-
公开(公告)号：CN110288045A
公开(公告)日：2019-09-27
申请号：CN201910586981.5
申请日：2019-07-02
Applicant: 中南大学
IPC: G06K9/62
Abstract: 本发明公开了一种基于皮尔逊相关系数的语义视觉词典优化方法，首先通过提取图像的颜色、形状和纹理的底层特征和用SURF算法来提取图像的动态特征；采用E2LSH聚类算法对获取的图像动态特征聚类,提取相关描述视觉短语，构建原始视觉词典；引入皮尔逊相关系数求取动态特征与动态特征之间以及底层特征和动态特征之间的相关度对原始视觉词典优化,得到最终的语义视觉词典。本发明针对语义视觉词典中视觉短语冗余、计算复杂的问题，对图像进行分类提高了图像的分类性能,减小了运算的复杂度,缩短运算时间,同时提高了分类的准确性。
-
公开(公告)号：CN110310286B
公开(公告)日：2022-04-22
申请号：CN201910586978.3
申请日：2019-07-02
Applicant: 中南大学
Abstract: 本发明公开了一种基于泡沫图像多特征的分层工况感知判别方法，其特征在于本发明针对其工况识别的小概率事件即落点在交界上，考虑到交界左右的区间的工况模糊性，采用分层工况识别，对于区间内部的工况确定地带进行一个基于模糊数学评判方法的快速的粗分类，而对于模糊地带采用分类更为细致且准确的卷积神经网络的特征提取，可以学习到不大容易被注意到的深度特征，从而对工况进行一个精确的工况识别分类。基于此，使用分层控制，通过模糊数学算法针对区间内部地点，无争议地带。通过使用深度学习，针对概率分析可得到工况交界点的模糊地带最小距离，进行细分类的标准使结果更为准确。
-
公开(公告)号：CN110288592A
公开(公告)日：2019-09-27
申请号：CN201910586983.4
申请日：2019-07-02
Applicant: 中南大学
Abstract: 本发明公开了一种基于概率语义分析模型的锌浮选加药状态评价的方法，通过加速鲁棒特征算法获取不同加药状态的锌浮选图像的动态特征，并利用灰度共生矩阵提取泡沫图像的底层纹理特征，通过精确欧式局部敏感哈希聚类算法对获取的泡沫图像动态特征向量聚类，构建相关视觉词典，将所获取的动态特征和底层纹理特征之间使用皮尔逊相关系数相关度度量，优化原始视觉词典，最后采用概率语义分析模型对不同的泡沫图像进行锌浮选加药状态评价。本发明解决了工人对锌浮选加药状态评价不准确及耗时长的问题，能准确评价锌浮选加药状态，减短运算时间，从而实现锌浮选过程的整体优化。
-
公开(公告)号：CN108830831B
公开(公告)日：2021-11-30
申请号：CN201810446667.2
申请日：2018-05-11
Applicant: 中南大学
Abstract: 本发明提出了一种基于改进SURF匹配的锌浮选泡沫自然速度特征提取方法，选取具有尺度不变性、旋转不变性以及抗噪能力较强的SURF特征算子对图像进行特征提取，通过分析泡沫形状的相似性以及其特定的运动轨迹，提出根据泡沫运动情况实时迭代更新匹配方法，利用改进匹配条件进行运动匹配，得到锌浮选泡沫初速度，匹配结果计算考虑实际情况下的粗选槽中刮板的周期性运动，选择底流速度得到浮选泡沫自然速度特征。本发明克服了传统泡沫速度提取方法匹配误差大、速度慢等问题，应用速度提高10倍以上，通过提出的迭代更新SURF算子匹配方法大大提高匹配成功率20％以上。解决了锌浮选现场浮选泡沫特征难以提取以及如何机器视觉化的问题。
-
公开(公告)号：CN110310286A
公开(公告)日：2019-10-08
申请号：CN201910586978.3
申请日：2019-07-02
Applicant: 中南大学
Abstract: 本发明公开了一种基于泡沫图像多特征的分层工况感知判别方法，其特征在于本发明针对其工况识别的小概率事件即落点在交界上，考虑到交界左右的区间的工况模糊性，采用分层工况识别，对于区间内部的工况确定地带进行一个基于模糊数学评判方法的快速的粗分类，而对于模糊地带采用分类更为细致且准确的卷积神经网络的特征提取，可以学习到不大容易被注意到的深度特征，从而对工况进行一个精确的工况识别分类。基于此，使用分层控制，通过模糊数学算法针对区间内部地点，无争议地带。通过使用深度学习，针对概率分析可得到工况交界点的模糊地带最小距离，进行细分类的标准使结果更为准确。
-
Patent Agency Ranking
公开(公告)号：CN110288591A
公开(公告)日：2019-09-27
申请号：CN201910586969.4
申请日：2019-07-02
Applicant: 中南大学
Abstract: 本发明公开了一种基于改进的自适应多种群遗传算法的锌浮选工况判别方法，应用于泡沫浮选工艺中，通过实时获取的泡沫图像特征数据集作为初期训练种群，加入有经验工人的选择，并且在此基础上，考虑到人工选择的主观性、受环境的影响度，加入主观因子系数，即主观判断可偏移区间，再次评估，判断当前选择是否在其误差允许范围内，由此将人为主观影响控制到一定范围。在整个过程中，实时反馈当前优良工况，用实时返回的工况进行种群调整，实现对最优解的实时的刷新，降低不同原矿堆品位值变化的影响，以此达到最后对品位值与回收率的有效控制。
-
公开(公告)号：CN110175617A
公开(公告)日：2019-08-27
申请号：CN201910449507.8
申请日：2019-05-28
Applicant: 中南大学
Abstract: 基于纹理时间序列趋势特征匹配的一种浮选模糊故障诊断方法，在泡沫浮选领域，本发明公开了一种浮选过程的模糊故障诊断方式，以泡沫视觉时间序列特征提取为基础，定义了泡沫时间序列的子序列、子模式，采用历史数据信息建立历史特征趋势信息集，度量实时趋势特征与历史趋势特征集相似性，综合序列趋势信息对故障发生几率进行模糊化诊断。本发明提出了模糊故障诊断的概念，通过可靠性序列选取和异常因子设立，建立了浮选工况状态预报表示模型，对趋势走向的判断以及数值化的趋势走向可能性提出了一种新的解决方法。克服原有泡沫特征静态描述浮选过程的缺陷，及时发现工况异常征兆，对未来时刻故障可能性以数值化显示，利于工人操作、稳定优化生产。
-
公开(公告)号：CN110288045B
公开(公告)日：2023-03-24
申请号：CN201910586981.5
申请日：2019-07-02
Applicant: 中南大学
IPC: G06V10/762 , G06V10/764
Abstract: 本发明公开了一种基于皮尔逊相关系数的语义视觉词典优化方法，首先通过提取图像的颜色、形状和纹理的底层特征和用SURF算法来提取图像的动态特征；采用E2LSH聚类算法对获取的图像动态特征聚类,提取相关描述视觉短语，构建原始视觉词典；引入皮尔逊相关系数求取动态特征与动态特征之间以及底层特征和动态特征之间的相关度对原始视觉词典优化,得到最终的语义视觉词典。本发明针对语义视觉词典中视觉短语冗余、计算复杂的问题，对图像进行分类提高了图像的分类性能,减小了运算的复杂度,缩短运算时间,同时提高了分类的准确性。
-
公开(公告)号：CN110288591B
公开(公告)日：2021-03-09
申请号：CN201910586969.4
申请日：2019-07-02
Applicant: 中南大学
Abstract: 本发明公开了一种基于改进的自适应多种群遗传算法的锌浮选工况判别方法，应用于泡沫浮选工艺中，通过实时获取的泡沫图像特征数据集作为初期训练种群，加入有经验工人的选择，并且在此基础上，考虑到人工选择的主观性、受环境的影响度，加入主观因子系数，即主观判断可偏移区间，再次评估，判断当前选择是否在其误差允许范围内，由此将人为主观影响控制到一定范围。在整个过程中，实时反馈当前优良工况，用实时返回的工况进行种群调整，实现对最优解的实时的刷新，降低不同原矿堆品位值变化的影响，以此达到最后对品位值与回收率的有效控制。
-
公开(公告)号：CN110288592B
公开(公告)日：2021-03-02
申请号：CN201910586983.4
申请日：2019-07-02
Applicant: 中南大学
IPC: G06T7/00 , G06T7/45 , G06K9/62 , G06F40/30 , G06F40/242
Abstract: 本发明公开了一种基于概率语义分析模型的锌浮选加药状态评价的方法，通过加速鲁棒特征算法获取不同加药状态的锌浮选图像的动态特征，并利用灰度共生矩阵提取泡沫图像的底层纹理特征，通过精确欧式局部敏感哈希聚类算法对获取的泡沫图像动态特征向量聚类，构建相关视觉词典，将所获取的动态特征和底层纹理特征之间使用皮尔逊相关系数相关度度量，优化原始视觉词典，最后采用概率语义分析模型对不同的泡沫图像进行锌浮选加药状态评价。本发明解决了工人对锌浮选加药状态评价不准确及耗时长的问题，能准确评价锌浮选加药状态，减短运算时间，从而实现锌浮选过程的整体优化。
-
-
-
-
-
-
-
-
-
Search Results
16
records
(took 0.018 seconds)
