-
公开(公告)号：CN102253038A
公开(公告)日：2011-11-23
申请号：CN201110100916.0
申请日：2011-04-21
Applicant: 福州大学
CPC classification number: G01N21/8483
Abstract: 本发明涉及金免疫试条定量检测技术领域，特别是一种基于嵌入式CCD图像采集的金免疫定量检测方法及装置。该方法包括以下步骤：1）将试条放入CCD图像采集装置，探测到已放置试条后计时器开始计时；2）计时时间到，提取试条的CCD图像信息，并传输到数字信号处理单元；3）去噪预处理；4）提取特征矢量：分别提取颜色直方图的颜色特征矢量1、类色度空间模型的特征矢量2；5）初步判断该次检测是否有效；6）将特征参量作为机器学习拟合算法模型的输入端，采用机器学习算法拟合浓度模型，计算输出相关定量分析结果。该方法及装置不仅有利于提高金免疫试条浓度定量检测的检测精度，而且易于操作，使用效果好。
-
公开(公告)号：CN114931389B
公开(公告)日：2024-07-05
申请号：CN202210449287.0
申请日：2022-04-27
Applicant: 福州大学
Abstract: 本发明涉及一种基于残差网络及图卷积网络的肌电信号识别方法，包括以下步骤：步骤S1:获取多通道肌电信号，对多通道肌电信号进行预处理，得到待训练的数据集；步骤S2:选择满足实时性的时间窗口和相应的滑动窗口对肌电信号进行采样，构建表面肌电信号图像;步骤S3:构建残差网络及图卷积网络的结构模型，并基于表面肌电信号图像训练；步骤S4:基于训练好的残差网络及图卷积网络的结构模型对表面肌电信号进行识别。本发明能够更好地学习肌电信号的特征，同时由于保留了残差网络结构，解决了深度卷积网络模型的退化问题。
-
公开(公告)号：CN113952091A
公开(公告)日：2022-01-21
申请号：CN202111472020.5
申请日：2021-12-06
Applicant: 福州大学
Abstract: 本发明提出一种多传感器融合的假肢手抓握力反馈控制方法，包括多传感器融合与反馈方法、握力预测方法及基于PD的CMAC机械手抓握控制方法；多传感器融合与反馈方法中，包括对肌肉采集其表面肌电信号，对被假肢手抓握的物体采集其温度、接触力、滑动状态、采集抓握动作对应的关节加速度及角速度及对假肢手的抓握动作采集其实际握力；握力预测方法预测当前抓握动作的抓握力；多传感器融合及反馈方法是对数据进行融合以生成当前抓握动作的假肢端感受信息；本发明让使用者能及时调整实际抓握力和抓握动作，实现准确、稳定地抓握物体，同时在抓握过程中检测被抓握物体的实时温度和接触力，通过振动及显示模块将触觉信息反馈给使用者。
-
公开(公告)号：CN112101298A
公开(公告)日：2020-12-18
申请号：CN202011103545.7
申请日：2020-10-15
Applicant: 福州大学
Abstract: 本发明涉及一种基于肌肉电阻抗信号的手势识别系统，包括：信号采集单元和上位机数据处理单元；所述信号采集单元包括主控模块、信号驱动模块、信号检测模块、AD采集模块和无线通信模块；所述主控模块与信号驱动模块、AD采集模块和无线通信模块分别连接；所述信号检测模块与电极和AD采集模块分别连接；所述无线通信模块通过无线传输与上位机连接，将采集的信号传输至上位机处理。本发明能直接反应出肌肉的本质状态，对于低速运动也能有较好的灵敏度，对肌肉收缩灵敏度高、鲁棒性好、信号幅值大、频率可控、预处理简单。
-
公开(公告)号：CN111464206A
公开(公告)日：2020-07-28
申请号：CN202010440636.3
申请日：2020-05-22
Applicant: 福州大学
Abstract: 本发明提出一种电流耦合型人体通信的自动阻抗匹配调节装置及方法，包括：电极、阻抗匹配电路、模拟前端电路、幅值相位处理电路、MCU、以及信号发射机和信号接收机；所述电极经阻抗匹配电路通过第一选择开关分别连接信号发射机和信号接收机；所述阻抗匹配电路由电容和电感构成，其两端经第二选择开关依次连接模拟前端电路、幅值相位处理电路和MCU；所述阻抗匹配电路的电容为数字可变电容，所述MCU连接数字可变电容。其克服了现有技术仅能对信道进行固定补偿的局限性，使得注入到负载中的功率最大化，有利于获取真实的信道特性，优化电流耦合型人体通信收发系统的设计。
-
Patent Agency Ranking
公开(公告)号：CN107677812A
公开(公告)日：2018-02-09
申请号：CN201710849412.6
申请日：2017-09-20
Applicant: 福州大学
IPC: G01N33/558 , G01N21/84
CPC classification number: G01N33/558 , G01N21/8483
Abstract: 本发明涉及一种基于卷积神经网络的金免疫层析检测方法及装置。该装置包括用于放置金免疫层析试条的试条平台、STM32微处理器、CCD图像扫描模块、LED阵列光学照明模块、计算机；STM32微处理器用于控制LED阵列光学照明模块及CCD图像扫描模块的工作，而后采集的金免疫层析试条的CCD图像经STM32微处理器传输给计算机处理；计算机将STM32微处理器传输的金免疫层析试条的CCD图像作为多层卷积神经网络模型的输入层，采用训练后的多层卷积神经网络模型进拟合，并利用回归分析，获得金免疫层析检测结果。本发明避免了对试条图像的特征值提取，通过CCD采集金免疫层析试条特定时刻t1及反应终止时刻t2的图像，通过分层的方式学习数据的特征表示，提高金免疫层析检测效果。
-
公开(公告)号：CN106168578A
公开(公告)日：2016-11-30
申请号：CN201610421154.7
申请日：2016-06-14
Applicant: 福州大学
IPC: G01N21/84 , G01N33/558
CPC classification number: G01N21/8483 , G01N33/558
Abstract: 本发明涉及一种基于MTK平台的金免疫层析试条图像检测方法，包括以下步骤：步骤S1：建立一基于MTK平台的图像检测设备，包括MTK芯片单元、图像采集单元、输入输出单元、存储单元、GPS定位单元以及通讯模块；步骤S2：图像采集单元包括图像传感器与LED阵列光源，通过调节LED脉冲波形的脉冲宽度控制LED阵列光源的亮度，调节金免疫试条的光照强度，获得均匀的光斑，由图像传感器采集金免疫试条的图像；步骤S3：图像传感器采集金免疫试条的图像传输至MTK芯片单元进行图像处理；步骤S4：MTK芯片单元将经过图像处理后得到的金免疫层析试条的数据信息以及GPS定位单元获取的GPS数据通过所述通讯模块传输至数据中心。该方法能够快速有效进行定量测定。
-
公开(公告)号：CN102940484B
公开(公告)日：2015-04-15
申请号：CN201210496674.6
申请日：2012-11-23
Applicant: 福州大学
IPC: A61B5/0205 , A61B5/0402
Abstract: 本发明涉及一种可远程通讯的家用心血管检测和诊断装置，其特征在于包括：一微控制器控制模块；所述的微控制器控制模块控制一血压信号采集模块和一心电信号采集模块对使用者生理信号进行采集；一信号分析处理和心血管诊断模块、一存储显示模块、以及一移动通讯模块与所述为控制器控制模块连接，本发明的目的是为了弥补现有只根据单一的心电或血压信号进行诊断的不足，提供一种使用简单，监测方便，诊断快捷的可远程通讯的家用心血管检测和诊断仪。
-
公开(公告)号：CN102253038B
公开(公告)日：2013-07-03
申请号：CN201110100916.0
申请日：2011-04-21
Applicant: 福州大学
CPC classification number: G01N21/8483
Abstract: 本发明涉及金免疫试条定量检测技术领域，特别是一种基于嵌入式CCD图像采集的金免疫定量检测方法及装置。该方法包括以下步骤：1）将试条放入CCD图像采集装置，探测到已放置试条后计时器开始计时；2）计时时间到，提取试条的CCD图像信息，并传输到数字信号处理单元；3）去噪预处理；4）提取特征矢量：分别提取颜色直方图的颜色特征矢量1、类色度空间模型的特征矢量2；5）初步判断该次检测是否有效；6）将特征参量作为机器学习拟合算法模型的输入端，采用机器学习算法拟合浓度模型，计算输出相关定量分析结果。该方法及装置不仅有利于提高金免疫试条浓度定量检测的检测精度，而且易于操作，使用效果好。
-
公开(公告)号：CN102940484A
公开(公告)日：2013-02-27
申请号：CN201210496674.6
申请日：2012-11-23
Applicant: 福州大学
IPC: A61B5/0205 , A61B5/0402
Abstract: 本发明涉及一种可远程通讯的家用心血管检测和诊断装置，其特征在于包括：一微控制器控制模块；所述的微控制器控制模块控制一血压信号采集模块和一心电信号采集模块对使用者生理信号进行采集；一信号分析处理和心血管诊断模块、一存储显示模块、以及一移动通讯模块与所述为控制器控制模块连接，本发明的目的是为了弥补现有只根据单一的心电或血压信号进行诊断的不足，提供一种使用简单，监测方便，诊断快捷的可远程通讯的家用心血管检测和诊断仪。
-
-
-
-
-
-
-
-
-
Search Results
61
records
(took 0.029 seconds)
