-
公开(公告)号：CN113033674A
公开(公告)日：2021-06-25
申请号：CN202110338376.3
申请日：2021-03-25
Applicant: 安徽理工大学
Abstract: 本发明公开了一种贝叶斯优化随机森林的苹果无损检测方法，包括以下步骤：(1)搭建多光谱数据采集系统，采集苹果的多光谱图像信息；(2)采用CLBP算法(完全局部二值模式)对采集到的苹果多光谱图像进行特征提取；(3)苹果多光谱图像的样本划分；(4)基于贝叶斯优化随机森林算法搭建苹果的无损检测模型；(5)检测模型效果，利用测试集检验模型对好苹果及缺陷苹果的分类准确率。本发明采用多光谱成像技术结合贝叶斯优化随机森林算法用于苹果的无损检测，具有很高的分类准确率，非常适用于水果的分销，减少人力。
-
公开(公告)号：CN111626224A
公开(公告)日：2020-09-04
申请号：CN202010469047.8
申请日：2020-05-28
Applicant: 安徽理工大学
IPC: G06K9/00 , G06K9/62 , G06N3/04 , G06N3/08 , G01N21/17 , G01N21/3563 , G01N21/359
Abstract: 本发明提供了一种基于近红外光谱和SSA优化的ELM的煤矸石快速识别方法，属于煤矸石快速识别领域，包括：首先将光谱成像技术用于煤矸石检测，获取煤矸石近红外光谱图像；然后把获取煤和矸石的近红外光谱图像预处理，并利用主成分分析(Principal Component Analysis，PCA)降维近红外光谱图像数据；接着基于改进的ELM构建煤矸石识别模型，用SSA算法优化改进的ELM的最优参数；最后将SSA获取的最优参数结合ELM用于煤矸石近红外光谱图像识别。本发明提供的基于近红外光谱和SSA优化的ELM的煤矸石快速识别方法不仅实现煤矸石准确快速的识别，而且省去识别模型的手动参数搜索的过程，应用方便。
-
公开(公告)号：CN111398233A
公开(公告)日：2020-07-10
申请号：CN202010272628.2
申请日：2020-04-07
Applicant: 安徽理工大学
IPC: G01N21/64
Abstract: 本发明涉及了一种红酒品质的激光诱导荧光光谱检测识别方法，包含以下步骤：(1)采用激光诱导荧光光谱获取红酒样品的原始荧光光谱图；(2)采用非线性小波变换阈值法对原始荧光光谱数据进行去躁处理；(3)对采集到的激光光谱进行iPLS波段筛选，得到筛选后的光谱图；(4)采用随机划分法将筛选之后的荧光光谱数据划分成训练集和测试集；(5)采用PSO算法对SVM训练模型最佳惩罚系数c和核函数参数g进行优化；(6)在训练集上建立红酒识别模型，并通过测试集进行该模型识别结果的测试。本发明采用PSO结合SVM用于激光诱导荧光红酒的检测识别，具有很高的分类准确率和实际应用价值，泛化能力强，非常适用于掺假红酒的实时检测和推广。
-
公开(公告)号：CN110378295A
公开(公告)日：2019-10-25
申请号：CN201910663782.X
申请日：2019-07-22
Applicant: 安徽理工大学
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。
-
公开(公告)号：CN110348538A
公开(公告)日：2019-10-18
申请号：CN201910652387.1
申请日：2019-07-18
Applicant: 安徽理工大学
IPC: G06K9/62
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。
-
Patent Agency Ranking
公开(公告)号：CN109902558A
公开(公告)日：2019-06-18
申请号：CN201910035483.1
申请日：2019-01-15
Applicant: 安徽理工大学
Abstract: 本发明涉及一种基于CNN-LSTM的人体健康深度学习预测方法，将先进的深度学习模型结合摄像头用于识别行人的病理步态，进而预测其健康状态。对行人步态的识别采用动态方式，用CNN提取视频图像中行人的步态特征，然后利用LSTM基于时序识别步态特征，进而判别其步态类型。为实现多人在线实时检测，在系统中加入一个视频行人检测模块，并构建一个轻量且特征映射能力强的复用型CNN模型，既用于视频检测中行人的识别，也用于行人步态的特征提取。本发明基于图像采用动态方式识别步态，硬件实现简单，但技术先进，对步态的识别准确率高，应用前景广阔，即可用于区域人体健康监测与分析，也可用于家庭，做到订制化服务。
-
公开(公告)号：CN109882792A
公开(公告)日：2019-06-14
申请号：CN201910283856.7
申请日：2019-04-10
Applicant: 安徽理工大学
IPC: F21S9/03 , F21V23/00 , F21V33/00 , H05B33/08 , F21W131/103 , F21Y115/10
Abstract: 本发明涉及一种基于NB-IOT的物联网太阳能路灯系统，包括以下步骤：(1)基于NB-IOT的物联网太阳能路灯系统，主要包括路灯基础设施、路灯智能照明装置、路灯辅助功能装置和充放电控制模块；(2)太阳能路灯基础设施的组成；(3)太阳能路灯智能照明装置工作原理；(4)太阳能路灯辅助功能装置模块作用；(5)放电与防反冲保护模块与充放电控制模块的电源端连接，有效防止太阳能路灯系统损坏。本发明是基于NB-IOT的物联网太阳能路灯系统，解决了现有太阳能路灯系统无线技术的覆盖面积小、智能水平低、集中控制效率低和功能单一的问题，使太阳能路灯系统更加智能化、网络化和节能化。
-
公开(公告)号：CN109270044A
公开(公告)日：2019-01-25
申请号：CN201811430914.6
申请日：2018-11-28
Applicant: 安徽理工大学
Abstract: 本发明涉及一种激光诱导荧光植物油掺杂浓茶水鉴定方法，包含以下步骤：(1)采用激光诱导荧光光谱仪获取油样的原始荧光光谱图；(2)采用滑动平均法对原始荧光光谱数据进行去噪处理；(3)采用Kennard-Stone划分方法将荧光光谱数据划分成训练集和测试集；(4)用DE-GWO算法对MSVC训练模型最佳惩罚系数c和核函数参数g进行优化；(5)将测试集上的光谱数据作为模型的输入，从而进行不同种类油样的识别。本发明采用DE-GWO结合MSVC用于激光诱导荧光植物油掺杂浓茶水分类鉴别，具有很高的分类正确率和实际应用价值，泛化能力强，非常适用于掺假植物油的实时精准检测与推广。
-
公开(公告)号：CN118777216A
公开(公告)日：2024-10-15
申请号：CN202410658002.3
申请日：2024-05-27
Applicant: 安徽理工大学
IPC: G01N21/17 , G16C20/70 , G16C20/20 , G06F18/2135 , G06F18/214 , G06F18/243 , G06N5/01 , G06N20/20 , G06N3/006
Abstract: 本发明公开了一种基于光声光谱和NGBoost的燃煤硫氧化物气体检测方法，包括以下步骤：通过实验获取硫氧化物气体的光谱数据集；对采集到的光谱数据集按7:3的比例划分为训练集和测试集；对训练集和测试集的光声光谱数据进行预处理；对预处理后的数据进行KPCA降维处理；建立光声光谱硫氧化物气体NGBoost模型；用改进的粒子群算法优化NGBoost模型；输入光谱数据对模型进行测试；本项发明利用光声光谱技术提出了一种基于IPSO优化的NGBoost模型的燃煤硫氧化物气体检测方法，该方法构建NGBoost模型进行硫氧化物气体浓度的准确检测，对异常值和噪声的鲁棒性高，具备实时性和适应性强的特点，因此非常适用于工业生产现场和环境检测中对硫氧化物气体浓度进行精确检测的需求。
-
公开(公告)号：CN115131712B
公开(公告)日：2024-07-16
申请号：CN202210817578.0
申请日：2022-07-12
Applicant: 安徽理工大学
IPC: G06V20/40 , G06T7/00 , G06T7/62 , G06V10/764 , G06V10/82 , G06F18/10 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种计算机视觉驱动的钻杆智能计数方法。本发明基于计算机视觉，将目标检测结合信号处理实现的钻杆智能计数。通过打钻过程的实时视频结合深度学习算法检测每帧图像中的钻杆，实时评估钻杆的相对大小，利用信号处理技术获得钻杆相对大小的实时平滑曲线，二值化平滑处理的钻杆的相对大小的实时曲线，得到图像中钻杆的编码二值曲线，统计矩形波形个数既可实现钻杆智能计数。本发明基于先进的深度学习算法和轻便的信号处理技术实现瓦斯抽采钻杆实时智能计数，对煤炭安全开采和煤矿智能化建设具有重要意义。
-
-
-
-
-
-
-
-
-
Search Results
132
records
(took 0.064 seconds)
