-
公开(公告)号：CN111693488A
公开(公告)日：2020-09-22
申请号：CN202010513459.7
申请日：2020-06-08
Applicant: 济南大学
IPC: G01N21/359 , G06K9/62 , G06N20/00
Abstract: 本发明公开了一种基于DS证据理论融合的水果等级分类方法及系统，包括：获取待测水果的原始近红外光谱并进行预处理；利用遗传算法筛选出最佳的特征波长；将所述特征波长分别输入到训练好的极限学习机预测模型和基于偏最小二乘法的预测模型，分别得到待测水果的可溶性固形物含量信息；分别基于所述可溶性固形物含量信息对水果等级进行分类；基于DS证据理论对两种分类结果进行融合，得到基于可溶性固形物含量的水果等级类别。本发明使用基于DS证据理论的苹果等级分类方法，融合极限学习机与偏最小二乘法的两种预测模型。DS融合后测试集分类等级准确率为94.697％，优于单一的模型分类方法。
-
公开(公告)号：CN111578939A
公开(公告)日：2020-08-25
申请号：CN202010206200.8
申请日：2020-03-23
Applicant: 济南大学
Abstract: 本发明公开了一种考虑采样周期随机变化的机器人紧组合导航方法及系统，包括：获取机器人x方向和y方向的位置误差、速度误差、航向角以及当前时刻的采样周期数据；将上述采集到的数据作为扩展卡尔曼滤波器的状态向量；将激光雷达和航迹推算分别测量的机器人与特征点之间距离的平方差以及当前时刻的采样周期作为扩展卡尔曼滤波器的观测向量进行数据融合，最终得到机器人的最优的状态预估，实现对于机器人的路径导航。
-
公开(公告)号：CN110276386A
公开(公告)日：2019-09-24
申请号：CN201910503048.7
申请日：2019-06-11
Applicant: 济南大学
Abstract: 本发明公开了一种基于机器视觉的苹果分级方法及系统，包括：采集设定数量的样本图像，构建样本图像集；采集待测样本图像，进行图像预处理；对待测样本进行特征提取；分别提取待测样本图像的颜色特征、果形特征、果径特征以及表面缺陷特征；制定分级标准，利用遗传算法和BP神经网络建立样本特征与等级的分类模型；将提取到的待测样本图像的颜色特征、果形特征、果径特征以及表面缺陷特征输入到分类模型中，输出待测样本的等级分类。本发明有益效果：能获得清晰的苹果表面图像，减小分类误差。基于遗传算法优化的BP神经网络模型能对苹果进行准确分级，大大提高苹果的分级效率。
-
公开(公告)号：CN118606781A
公开(公告)日：2024-09-06
申请号：CN202410664372.8
申请日：2024-05-27
Applicant: 济南大学
IPC: G06F18/241 , G06F18/213 , G06F18/27 , G06N3/048 , G01N21/359 , G01N21/3563
Abstract: 本发明公开了基于Sigmoid质量函数的苹果分级方法及系统，获取待检测苹果的近红外光谱数据，对所述近红外光谱数据进行预处理，并从预处理后的近红外光谱数据中筛选出特征波长；将特征波长，输入到训练后的OCNN模型中，得到第一预测值；基于第一预测值，生成第一Sigmoid质量函数；将特征波长，输入到训练后的OCELM模型中，得到第二预测值；基于第二预测值，生成第二Sigmoid质量函数；对第一Sigmoid质量函数和第二Sigmoid质量函数进行融合，得到融合结果；将融合结果应用Pignistic概率转换为概率分布，将最大概率值对应的苹果等级作为最终的预测等级输出。
-
公开(公告)号：CN117892188A
公开(公告)日：2024-04-16
申请号：CN202311750372.1
申请日：2023-12-19
Applicant: 济南大学
IPC: G06F18/241 , G01M13/045 , G06F18/213 , G06N3/0464 , G06N3/08 , G06F123/02
Abstract: 本发明公开了一种基于轴承振动信号关系及图神经网络的故障分类方法，涉及轴承诊断技术领域。包括：获取滚动轴承各个时间节点以及与各时间节点对应的振动信号，生成时间序列数据，利用VG算法将时间序列数据转化为图数据并获得对应的权重关系，生成具有边权重的邻接矩阵，按照一定比例划分为训练集、验证集和测试集，将图注意力机制和图同构网络结合，构建图神经网络模型，将训练集输入图神经网络模型进行训练，获得训练好的图神经网络模型，将验证集输入进行验证，将测试集输入验证后的图神经网络模型，得到滚动轴承的故障诊断结果。本发明有助于对滚动轴承故障进行有效分类，实现大规模数据下滚动轴承的故障诊断，更具有普遍性。
-
Patent Agency Ranking
公开(公告)号：CN117804483A
公开(公告)日：2024-04-02
申请号：CN202311850635.6
申请日：2023-12-28
Applicant: 济南大学
IPC: G01C21/34
Abstract: 本发明属于机器人路径规划技术领域，尤其涉及一种基于改进人群搜索算法的多机器人路径规划方法及系统，方法包括：确定仓储栅格地图模型中路径的起始点和终点，基于机器人路径的起始点和终点之间所有节点的曼哈顿距离建立最优路径数学模型；采用改进人群搜索算法对仓储栅格地图模型中的路径进行寻优得到机器人最优路径；在路径寻优过程中，基于好评度引导与蒙特卡洛估计的多种群优化算法对种群进行优化，将优化后的种群作为改进人群搜索算法每次迭代的初始种群，将最优路径数学模型作为改进人群搜索算法的适应度函数计算个体的适应度。本发明引入多种群的优化方式，为改进SOA路径规划算法生成优质的初始种群，大大增加算法寻优效率。
-
公开(公告)号：CN115615433A
公开(公告)日：2023-01-17
申请号：CN202110784429.4
申请日：2021-07-12
Applicant: 中国人民解放军海军航空大学青岛校区 , 济南大学 , 山东蓓明医疗科技有限公司
IPC: G01C21/20
Abstract: 本发明公开了一种基于扩展Kalman和R‑T‑S平滑算法的混合定位方法及系统，包括：获取每个时刻机器人位置的预估，判断机器人在X方向和Y方向的位置变化情况；对于位置变化没有超过设定阈值的方向，利用R‑T‑S平滑算法对机器人在该方向的位置进行平滑，并对平滑过的位置取平均，得到机器人在该方向的最优位置预估。本发明分别判断机器人在X方向和Y方向的位置变化情况，对位置变化小于设定阈值的方向进行平滑，能够有效的提高局部方向处于静止状态下的导航预估的精度，进而提高整个导航的精度。
-
公开(公告)号：CN111693488B
公开(公告)日：2022-12-06
申请号：CN202010513459.7
申请日：2020-06-08
Applicant: 济南大学
IPC: G01N21/359 , G06K9/62 , G06N20/00
Abstract: 本发明公开了一种基于DS证据理论融合的水果等级分类方法及系统，包括：获取待测水果的原始近红外光谱并进行预处理；利用遗传算法筛选出最佳的特征波长；将所述特征波长分别输入到训练好的极限学习机预测模型和基于偏最小二乘法的预测模型，分别得到待测水果的可溶性固形物含量信息；分别基于所述可溶性固形物含量信息对水果等级进行分类；基于DS证据理论对两种分类结果进行融合，得到基于可溶性固形物含量的水果等级类别。本发明使用基于DS证据理论的苹果等级分类方法，融合极限学习机与偏最小二乘法的两种预测模型。DS融合后测试集分类等级准确率为94.697％，优于单一的模型分类方法。
-
公开(公告)号：CN113610857A
公开(公告)日：2021-11-05
申请号：CN202110974079.8
申请日：2021-08-24
Applicant: 济南大学
Abstract: 本公开提供了一种基于残差网络的苹果分级方法及系统，包括：获取苹果的外观图像；根据获取的外观图像以及预设的苹果分级网络模型，得到苹果的分级结果；其中，苹果分级网络模型通过训练改进后的残差网络得到；具体的，通过加入卷积注意力模块和带泄露线性整流函数实现残差网络的改进；本公开通过改进的残差网络实现了基于外观的苹果分级；使用大津法在HSI色彩通道上对苹果图像进行分割，通过加入卷积注意力模块和LeakyReLU激活函数(带泄露线性整流函数)，对残差网络进行改进，将其应用于苹果分级，并与其它卷积神经网络的分级结果进行对比，证明了改进的残差网络能够更好的实现苹果分级。
-
公开(公告)号：CN112001901A
公开(公告)日：2020-11-27
申请号：CN202010832982.6
申请日：2020-08-18
Applicant: 济南大学 , 山东商业职业技术学院
Abstract: 本公开提供了一种基于卷积神经网络的苹果缺陷检测方法及系统，属于水果缺陷检测技术领域，所述方法包括以下步骤：获取苹果的图像数据；对获取的图像数据进行预处理；将预处理后的图像数据输入到预设卷积神经网络模型中，得到苹果缺陷检测结果；其中，对获取的图像数据进行预处理包括：采用最大类间方差法去除苹果背景，并调整图像分辨率为预设像素；本公开降低了花梗和花萼对缺陷检测精确度的影响，能够实现苹果的高效和准确的缺陷识别。
-
-
-
-
-
-
-
-
-
Search Results
36
records
(took 0.021 seconds)
