公开(公告)号：CN118447221A

公开(公告)日：2024-08-06

申请号：CN202410483370.9

申请日：2024-04-22

Applicant: 东北大学

Inventor： 包妮沙 ,  徐景余 ,  刘善军 ,  贺黎明 ,  丁瑞波 ,  毛亚纯 ,  韩子松 ,  顾诺

IPC: G06V10/25 ,  G06V10/58 ,  G06V10/40 ,  G06V20/10

Abstract: 本发明公开了一种针对雪地伪装目标的目标检测算法,涉及图像检测领域，包括：S1、典型雪地与雪地伪装材料光谱的采集、预处理及构建过完备字典；S2、机载高光谱数据的采集与预处理；S3、通过典型雪地与雪地伪装材料的光谱计算差异波段，构建差异波段选取约束条件，并基于差异波段获取波段筛选后的背景字典Ab*、联合字典A*与机载高光谱图像的像元y*；S4、求背景字典的最优稀疏向量γ1与联合字典的最优稀疏向量β1，再求取背景字典Ab*对波段筛选后图像像元的重构误差r0(y*)与联合字典A*对波段筛选后图像像元的重构误差r1(y*)；S5、将重构误差r0(y*)与重构误差r1(y*)通过SRUC检测器，基于输出值判断目标是否存在。本发明解决现有目标检测算法对雪地伪装目标检测率低的问题。

公开(公告)号：CN113705916B

公开(公告)日：2024-03-26

申请号：CN202111019587.7

申请日：2021-09-01

Applicant: 东北大学

Inventor： 姚江 ,  毛亚纯 ,  于健洋 ,  王连成

IPC: G06Q10/04 ,  G06Q10/0631 ,  G06Q50/02

Abstract: 本发明提供一种露天矿铁矿多源多目标配矿方法，包括以下步骤：(1)选择参与配矿的电铲和待卸矿的卸矿点；(2)获取电铲所在爆区地质数据；(3)设置爆区参数以及卸矿点参数；(4)获取电铲和卸矿点距离；(5)构建露天矿铁矿多源多目标配矿线性规划数学模型，对数学模型进行求解，获得配矿方案。本发明提供的一种露天矿铁矿多源多目标配矿方法，通过建立矿石产量最大且运距最短为目标、配矿后可选指数、全铁品位、亚铁品位、碳酸铁含量满足要求为约束的配矿模型，实现了露天矿铁矿多源多目标配矿优化。

公开(公告)号：CN116819525B

公开(公告)日：2024-02-09

申请号：CN202310571937.3

申请日：2023-05-19

Applicant: 东北大学

Inventor： 贺黎明 ,  裴攀科 ,  刘渝 ,  蔡久扬 ,  秦增辉 ,  毛亚纯

IPC: G01S13/90 ,  G06F17/10 ,  G01S7/41 ,  G01S19/37

Abstract: 本发明公开一种面向高陡边坡的InSAR滑坡监测评价方法及系统，涉及滑坡监测技术领域，该方法包括：根据目标区域的地形信息和覆盖所述目标区域的SAR卫星几何信息，构建InSAR监测滑坡敏感性指数模型；根据所述InSAR监测滑坡敏感性指数模型识别InSAR几何畸变区域，并绘制所述目标区域的地形敏感性指数分布图；根据所述目标区域的InSAR监测数据与GNSS监测数据构建InSAR监测理论与实际敏感性指数模型，根据所述InSAR监测理论与实际敏感性指数模型确定所述InSAR监测数据的可信度。本发明实现了对高陡边坡InSAR监测结果的可信度评价。

公开(公告)号：CN111985507B

公开(公告)日：2023-07-28

申请号：CN202010883769.8

申请日：2020-08-28

Applicant: 东北大学

Inventor： 郭甲腾 ,  张紫瑞 ,  毛亚纯 ,  朱万成 ,  杨天鸿

IPC: G06V10/44 ,  G06V10/77 ,  G06V20/13 ,  G06V10/56 ,  G06T7/11 ,  G06T17/00 ,  G06V20/64

Abstract: 本发明涉及岩体表面特征识别技术领域，提供一种岩体三维点云节理迹线提取方法，包括：步骤1：获取岩体的三维点云数据；步骤2：基于三维点云的颜色信息，根据三维点云的颜色变化，提取岩体表面的潜在节理迹线点第一集合A1；步骤3：基于三维点云的几何信息，根据三维点云的曲率变化，提取岩体表面的潜在节理迹线点第二集合A2；步骤4：对潜在节理迹线点集合A＝A1∪A2进行局部优化：步骤5：基于建立局部矢量缓冲区的双向连接算法，对优化后的节理迹线点集合A'进行处理，得到岩体表面的节理迹线。本发明能够提高岩体表面节理迹线提取的精度，得到符合真实岩体表面特征的节理迹线。

公开(公告)号：CN112229817A

公开(公告)日：2021-01-15

申请号：CN202011057531.6

申请日：2020-09-29

Applicant: 东北大学

Inventor： 毛亚纯 ,  刘晶 ,  曹旺 ,  丁瑞波 ,  温健 ,  黄家其 ,  伏雨文 ,  樊硕 ,  王辉

IPC: G01N21/359 ,  G01N21/3563 ,  G06F30/20

Abstract: 本发明涉及一种苏打盐碱地重金属定量反演模型建立方法，包括如下步骤：S1、获取苏打盐碱地重金属的原始光谱数据；S2、对获取的原始光谱数据进行预处理，获取多源光谱数据集合；S3、根据预处理后的多源光谱数据集合构建光谱指数的必要参数，获得光谱指数数据，然后分析光谱指数数据分别与样本锰(Mn)、钴(Co)和铁(Fe)含量的相关性，提取对应重金属含量相关系数高的光谱指数所对应的波段；S4、制定最佳波段组合选取原则，确定建模策略，并建立实验样品锰(Mn)、钴(Co)和铁(Fe)含量的反演预测模型；本发明提供的方法可定量估算土壤重金属含量，而且大大提高了对苏打盐碱地重金属含量的估算精度。

公开(公告)号：CN110334771A

公开(公告)日：2019-10-15

申请号：CN201910616403.1

申请日：2019-07-09

Applicant: 东北大学

Inventor： 毛亚纯 ,  曹旺

IPC: G06K9/62 ,  G06F17/18

Abstract: 本发明涉及一种基于四阀值PS点的露天矿GB-SAR监测数据误差修正方法，包括如下步骤：S1、获取GB-SAR监测数据；S2、对获取的GB-SAR监测数据进行预处理，并计算获得必要参数；S3、根据获取的必要参数设置提取阀值，从获取GB-SAR监测数据中提取得到高质量PS点；S4、将得到的高质量PS点输入多元回归-随机森林模型对露天矿GB-SAR监测数据的大气延迟误差进行修正，获得修正后的GB-SAR监测数据；所述必要参数包括：时间序列幅度均值、时间序列幅度离差、时间序列相干系数、时间序列幅度离差指数。本发明提供的方法不仅能够精确地提取高质量PS点，而且还能够准确地修正露天矿GB-SAR监测数据的大气延迟误差。

公开(公告)号：CN108489912B

公开(公告)日：2019-08-27

申请号：CN201810447623.1

申请日：2018-05-11

Applicant: 东北大学

Inventor： 黎霸俊 ,  肖冬 ,  毛亚纯 ,  宋亮 ,  何大阔

IPC: G01N21/25 ,  G06N3/04 ,  G06N3/00 ,  G06N20/00

Abstract: 本发明提供一种基于煤炭光谱数据的煤炭成分分析方法，包括：煤炭光谱数据采集；利用煤炭成分分析模型进行煤炭成分预测，该模型的输入是采集的光谱数据，输出是煤炭成分。本发明提供的方法利用光谱数据和煤炭工业分析测定结果，建立煤炭成分分析模型，该模型利用卷积神经网络提取得到光谱特征数据，将光谱特征数据极限学习机输出煤炭工业分析测定得到的与煤炭光谱数据对应的煤炭成分，此预测过程中采用人工蜂群算法优化极限学习机的权值和偏差量，由此得到优化的煤炭成分分析模型。煤炭成分分析模型与光谱技术融合并应用在煤炭工业分析领域，煤提供了一种新的、快速和准确的煤炭成分分析方法。

公开(公告)号：CN108647772A

公开(公告)日：2018-10-12

申请号：CN201810443688.9

申请日：2018-05-10

Applicant: 东北大学

Inventor： 肖冬 ,  张盛永 ,  毛亚纯 ,  柳小波

IPC: G06N3/00 ,  G06F17/50

Abstract: 本发明属于边坡监测技术领域，尤其涉及一种用于边坡监测数据粗差剔除的方法，包括如下步骤：S1、数据预处理：对需要粗差剔除的边坡检测数据进行预处理，获取特征数据；S2、建立预测矩阵：将S1中获取的特征数据分别输入m个PSO-TELM模型，根据所述m个PSO-TELM模型的输出结果，获得预测矩阵T；S3、剔除粗差数据：对预测矩阵T按列求均值得到新的矩阵T′＝(a1,a2,…,an)1×n，再对矩阵T′求均值s和方差d；若T′中元素满足：ai-s＞d,(i＝1,2,…n)，则该剔除ai所对应的特征数据，反之，则保留ai所对应的特征数据，获得精确的边坡监测数据。本发明提供的用于边坡监测数据粗差剔除的方法，具有粗差剔除正确率高的有益效果。

公开(公告)号：CN107704883A

公开(公告)日：2018-02-16

申请号：CN201710954112.4

申请日：2017-10-13

Applicant: 东北大学

Inventor： 肖冬 ,  程锦甫 ,  黎霸俊 ,  毛亚纯 ,  柳小波 ,  王继春 ,  何大阔

IPC: G06K9/62 ,  G06N3/04 ,  G06N3/08

CPC classification number: G06K9/6256 ,  G06K9/6215 ,  G06N3/0481 ,  G06N3/08

Abstract: 本发明提供了一种菱镁矿矿石的品级的分类方法及系统，用于提供一种定量分析菱镁矿矿石的品级的方式。该方法包括：对待分类的菱镁矿矿石的第一数据矩阵通过栈式自编码网络进行降维处理，得到第二数据矩阵；其中，第一数据矩阵用于指示所述待分类的菱镁矿矿石的光谱数据；对所述第二数据矩阵通过极限学习机ELM进行数据的分类，以得到所述待分类的菱镁矿矿石的品级；其中，所述极限学习机ELM为预先经训练样本训练后得到的，以第二数据矩阵为输入，以菱镁矿矿石的品级为输出的模型。本发明的方法在经济性、准确性、以及快速性上具有一定的优势，并且，该方法可以实现矿石的大批量在线检测。

公开(公告)号：CN107341521A

公开(公告)日：2017-11-10

申请号：CN201710557742.8

申请日：2017-07-10

Applicant: 东北大学

Inventor： 黎霸俊 ,  肖冬 ,  毛亚纯 ,  宋亮 ,  刘善军 ,  何大阔

IPC: G06K9/62 ,  G06K9/46 ,  G06N3/00 ,  G06N3/04 ,  G06N3/08

CPC classification number: G06K9/6273 ,  G06K9/46 ,  G06N3/006 ,  G06N3/0481 ,  G06N3/08

Abstract: 本发明涉及一种基于煤炭光谱数据对煤炭分类的方法，包括以下步骤：获取多个待分类的煤炭样品的光谱数据，其中，每个煤炭样品的光谱数据中包括s个光谱特征；采用煤炭分类模型对所述光谱数据进行处理，获得所述光谱数据对应的煤炭品种，其中，所述煤炭分类模型为预先采用煤炭品种已知的多个煤炭样品的光谱数据建立的，所述煤炭分类模型为卷积神经网络-极限学习机神经网络，所述煤炭分类模型具有经过粒子群算法优化后的最优权重矩阵和最优偏置向量，所述煤炭分类模型用于处理包括s个光谱特征的光谱数据以获得光谱数据对应的煤炭品种。本发明提供的基于煤炭光谱数据对煤炭分类的方法，效率高、成本低、且精度较高。