-
公开(公告)号：CN111929285A
公开(公告)日：2020-11-13
申请号：CN202010804651.1
申请日：2020-08-11
Applicant: 安徽理工大学
Abstract: 本发明涉及一种激光诱导荧光红酒掺杂酒精的光谱识别方法，包含以下步骤：(1)利用激光诱导荧光光谱仪获得红酒样品的原始荧光光谱图；(2)利用BP-REF算法对红酒样品的原始荧光光谱数据进行属性约简；(3)采用自助法(bootstrapping)将红酒样品的光谱数据划分成训练集和测试集；(4)利用粒子群算法(PSO)优化学习向量量化神经网络(LVQ)模型的初始权值W；(5)将测试集上的红酒光谱数据作为模型的输入，从而进行不同种类红酒的检测识别。本发明采用PSO结合LVQ用于激光诱导荧光红酒掺杂酒精的分类识别，具有泛化能力强、分类准确率高和实际应用价值大的特点，对于红酒掺假的实时精准检测有重大意义。
-
公开(公告)号：CN111613331A
公开(公告)日：2020-09-01
申请号：CN202010437480.3
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: 本发明公开了一种基于随机森林和word2vec的矿工营养代谢评估方法及系统，涉及营养代谢评估技术领域，在分析矿工营养代谢的时候综合考虑了矿工个体差异，同时利用word2vec准备提取词向量，在借助RF回归分析方法提升矿工代谢评估的准确性和可靠性，准确可靠的评估代谢情况有助于准确、及时地掌握矿工的身体健康状态。针对矿工这一特殊群体进行营养代谢检测的评估，实现矿工身体健康状态的准确、实时测量分析，完成部分职业病的前期预警及保障矿工的生命健康。
-
公开(公告)号：CN111461000A
公开(公告)日：2020-07-28
申请号：CN202010246052.2
申请日：2020-03-31
Applicant: 安徽理工大学
Abstract: 本发明的目的是针对特殊场景如办公室，提供一种基于CNN和小波分析的办公室垃圾智能分类方法，其实现过程为：采集垃圾图像数据，使用一种考虑低鲜明度和高对比度性的图像预处理方法，再进行卷积和池化处理，对图像特征进行提取；采集垃圾振动频率信号，基于小波分析将振动频率信号进行小波分解，对信号进行去噪处理，保留有效的信号特征，输出特征向量；基于随机森林算法，利用特征向量建立垃圾分类模型，输出垃圾分类信号；将分类信号传递至分类垃圾箱门控制装置；将分类成功的垃圾数据反馈给识别与分类系统，更新样本数据集；通过无线传输将分类失败的垃圾数据传输至云端，待人为标记后，再反馈给识别与分类系统，更新样本数据集。
-
公开(公告)号：CN111409973A
公开(公告)日：2020-07-14
申请号：CN202010246118.8
申请日：2020-03-31
Applicant: 安徽理工大学
IPC: B65F1/14
Abstract: 本发明具体涉及一种办公室垃圾智能化分类处理装置，包括智能箱盖，图像识别装置，舵机，步进式传动装置，满箱检测器，上位机模块和多个分类收纳箱。所述智能箱盖集成了MCU，摄像头模块，舵机。步进式传动装置主要采用呈漏斗型的传送带。装置底部由多个分类收纳箱组成，箱内设置满箱检测器。依次将垃圾投入投递口，在装置获取待分类垃圾检测图像后，通过连接上位机模块，卷积神经网络判断待分类垃圾是否属于纸张、金属、塑料。若符合，发出相应控制信号，控制传动装置转过相应步距角，打开相应挡板，将垃圾投入对应回收区；若不符合，投入对应其他垃圾回收区。满箱检测为未满箱状态，进行下一轮垃圾分类处理。本发明结构合理，具有普遍推广的价值。
-
公开(公告)号：CN209606321U
公开(公告)日：2019-11-08
申请号：CN201821979223.7
申请日：2018-11-28
Applicant: 安徽理工大学
IPC: G01N21/64
Abstract: 本实用新型涉及一种双激光LIF技术的花生油掺杂大豆油判别装置，该装置包含以下部分：电源模块、激光器模块1、激光器模块2、激光荧光探头模块1、激光荧光探头模块2、光谱仪模块、延时开关模块、上位机模块。荧光探头利用石英光纤采集待测植物油中因激光器发射激光产生的荧光，在光谱仪接收荧光信息的过程中，利用延时开关来实现采用两个不同波段激光光源获取双激光光源下的LIF光谱的荧光信息的分时接收。在计算荧光强度后利用上位机来建立已知的花生油、大豆油纯植物油样本和它们的混合油样本激光诱导荧光光谱的模型数据库，并对待测植物油样本的荧光光谱进行分类识别，从而有利于检测花生油中是否存在大豆油的掺杂。(ESM)同样的发明创造已同日申请发明专利
-
Patent Agency Ranking
公开(公告)号：CN214804848U
公开(公告)日：2021-11-23
申请号：CN202120518214.3
申请日：2021-03-09
Applicant: 安徽理工大学
IPC: A61B7/04
Abstract: 本实用新型涉及一种穿戴式矿工心音监护仪，该监护仪包含以下部分：微处理器模块、心音采集模块、噪声采集模块、触摸屏、预警模块、蓝牙模块、存储模块以及电源模块。该监护仪首先通过HKY‑06B心音传感器和SM7901B噪声传感器分别采集矿工的心音数据和周围环境的噪声数据，随后MSP430超低功耗单片机分析采集的心音数据和噪声数据，并进行数据的显示、储存以及异常报警等，最终实现矿工心血管功能检测分析，并对部分职业性心血管疾病的前期预警。
-
公开(公告)号：CN214761084U
公开(公告)日：2021-11-19
申请号：CN202120989134.6
申请日：2021-05-10
Applicant: 安徽理工大学
IPC: A61B5/08
Abstract: 本实用新型是一种基于矿工肺部健康监测系统，涉及肺部医疗健康监测领域，系统包括电源模块、数据采集模块、信号处理模块、微控制器、显示模块、键盘输入模块、存储模块以及通讯模块，系统电源模块为其他模块提供电源，数据采集模块将采集到的数据送至信号处理模块而后将处理好的数据与键盘输入信息送至微控制器中进行显示与存储，各个模块之间利用通讯模块进行通讯。搭建出的一个完整的矿工肺部健康监测系统，能够及时的显示存储矿工肺部指标，实现对矿工肺部健康快速方便的监测。
-
公开(公告)号：CN216417175U
公开(公告)日：2022-05-03
申请号：CN202121060361.7
申请日：2021-05-17
Applicant: 安徽理工大学
IPC: A61B5/12
Abstract: 本实用新型涉及一种听力健康监测与趋势预测的职业健康监测装置，该设备包括噪声采集处理模块、音频信号发生器、测听模块、人机交互模块、中央处理器、储存与通信模块和电源模块。装置启动后噪声采集处理模块自动采集测听耳机与耳膜之间的环境噪音，以噪音分贝值为变量实行自动降噪；音频信号发生器通过数模转换和放大处理输出音频信号，结合人机交互模块实现纯音测听的听力测试；再通过耳声发射检测获取耳蜗各个部分对于不同频率的听力敏感度，生成耳声发射检测报告。在储存模块调出历史测听报告，实现对工人个体的听力损伤跟踪。讲检测结果传输至云端服务器，结合大数据与人工智能神经网络对听力健康趋势进行预测，采取可以减弱职业危害因素所造成的损失的防治措施。
-
公开(公告)号：CN215348918U
公开(公告)日：2021-12-31
申请号：CN202120980703.0
申请日：2021-05-10
Applicant: 安徽理工大学
IPC: A61B5/0205 , A61B5/1455 , A61B5/00 , H04L29/08 , G16H50/30 , G16H80/00
Abstract: 本实用新型涉及一种面向矿工人群的多生命体征采集系统，包括：传感监测组件，微处理器组件，ZigBee通讯网络。因为是面向于特殊人群设计，所以生命体征采集仅仅局限于其血压，心率，血氧饱和度，体温四大方面的体征采集。传感监测组件用于采集人体的生命体征信息，并且将体征信息转化为电信号发送至微处理器。微处理器则通过ZigBee通讯网络将数据上传至服务器，方便地上人员查看并且了解矿区情况。此系统在不影响矿工作业的前提下，实现了持续监测生命体征信息，整个系统自动完成体征的采集、上传、分析、报表生成等工作，提前避免和减少矿工出现危险情况的发生，给矿工的井下作业带来极大的保障。
-
公开(公告)号：CN210119440U
公开(公告)日：2020-02-28
申请号：CN201920412378.0
申请日：2019-03-28
Applicant: 安徽理工大学
Abstract: 本实用新型涉及一种多光源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。本实用新型使用了多光源结合LIF技术，并且不接触待测样品，实现了快速、无损检测。(ESM)同样的发明创造已同日申请发明专利
-
-
-
-
-
-
-
-
-
Search Results
71
records
(took 0.031 seconds)
