一种机床的震动检测装置
    1.
    发明公开

    公开(公告)号:CN118024018A

    公开(公告)日:2024-05-14

    申请号:CN202410133123.6

    申请日:2024-01-31

    Inventor: 杨瑞君 谭楚凡

    Abstract: 本发明公开了一种机床的震动检测装置及其检测方法,属于机床震动检测技术领域,包括检测器,检测器的一侧卡接有防护外壳,且检测器的下方固定安装有固定座,固定座的下方螺纹连接有延伸杆,延伸杆的下方设置有收纳杆,收纳杆的外侧套设有防滑套,延伸杆的上方螺纹连接有连接杆,固定座的内侧固定安装有连接座,连接座的一侧卡接有安装座;通过设置可伸缩的延伸杆设于收纳杆的内侧,利用连接杆将固定座将延伸杆相连接,再利用卡杆贯穿从右至左贯穿第二卡槽和第一卡槽,对延伸杆进行限位,无需操作人员手持检测器贴近待检测结构边缘位置,灵活性高,不会出现安全隐患。

    一种基于BIM的室内空间导航系统及其方法

    公开(公告)号:CN117804426A

    公开(公告)日:2024-04-02

    申请号:CN202311719615.5

    申请日:2023-12-13

    Inventor: 杨瑞君 丁志健

    Abstract: 本发明公开了一种基于BIM的室内空间导航系统及其方法,属于BIM技术领域。本发明主要解决用户在大型室内空间中快速定位并导航至目的地的难题。该系统由多个模块组成,包括楼层选择模块、BIM三维模型展示模块、起始点选择模块、目的地选择模块、路径规划偏好选择模块、路径规划模块、导航提示模块、多媒体展示模块、定位模块。本发明通过对BIM数据处理,并利用WebGL技术与JavaScript实现三维模型渲染和交互功能,确保了模型的准确性与细节丰富度,并实现在支持WebGL的浏览器中进行展示。为大型室内空间如购物中心、机场、医院等提供了一种创新的导航解决方案,不仅提升了用户的导航效率,还增强了室内空间的服务体验。

    基于机器学习算法的城市风险监控网络系统和方法

    公开(公告)号:CN112738476A

    公开(公告)日:2021-04-30

    申请号:CN202011610841.6

    申请日:2020-12-29

    Inventor: 杨瑞君 赵欢欢

    Abstract: 本发明提供了一种基于机器学习算法的城市风险监控网络系统和方法,该系统包括:前端监控设备、数据传输装置、数据处理装置、后端显示装置以及储存装置,其中:前端监控设备,用于获取监控视频对应的RGB色系图片;数据传输装置,用于将RGB色系图片传输给数据处理装置;数据处理装置,用于通过高斯混合模型对不同角度的RGB色系图片的每个像素点所呈现的颜色进行重新刻画,得到重新刻画的图像序列,并从重新刻画的图像序列中提取出目标帧;后端显示装置,用于显示目标帧;储存装置,用于记录前端监控设备和数据处理装置生成的所有图像数据。从而可以加快对监控视频的处理速率,方便进行数据存储和查看。

    一种访问数据的方法及其装置

    公开(公告)号:CN108287667A

    公开(公告)日:2018-07-17

    申请号:CN201810069191.5

    申请日:2018-01-24

    Inventor: 杨瑞君 祝可 高波

    Abstract: 本申请提供了一种访问数据的方法,包括:接收用户的数据访问请求;根据所述数据访问请求并行访问主缓存和N个溢出缓存,其中,所述主缓存的访问速度大于所述溢出缓存,所述溢出缓存用于缓存所述主缓存中溢出的数据,N为正整数;当所述主缓存中存在所述数据访问请求指向的目标数据时,从所述主缓存中读取所述目标数据;当所述主缓存中不存在所述目标数据,但所述N个溢出缓存中的第i个溢出缓存中存在所述目标数据时,从所述第i个溢出缓存中读取所述目标数据;当所述主缓存和所述N个溢出缓存中均不存在所述目标数据时,从主存储器中读取所述目标数据。因此,本申请提供一种访问数据的方法,能够提高数据读取的效率。

    一种基于自动机器学习的工控网络入侵检测模型构建方法

    公开(公告)号:CN114422262A

    公开(公告)日:2022-04-29

    申请号:CN202210155956.3

    申请日:2022-02-21

    Abstract: 本发明公开了一种基于自动机器学习的工控网络入侵检测模型构建方法,包括如下步骤:S1:构建自动机器学习框架;S2:将获取的工控网络入侵检测数据进行数据清洗处理,导入自动机器学习框架;S3:将目标工控网络数据输入至自动机器学习框架后,进行自动化特征工程处理;S4:自动地遍历分类机器学习模型,运用遗传编程的方法对每个机器学习模型进行超参的迭代优化;S5:选择训练模型进行遗传编程的自动超参优化,并进行交叉验证;S6:利用测试集进行验证,筛选出最优的入侵检测模型,并进行保存;S7:加载/部署构建完成的入侵检测模型,本发明能够有效提升工控入侵检测模型的效果,大大缩短模型构建的时间。

    基于位置的代理多重签名方法和系统

    公开(公告)号:CN107846281B

    公开(公告)日:2020-12-08

    申请号:CN201711036923.2

    申请日:2017-10-30

    Abstract: 本发明提供了一种基于位置的代理多重签名方法和系统,该方法包括:进行代理签名者PS、原始签名者群OSG以及位置基础设施PI的初始化;在PI的参与下完成原始签名者群OSG所在位置的真实性验证,然后通过PI来验证代理签名者PS的位置的真实性的认证,最后原始签名者群OSG完成对代理签名者PS的指定位置代理签名授权;代理签名者PS在PI的支持下完成其自己位置的认证功能,然后再执行对特定信息的代理签名功能;由代理签名验证者V来完成验证代理签名确实由指定位置的原始签名者群联合授权指定位置的代理签名者对预设信息进行了代理签名。本发明中的方法安全性高、应用范围广,实现了身份与位置的认证权力的转移。

    基于大数据的应急响应系统及方法

    公开(公告)号:CN109902973A

    公开(公告)日:2019-06-18

    申请号:CN201910282859.9

    申请日:2019-04-09

    Inventor: 杨瑞君 曹玉洁

    Abstract: 本发明提供了一种基于大数据的应急响应系统及方法,该系统包括:管理模块用于对采集到的环境数据和历史数据进行存储和监管,并提供安全状态查询服务、作业问题上报服务;登录模块用于提供用户登录界面,并通过管理模块执行安全状态查询,和/或作业问题上报;预警模块用于从管理模块中调取采集到的环境数据和历史数据,并根据采集到的环境数据和历史数据判断企业的当前状态是否达到预设的预警值,若达到,则向应急响应模块发送预警信息;应急响应模块用于在接收到预警信息,和/或接收管理模块上报到作业问题时,启动相应的应急策略。本发明适用于不同领域的企业,实现企业内部的安全数据管理,执行快速有效的应急响应,保证企业生产安全。

    基于PCA-Stacking建立的食源性致病菌拉曼光谱识别模型的训练方法

    公开(公告)号:CN109781706A

    公开(公告)日:2019-05-21

    申请号:CN201910111235.0

    申请日:2019-02-11

    Abstract: 本发明提供了一种基于PCA-Stacking建立的食源性致病菌拉曼光谱识别模型的训练方法。本发明针对拉曼峰相似的两种食源性致病菌——大肠杆菌0157:H7以及布鲁氏菌S2株识别精度不足的问题,提出一种基于PCA-Stacking的拉曼集成分类算法,找到了鲁棒性更好的数学统计模型和计算方法。针对拉曼光谱中存在的毛刺,基线漂移问题,使用Savitzky-Golay滤波器和非对称最小二乘实现光谱的预处理。通过网格搜索模型参数,证明了Stacking集成算法相比于K近邻、逻辑回归、支持向量机单一算法模型有更高的分类准确率。

    一种基于面部关键点光流的深度伪造视频检测方法

    公开(公告)号:CN117746514A

    公开(公告)日:2024-03-22

    申请号:CN202311757376.2

    申请日:2023-12-20

    Inventor: 杨瑞君 许冬改

    Abstract: 本发明公开了一种基于面部关键点光流的深度伪造(DeepFake)视频检测方法,该方法在提高准确性的同时充分考虑计算资源,以实现有效的深度伪造视频检测。该方法能够提取出表示面部不一致的时空特征,通过将来自69个连续帧的68个面部关键点的光流堆叠成一个特征图来发现伪造视频中的不一致性。这个特征图被称为面部关键点光流图,用于训练轻量级CNN模型来分类“真实”和“伪造”,这些特征具有高度紧凑和低维度性。该方法的参数数量较少,训练速度快,且占用GPU内存很低,从而降低了计算资源要求,可以轻松适用于嵌入式开发平台。

    一种基于深度学习的结合去噪的低照度RGB图像增强方法

    公开(公告)号:CN116934633A

    公开(公告)日:2023-10-24

    申请号:CN202311099412.0

    申请日:2023-08-29

    Inventor: 杨瑞君 秦晋京

    Abstract: 本发明提供了一种基于深度学习的结合去噪的低照度RGB图像增强方法,该方法的主体是一个用于提取特征的模型结构。该方法包括以下步骤:首先读取待训练的低照度RGB图像,然后给这些图像加上随机高斯噪声,以模拟低照度环境下相机传感器退化导致的噪声增强现象,随后将该RGB图像转换到YCbCr色彩空间,以实现光照和纹理特征(Y通道)与色彩特征(Cb和Cr通道)的分离,对Y通道先后进行光照增强的学习和去噪学习,并在每一阶段单独输出,最后与经过通道注意力加强的色彩特征合并并得到最终输出,在训练的过程中在模型结构中通过不同的损失函数对模型不同阶段的输出进行分别监督。通过该方法可以在端到端的情形下,兼顾低照度图像增强过程中光照增强、噪声控制和色彩及细节保持问题,达到较为自然且贴近现实的增强效果。

Patent Agency Ranking