-
公开(公告)号：CN115131712B
公开(公告)日：2024-07-16
申请号：CN202210817578.0
申请日：2022-07-12
Applicant: 安徽理工大学
IPC: G06V20/40 , G06T7/00 , G06T7/62 , G06V10/764 , G06V10/82 , G06F18/10 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种计算机视觉驱动的钻杆智能计数方法。本发明基于计算机视觉，将目标检测结合信号处理实现的钻杆智能计数。通过打钻过程的实时视频结合深度学习算法检测每帧图像中的钻杆，实时评估钻杆的相对大小，利用信号处理技术获得钻杆相对大小的实时平滑曲线，二值化平滑处理的钻杆的相对大小的实时曲线，得到图像中钻杆的编码二值曲线，统计矩形波形个数既可实现钻杆智能计数。本发明基于先进的深度学习算法和轻便的信号处理技术实现瓦斯抽采钻杆实时智能计数，对煤炭安全开采和煤矿智能化建设具有重要意义。
-
公开(公告)号：CN118303854A
公开(公告)日：2024-07-09
申请号：CN202410508105.1
申请日：2024-04-25
Applicant: 安徽理工大学
IPC: A61B5/0205 , A61B5/0507 , A61B5/113 , A61B5/11 , A61B5/00
Abstract: 本发明提出了一种结合深度学习与毫米波雷达技术的实时生命健康评估方法。该方法通过以下步骤实现：(1)使用毫米波雷达采集目标微动特征，捕捉胸部微小的幅度和频率。(2)将数据转换为时域信号x(t)，并通过FFT转换为频域表示X(f)。(3)执行PCA提取主要特征，用KICA核独立成分分析去除噪声。得到的数据输入多层卷积神经网络，通过反向传播和梯度下降来训练，实现生命健康的准确评估。(4)构建医学知识库，将模型输出与库中数据匹配，得出心率、呼吸频率等生理参数的评估和异常判断。本发明通过雷达技术、深度学习和医学知识，提高了评估的准确性和可靠性，有效处理信号噪声，具有医疗健康应用前景和研究意义。
-
公开(公告)号：CN117994276A
公开(公告)日：2024-05-07
申请号：CN202410085496.0
申请日：2024-01-22
Applicant: 安徽理工大学
IPC: G06T7/12 , G06T7/00 , G06N3/0464 , G06N3/048 , G06N3/084
Abstract: 本发明提供了一种基于异构幻影卷积的医学图像分割方法，属于医学图像智能处理领域，包括以下步骤：S1、获取医学图像，划分训练集、验证集与测试集，并且只对训练集图像进行数据增强处理；S2、搭建异构幻影卷积基础卷积单元；S3、构建基于异构幻影卷积的医学图像分割模型进行训练，提取训练集图像特征；S4、采用Adam优化器优化参数更新，观察输出混合损失曲线，当出现过拟合趋势时，停止训练轮次；S5、使用验证集对构建基于异构幻影卷积的医学图像分割模型验证，选取Dice系数最好、MIou和Recall指标较好的一次训练模型权重保存；S6、将测试集输入最优基于异构幻影卷积的医学图像分割模型，得到分割结果。本发明有益效果为：使用异构幻影卷积构建的模型在精准分割的前提下，同时也兼顾到了模型的轻量，更加适用于部署在边缘设备。
-
公开(公告)号：CN113435115B
公开(公告)日：2024-01-19
申请号：CN202110702318.4
申请日：2021-06-21
Applicant: 安徽理工大学
IPC: G06F30/27 , G06N3/006 , G06F111/08
Abstract: 本发明公开了一种荧光光谱特征波长筛选方法、装置、计算机设备及可读储存介质，包括：采集多个待测样品的原始荧光光谱数据，对原始荧光光谱进行标准正态变量变换处理，得到处理后的荧光光谱，使用间隔偏最小二乘法对处理后的荧光光谱进行波段筛选，得到荧光光谱的特征波段，使用布谷鸟搜索算法对荧光光谱的特征波段进行特征波长筛选，得到荧光光谱的特征波长。该装置可以保证荧光光谱特征波长筛选的可靠性。
-
公开(公告)号：CN113707320B
公开(公告)日：2023-08-11
申请号：CN202111005792.8
申请日：2021-08-30
Applicant: 安徽理工大学
IPC: G16H50/30 , G16H10/60 , G06F18/2411 , G06F18/2413
Abstract: 本发明涉及一种基于相关性分析的EN结合MPA‑SVM的异常体征矿工判别方法，包括以下步骤：(1)收集矿工职业健康体检数据，构造矿工体征参数数据集合；(2)将矿工体征数据随机划分成训练集和预测集；(3)将训练集和预测集数据进行归一化处理；(4)采用皮尔逊相关系数分析并删除相关性较高的体征数据；(5)利用EN去除冗余体征信息；(6)建立MPA‑SVM矿工异常体征判别模型，预测集数据的评价指标用于模型性能的分析与评估。本发明将相关性分析的EN结合MPA‑SVM用于异常体征矿工的辨识，为矿工职业病和疑似职业病的检测做到前期精准筛查目的，适用于职业健康辅助诊断领域。
-
Patent Agency Ranking
公开(公告)号：CN110245635B
公开(公告)日：2023-08-04
申请号：CN201910538123.3
申请日：2019-06-20
Applicant: 安徽理工大学
IPC: G06V10/764 , G06V10/774 , G06V10/82 , G06N3/0464
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：CN113284620B
公开(公告)日：2023-07-21
申请号：CN202110479863.1
申请日：2021-04-30
Applicant: 安徽理工大学 , 皖南医学院第一附属医院(皖南医学院弋矶山医院)
Abstract: 本发明涉及数据处理技术领域，公开了一种职业健康数据分析模型的建立方法，包括以下步骤：对多个心电信号的多个时域特征、频域特征和信息域特征进行遗传算法筛选，获得N2个最优的心电信号特征，记为A2；将多个最优的心电信号特征A2与血压数据和心率数据合并，获得心功能数据，记为A3；采用自适应磷虾群算法优化KELM模型的正则化系数C和径向基核函数的参数g，得到最优正则化系数Cbest和最优径向基核函数的参数gbest；将心功能数据A3作为KELM模型的输入，获取KELM模型的最优适应度，采用最优适应度的KELM模型对A3测试集进行处理，采用这种职业健康数据分析模型进行心功能数据处理，提高了心电信号分析识别的精度，同时提升了心功能数据的处理速度。
-
公开(公告)号：CN111626224B
公开(公告)日：2023-05-23
申请号：CN202010469047.8
申请日：2020-05-28
Applicant: 安徽理工大学
IPC: G06V20/10 , G06V10/774 , G06V10/764 , G06V10/77 , G06V10/82 , G06N3/0464 , G06N3/08 , G01N21/17 , G01N21/3563 , G01N21/359
Abstract: 本发明提供了一种基于近红外光谱和SSA优化的ELM的煤矸石快速识别方法，属于煤矸石快速识别领域，包括：首先将光谱成像技术用于煤矸石检测，获取煤矸石近红外光谱图像；然后把获取煤和矸石的近红外光谱图像预处理，并利用主成分分析(Principal Component Analysis，PCA)降维近红外光谱图像数据；接着基于改进的ELM构建煤矸石识别模型，用SSA算法优化改进的ELM的最优参数；最后将SSA获取的最优参数结合ELM用于煤矸石近红外光谱图像识别。本发明提供的基于近红外光谱和SSA优化的ELM的煤矸石快速识别方法不仅实现煤矸石准确快速的识别，而且省去识别模型的手动参数搜索的过程，应用方便。
-
公开(公告)号：CN113663920A
公开(公告)日：2021-11-19
申请号：CN202110725659.3
申请日：2021-06-29
Applicant: 安徽理工大学
IPC: B07C3/00 , B07C3/06 , B07C3/08 , B07C3/10 , B65G41/00 , B65G43/08 , B65G45/14 , B65G47/42 , B65G65/40
Abstract: 本发明涉及物流分拣技术领域，具体公开了一种物流用智能识别分拣车，包括车体、备用箱、传送带、分拣机构、整理机构、收集机构、清扫机构。所述分拣机构包括扫描器、第一揽件箱、第四顶杆。所述整理机构包括晃动电机、凸块、第一推杆、第二推杆、平台。所述收集机构包括斜板、出料门、收集箱。所述清扫机构包括第一横杆、第二横杆、支板、清扫板。通过设置分拣装置，有利于对快件进行智能识别分拣，提高了对快件的分拣速度。通过设置整理机构，有利于使揽件箱的空间被充分利用。通过设置收集机构，有利于对分拣完成的快件进行收集，可以大大提高揽件箱的容量。通过设置清扫机构，有利于对传送带进行清扫。
-
公开(公告)号：CN112370078A
公开(公告)日：2021-02-19
申请号：CN202011247589.7
申请日：2020-11-10
Applicant: 安徽理工大学
Abstract: 本发明公开了一种基于超声成像和贝叶斯优化的图像检测方法，涉及图像检测技术领域，在检测矿工肺机能的时候采用了先进的超声成像无损检测手段，同时，在进行超声成像肺机能分析过程中采用贝叶斯优化的KPCANet算法保证了矿工肺机能分析的准确性和可靠性，准确可靠的掌握矿工的肺机能情况有助于准确、及时地掌握矿工的身体健康状态，对于职业性尘肺病早期发现具有重要意义。针对矿工这一特殊群体进行肺部机能检测分析，实现矿工肺部健康状态的准确、实时测量分析，完成职业性尘肺病等部分职业病的前期预警及保障矿工的生命健康。
-
-
-
-
-
-
-
-
-
Search Results
71
records
(took 0.03 seconds)
