-
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：CN106198481B
公开(公告)日：2020-01-24
申请号：CN201610864992.1
申请日：2016-09-29
Applicant: 安徽理工大学
IPC: G01N21/64
Abstract: 本发明公开了一种基于LIF技术和朴素贝叶斯分类的假酒识别装置，包括电源模块、依次连接的激光器、浸入式探头、激光探测器、光谱分析模块、识别模块，激光探测器包括六路并行激光探测器，本发明还公开了一种假酒识别方法：激光器将激光打入被测白酒，被测白酒受激辐射发出荧光，由浸入式探头实时接收荧光信号并传输至激光探测器；六路并行激光探测器同时分别读取设定的各个波段的荧光信号；光谱分析模块对各荧光信号进行数据整合后输出一路完整波段的荧光光谱数据；识别模块根据被测白酒的荧光光谱数据以及已知含有不同浓度甲醇的白酒样本的PCA模型，基于朴素贝叶斯分类算法判断被测白酒是否为假酒以及甲醇的浓度，实现对假酒的快速识别。
-
公开(公告)号：CN107554468A
公开(公告)日：2018-01-09
申请号：CN201710842243.3
申请日：2017-09-18
Applicant: 安徽理工大学
Abstract: 本发明公开了一种多源信息融合车载儿童安全辅助系统，包括车载电源管理终端、车载环境参数采集终端、车载执行终端和手机终端，所述车载电源管理终端包括汽车状态检测模块、电源切换模块、电源模块以及太阳能发电模块，所述车载环境参数采集终端包括红外摄像头模块、氧气浓度测量模块、二氧化碳浓度测量模块、温湿度测量模块以及GPS定位模块，所述车载执行终端包括空气调节模块、GSM通信模块以及报警模块，所述手机终端包括手机客户端。本发明对车内的实况图像、氧气浓度和二氧化碳浓度三参数综合测量判断车内是否有儿童被困更加安全可靠，通过车内的空调系统及时进行空气调节保障车内被困儿童的安全，使汽车更加安全可靠，有效地消除了安全隐患。
-
公开(公告)号：CN106198481A
公开(公告)日：2016-12-07
申请号：CN201610864992.1
申请日：2016-09-29
Applicant: 安徽理工大学
IPC: G01N21/64
Abstract: 本发明公开了一种基于LIF技术和朴素贝叶斯分类的假酒识别装置，包括电源模块、依次连接的激光器、浸入式探头、激光探测器、光谱分析模块、识别模块，激光探测器包括6路并行激光探测器，本发明还公开了一种假酒识别方法：激光器将激光打入被测白酒，被测白酒受激辐射发出荧光，由浸入式探头实时接收荧光信号并传输至激光探测器；六路并行激光探测器同时分别读取设定的各个波段的荧光信号；光谱分析模块对各荧光信号进行数据整合后输出一路完整波段的荧光光谱数据；识别模块根据被测白酒的荧光光谱数据以及已知含有不同浓度甲醇的白酒样本的PCA模型，基于朴素贝叶斯分类算法判断被测白酒是否为假酒以及甲醇的浓度，实现对假酒的快速识别。
-
Patent Agency Ranking
公开(公告)号：CN104483299A
公开(公告)日：2015-04-01
申请号：CN201410757797.X
申请日：2014-12-10
Applicant: 安徽理工大学
IPC: G01N21/64
Abstract: 本发明公开了一种矿区水害水源辨别方法及系统，首先利用旋转平台带动样品池转动，然后将激光器与传输光纤连接，传入传输光纤，经过光纤传感器探头，通过反射镜反射照射在样品池中，水体中分子受激发出光谱信号，由光纤光谱仪采集分析出待测水体的光谱图数据，送入数据处理PC机内利用距离判别分析算法，对待测水体归类。本发明构建了一个采集水样、在线预处理和水样检测的矿区突水识别的框架，可以动态评价和预估待测矿区突水的危险性，为预防矿区突水事故提供参考数据，能够提前避免经济损失。
-
公开(公告)号：CN103674921A
公开(公告)日：2014-03-26
申请号：CN201310700589.1
申请日：2013-12-18
Applicant: 安徽理工大学
IPC: G01N21/64
Abstract: 本发明公开了一种基于K最近邻法的煤矿突水水源预测方法，基于K最近邻法，采用Nd:YAG固体激光器发出激光聚焦在待测水体上，该水体在激光激发下产生荧光光谱信号，将荧光探头采集到的光谱信号照射到多道探测器中并经过信号处理，得到反应待测水体水质情况的信号数据，与相同测定条件下的反应正常水体水质情况的信号数据进行比较，然后在ARM7处理器中利用K最近邻法构建模式识别模型，对待测水体数据分析，经过演算可以获得较准确的煤矿井下水源水质变化情况，从而预估出未来矿井下的突水的预测，以确保井下工作人员的安全。
-
公开(公告)号：CN111220574B
公开(公告)日：2023-03-14
申请号：CN202010151294.3
申请日：2020-03-06
Applicant: 安徽理工大学
Abstract: 本发明涉及一种井下涌水水源类型分析报警系统及方法。系统包括：激光器、数据获取模块、FPGA处理器、上位机和报警模块；激光器向待测涌水水体发射激光，待测涌水水体在受激光的激发后，发射激发光；数据获取模块接收激发光，将激发光转换为数字光谱数据；FPGA处理器将数字光谱数据转换为CAN网络光谱帧数据；上位机根据CAN网络光谱帧数据，获得待测涌水水体中包含的所有涌水水源的类型和每个涌水水源类型的比例，根据涌水水源的类型或每个涌水水源类型的比例得到报警信息；FPGA处理器根据报警信息控制报警模块进行报警。本发明能够快速检测混合水样的涌水水源类型，并实现了实时预警。
-
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。
-
-
-
-
-
-
-
-
-
Search Results
74
records
(took 0.059 seconds)
