-
公开(公告)号：CN112309568A
公开(公告)日：2021-02-02
申请号：CN202011247601.4
申请日：2020-11-10
Applicant: 安徽理工大学
Abstract: 本发明公开了一种基于主动学习结合PNN的异常识别方法，涉及异常体征识别技术领域，通过筛选最有价值的样本进行标记，既可降低人工标注成本，又可提高已标注样本的泛化能力。分类器能够主动选择包含信息量大的未标注的矿工体征数据并将其交由专家进行标注，然后置入训练集进行训练，从而在训练集较小的情况下获得较高的分类正确率，这样可以有效的降低构建高性能分类器的代价，提升训练效率，能取得传统监督学习算法所获得的近似分类准确率。PNN算法建模过程简单、训练速度快、分类更准确、容错性好。将主动学习与PNN算法相结合，用于体征异常矿工的识别，实现了矿工身体健康状态的高效且快速识别，完成了部分职业病的前期预警。
-
公开(公告)号：CN111613340A
公开(公告)日：2020-09-01
申请号：CN202010436457.2
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: 本发明公开了矿工健康评估方法及系统，涉及人体健康管理技术领域，1、搭建矿工健康管理系统；2、系统采集不同健康状况的矿工生理参数数据；3、采用ABC-RS算法对原始矿工健康数据进行属性约简；4、将属性约简后的数据按比例随机划分成训练集和预测集；5、利用训练集建立ELM健康诊断的预测模型，预测集检验早期职业病类别预测的效果。将ABC-RS算法与ELM算法相结合用于矿工生理指标数据的处理与预测评估；采用ABC-RS删选出矿工健康数据中的有用属性，利用按比例随机划分的训练集建立ELM健康诊断预测模型，预测集检验分类效果，最后实现对矿工健康状况的评估。
-
公开(公告)号：CN110044856A
公开(公告)日：2019-07-23
申请号：CN201910244231.X
申请日：2019-03-28
Applicant: 安徽理工大学
Abstract: 本发明涉及一种多光源LIF葵花籽油掺杂菜籽油的快速无损鉴别设备，该设备由四路继电器、激光器1、激光器2、激光器3、激光器4、接收模块、CCD模块、FPGA以及LCD显示器组成。当FPGA发出两个弱磁信号，四路继电器相应的两个引脚就会接通，相当于开关闭合，与两个引脚对应的两个激光器就会发出激光，水平照射在待测植物油样品上，接收模块接收样品发出的荧光信号传给CCD模块。CCD模块将接收到的荧光信号转换成电信号，通过在FPGA上建模对电信号进行分析与对比，最终在LCD显示屏上显示样品的荧光光谱，从而判断葵花籽油中是否掺杂菜籽油。本发明使用了多光源结合LIF技术，并且不接触待测样品，实现了快速、无损检测。
-
公开(公告)号：CN109890104A
公开(公告)日：2019-06-14
申请号：CN201910283860.3
申请日：2019-04-10
Applicant: 安徽理工大学
IPC: H05B33/08
Abstract: 本发明涉及一种基于云服务的具备学习能力的太阳能路灯调光控制系统，且传输效率高，功耗低，控制范围大。(1)基于云服务的具备学习能力的太阳能路灯调光控制系统，具体包括路灯节点、NB-IOT路由基站、云服务器三大部分。(2)路灯节点包括MCU处理器、太阳能板、充放电控制器、蓄电池、传感器模块、报警模块等。(3)管理员通过对云服务各项数据计算分，提高路灯工作效率。(4)具备学习能力的太阳能路灯的调光过程。整个系统解决了现有的路灯控制范围小、功耗高、传输效率低、调光参数无法改变等问题。
-
公开(公告)号：CN109830271A
公开(公告)日：2019-05-31
申请号：CN201910035488.4
申请日：2019-01-15
Applicant: 安徽理工大学
Abstract: 本发明涉及一种基于边缘计算和云计算的健康数据管理系统及分析方法，将边缘计算和云计算有机结合的方式用于健康数据的管理和分析。为了有效管理健康数据的，采用健康数据云计算平台、健康数据边缘计算平台组和局部多模态健康数据采集组构建了基于边缘计算和云计算的健康数据管理系统，实现了多模态健康数据的采集和存储管理等。同时为了有效分析健康数据，使用PCA提取数据格式健康数据的特征，使用PCANet提取图像格式健康数据的特征，随后利用数据融合技术实现健康数据的有效融合，再借助随机森林算法分析健康状况。本发明硬件简单，采用的算法比较轻量化，可以在保障健康数据安全性的同时实现健康数据的实时、高精度分析。
-
Patent Agency Ranking
公开(公告)号：CN113743345B
公开(公告)日：2024-02-02
申请号：CN202111065561.6
申请日：2021-09-09
Applicant: 安徽理工大学
IPC: G16H50/20 , G16H10/60 , G16H50/30 , A61B5/00 , G06F18/15 , G06F18/213 , G06F18/214 , G06F18/241 , G06N3/0455 , G06N3/08
Abstract: 本发明涉及一种基于CEEMDAN‑SAE的矿工疑似职业病识别方法，包含以下步骤：(1)搭建矿工职业健康检测系统用于矿工健康数据的采集；据，加入人工标记的标签，建立矿工健康标准数据库；(3)采用CEEMDAN对原始脑电、心电、肌电信号进行去噪处理，避免数据中噪声信号的干扰；(4)采用留出法(hold‑out)按一定比例将预处理数据划分成训练集和测试集；(5)将SAE用于数据的特征提取工作，降低数据的维度，提取出重要特征；(6)利用重要特征优选的数据建立基于LVQ的矿工疑似职业病识别模型，并评估模型的识别性能。本发明采用CEEMDAN‑SAE结合LVQ用于矿工疑似职业病的识别，适用于职业健康智能识别领域的研究。(2)利用职业健康检测系统采集矿工职业健康数
-
公开(公告)号：CN117258436A
公开(公告)日：2023-12-22
申请号：CN202311209757.7
申请日：2023-09-19
Applicant: 安徽理工大学
Abstract: 本发明属于矿用通风设备领域，公开一种煤矿开采通风粉尘过滤装置及其粉尘检测方法，包括第一过滤盘与第二过滤盘，所述第一过滤盘与所述第二过滤盘转动连接有抽风圆管，所述抽风圆管固定连接吸尘方管，所述吸尘方管上开设有吸尘槽口，所述吸尘槽口的两侧固定连接有毛刷，所述抽风圆管的中间侧壁上沿周向开设有若干个通风槽口，所述抽风圆管上位于所述通风槽口处转动连接有连接套头，所述连接套头的周侧固定连接有抽风方管，所述抽风方管的外侧末端固定连接有粉尘收集盒，所述粉尘收集盒的内侧设置有过滤板，所述粉尘收集盒的侧边固定连接有抽风机。能够对空气中的粉尘颗粒物进行过滤拦截，还能够对过滤盘表面附着的粉尘颗粒物进行清除收集。
-
公开(公告)号：CN113663920B
公开(公告)日：2023-01-06
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：CN110348538B
公开(公告)日：2023-01-03
申请号：CN201910652387.1
申请日：2019-07-18
Applicant: 安徽理工大学
IPC: G06V10/764 , G06V10/82 , G06N3/04 , G06N3/08
Abstract: 本发明公开了一种多光谱光谱信息和1D‑CNN的煤矸识别方法，包括以下步骤：(1)煤和矸石多光谱光谱信息获取；(2)煤和矸石光谱信息的样本划分；(3)一维卷积神经网络光谱特征提取；(4)概率神经网络煤矸识别模型构建。本发明采用1D CNN‑PNN进行煤和矸石多光谱光谱信息的识别模型构建，提出一种新的一维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实时、精准识别。
-
公开(公告)号：CN110378295B
公开(公告)日：2022-12-20
申请号：CN201910663782.X
申请日：2019-07-22
Applicant: 安徽理工大学
IPC: G06V20/00 , G06V20/13 , G06V10/80 , G06V10/82 , G06N3/04 , G06N5/00 , G01N21/17 , G01N21/31 , G01J3/28
Abstract: 本发明公开了一种多光谱图像信息和光谱信息异构融合的煤矸识别方法，包括以下步骤：(1)煤和矸石多光谱数据的获取；(2)构造煤和矸石的多光谱数据库；(3)二维卷积神经网络图像信息的特征提取；(4)一维卷积神经网络光谱信息的特征提取；(5)图像特征和光谱特征的融合；(6)随机森林煤矸识别模型构建。本发明采用2D‑CNN和1D‑CNN分别提取图像特征和光谱特征，特征融合后进行煤和矸石多光谱的识别模型构建，提出一种可用于图像信息和光谱信息特征提取、融合的异构融合框架能够提取更多、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实时、精准识别。
-
-
-
-
-
-
-
-
-
Search Results
71
records
(took 0.029 seconds)
