数，训练时间短、效率高，对苹果叶片病害的识别奠定了较好的基础。
-
公开(公告)号：CN110363253A
公开(公告)日：2019-10-22
申请号：CN201910676299.5
申请日：2019-07-25
Applicant: 安徽工业大学
Abstract: 本发明公开了一种基于卷积神经网络的热轧带钢表面缺陷分类方法，属于计算机深度学习领域。本发明首先从NEU数据库中获取热轧带钢表面缺陷典型图像样本，并对样本进行预处理；然后搭建卷积神经网络VGG16模型，基于VGG16模型并结合SGD或Adam优化算法，搭建若干种用于热轧带钢表面缺陷的分类模型；然后基于搭建的若干种分类模型，对步获取的热轧带钢表面缺陷典型图像样本进行识别分类；然后对若干种分类模型所得的结果进行评价，得出最优的分类模型；最后基于最优分类模型，进行热轧带刚表面缺陷分类。本发明的方法识别热轧带钢表面缺陷的准确率高，分类速度快，能够有效地应用于现场实时检测热轧带钢的表面缺陷。
-
公开(公告)号：CN110070074A
公开(公告)日：2019-07-30
申请号：CN201910377894.9
申请日：2019-05-07
Applicant: 安徽工业大学
Abstract: 本发明公开了一种构建行人检测模型的方法，属于图形处理技术领域。本发明的一种构建行人检测模型的方法，先从数据库中随机选取行人图像并对行人图像的头部进行标注作为标签文件，再将选取的行人图像划分为训练集、测试集和验证集；而后对训练集进行聚类分析得到新的先验框，再对YOLOv3网络进行网络结构调整；然后利用YOLOv3网络对训练集进行训练得到行人检测模型，再利用验证集对行人检测模型进行评估，最后利用测试集对行人检测模型进行测试。本发明的目的在于克服现有技术中，当监控场景下的行人处于密集状态时，行人检测结果不准确的不足，提供了一种构建行人检测模型的方法，可以解决行人检测时的行人遮挡问题，提高行人检测的准确性。
-
公开(公告)号：CN109280726A
公开(公告)日：2019-01-29
申请号：CN201811086634.8
申请日：2018-09-18
Applicant: 安徽工业大学
Abstract: 本发明公开了一种基于多元线性回归算法预测炼铁高炉炉芯死料柱温度的方法，属于冶金信息处理技术领域。本发明首先进行炉芯死料柱温度目标值DMTgoal的计算，接着对该数据进行处理，对经过处理得到的数据样本做Pearson相关性分析，根据相关性分析的结果初步选取条件变量。再对各条件变量进行Pearson相关性分析，依据相关性分析的结果尽可能选择互相独立的条件变量建立模型。接着通过最小二乘法以及基于AIC的变量筛选准则筛选条件变量，再检验初步多元线性回归方程的拟优合度与回归系数，得到多元线性回归模型。本发明第一次提出使用多元线性回归算法来预测炉芯死料柱温度，可以实现高精度预测未来五天内的炉芯死料柱温度，而且可以实现炉芯死料柱温度的预警功能。
-
Patent Agency Ranking
公开(公告)号：CN108649064A
公开(公告)日：2018-10-12
申请号：CN201810447829.4
申请日：2018-05-11
Applicant: 安徽工业大学
IPC: H01L29/06 , H01L29/78 , H01L21/336
Abstract: 本发明公开了一种提高UIS雪崩耐量的MOSFET及其制备方法，属于高压电力电子技术领域。包括第二导电类型掺杂的源区、第一导电类型掺杂的基区和半绝缘区，第二导电类型掺杂的源区位于半绝缘区顶部，第一导电类型掺杂的基区位于第二导电类型掺杂的源区和半绝缘区一侧。半绝缘区是先采用离子注入第二导电类型的杂质实现反掺杂形成电中性层，然后依靠离子注入两性杂质元素形成半绝缘区。在没有影响到MOSFET阈值电压、通态电阻等关键参数的基础上，通过减小MOSFET寄生晶体管存在的区域，针对现有技术中MOSFET的雪崩击穿耐量低的问题，它可以大幅提高MOSFET雪崩耐量、鲁棒性、抵御大电流能力、击穿电压和可靠性。
-
公开(公告)号：CN105957898A
公开(公告)日：2016-09-21
申请号：CN201610525827.3
申请日：2016-07-05
Applicant: 安徽工业大学
IPC: H01L29/78 , H01L29/739 , H01L21/336 , H01L21/331 , H01L21/225 , H01L29/06
Abstract: 本发明公开了一种低功耗4H‑SiC电压控制型功率半导体器件及其制备方法，属于高压电力电子技术领域。包括外延层与氧化层，其特征在于，外延层表面下有一层氮注入层和三价元素的扩散层，氮注入层的厚度为18‑20nm，三价元素为铝，铝在外延层中的扩散深度为10‑20nm，采用高温扩散工艺将三价元素植入到4H‑SiC外延层，利用干法刻蚀工艺减薄高温工艺所生长的氧化层，采用离子注入工艺将五价元素氮植入到外延层与氧化层的界面，利用干氧氧化工艺将氧化层生长至所需要的厚度。该方法能降低4H‑SiC电压控制型功率半导体器件的开关损耗，同时能稳定4H‑SiC电压控制型功率半导体器件的阈值电压。
-
公开(公告)号：CN120088566A
公开(公告)日：2025-06-03
申请号：CN202510234008.2
申请日：2025-02-28
Applicant: 安徽工业大学
IPC: G06V10/764 , G06V10/774 , G06V10/20 , G06N3/0895 , G06N3/0464 , G06V10/82 , G06N3/045 , G06V10/74 , G06N3/047 , G06N3/048
Abstract: 本发明属于计算机视觉技术领域，具体涉及一种基于自监督对比主动学习的甲状腺结节良恶性分类方法，本发明通过对自建的甲状腺数据集进行分类实验的比较和分析，验证了所提出的模型，通过SSCL自监督预训练模块学习到更有意义的特征表示。这些特征在无监督学习阶段已经考虑了数据的多样性和结构。在特征降维后，保留更关键和有区分度的特征信息，减少特征的冗余和噪声。主动学习通过合理的样本选择策略，从未标注的数据集中选取最有益于模型改进的样本进行训练，从而提高模型的泛化能力和性能。这有助于模型更好地理解数据的结构和类别之间的差异，提高分类准确率，改善分类任务的性能。该方法可以有效协助医生对患者甲状腺结节的治疗和诊断。
-
公开(公告)号：CN119887727A
公开(公告)日：2025-04-25
申请号：CN202510043312.9
申请日：2025-01-10
Applicant: 安徽工业大学
IPC: G06T7/00 , G06V10/25 , G06V10/82 , G06V10/774 , G06V10/44 , G06V10/80 , G06N3/0464 , G06N3/045 , G06N3/0495 , G06N3/096
Abstract: 本发明公开了一种基于SAPC‑Net网络的瓷砖产品表面缺陷检测方法，属于瓷砖表面缺陷检测技术领域。本发明基于YOLOv8目标检测框架，设计了一种基于Sobel卷积的空间边缘信息融合模块SEIF，并将其引入骨干网络中的C2f模块，形成C2f‑SEIF模块，从而增强了骨干网络的特征提取能力；进一步引入ASF‑YOLO网络的颈部网络，并在此基础上进行改进和优化，设计出带有200×200的小目标检测层的改进颈部网络improved_neck，显著提升了模型对瓷砖小目标缺陷的检测性能；此外，引入PIOU_V2损失函数替代CIOU作为回归框损失函数，加快了模型的收敛速度，并增强了目标缺陷的定位能力；最后，采用通道蒸馏策略CWD，在保持模型轻量化的同时，进一步提升了检测性能。
-
公开(公告)号：CN118863631A
公开(公告)日：2024-10-29
申请号：CN202410864766.8
申请日：2024-07-01
Applicant: 安徽工业大学
IPC: G06Q10/0639 , G06Q50/06 , G06F18/15 , G06F18/213 , G06F18/2431 , G06N3/045 , G06N3/0464 , G06N3/048 , G06N3/084 , G06F123/02
Abstract: 本发明公开了一种基于格拉姆角场和改进轻量级残差网络的电能质量扰动识别方法，属于扰动识别技术领域，包括以下步骤：S1：获取电能质量扰动数据，归一化时间序列数据；S2：将归一化后的数据映射到极坐标系，计算格拉姆矩阵，转换为图像；S3：利用改进的轻量级残差网络对图像特征进行提取；S4：对提取的特征通过全局平均池化计算所有元素的平均值，转化为一个固定长度的向量，最后通过分类层进行分类。本发明基于格拉姆角场将电能质量扰动一维数据转换成二维图像；将原始ResNet34网络中的残差块结构进行改进，提高了特征提取能力，降低了模型的复杂度，提高了训练和推理效率，参数量与训练耗时都减少了一半。
-
-
-
-
-
-
-
-
-
Search Results
132
records
(took 0.03 seconds)
