-
公开(公告)号：CN119125323A
公开(公告)日：2024-12-13
申请号：CN202411122496.X
申请日：2024-08-15
Applicant: 哈尔滨工业大学
IPC: G01N29/44 , B61K9/08 , B61K9/10 , G01N29/04 , G01N29/14 , G06F18/15 , G06F18/28 , G06F18/25 , G06F18/22
Abstract: 本发明公开了一种基于动态时间规整的字典融合钢轨伤损定位方法，所述方法中，车轮滚动距离是通过将多通道AE信号分割成峰值检测帧并计算相邻帧之间的时间差来估算的。同时，多通道AE信号会训练子字典和先前工作中的基准字典。基于改进DTW的多字典SR算法经过创新，通过子字典加权合成了统一的融合字典，增强了损伤特征信息，减少了大部分WRRN。在此过程中，创新的ADTW‑SDM算法体现了字典原子的全局特征，并通过Mahalanobis距离的二阶差值精确评估原子间的相似性。设计了一种双特征自适应阈值，用于检测和定位钢轨上的损坏。本发明为后续基于先进AE技术的大范围钢轨伤损精确检测与定位提供指导。
-
公开(公告)号：CN118194145A
公开(公告)日：2024-06-14
申请号：CN202410180892.1
申请日：2024-02-18
Applicant: 哈尔滨工业大学人工智能研究院有限公司
IPC: G06F18/2411 , G06F18/2131 , G06F18/15 , G06F18/213
Abstract: 本发明公开了一种基于多分辨率分析和特征分离性的声信号分类方法，所述方法包括如下步骤：加载不同种类的待分类的声信号，通过小波多分辨率分析方法对声信号进行多分辨率分解，获得声信号在不同尺度下的子信号；对各子信号进行特征提取，计算各子信号的特征可分性指数ST，依据ST对各子信号特征进行特征筛选，获得最能反映不同声信号特征的最佳特征集合；为减少数据冗余和提升算法效率，使用ST对最佳特征集合进行降维处理，并使用支持向量机对降维后的特征集合进行分类，得到不同种类声信号的准确分类。本发明解决了深度学习方法可解释性低和统计学习鲁棒性差的问题。
-
公开(公告)号：CN119919655A
公开(公告)日：2025-05-02
申请号：CN202411944674.7
申请日：2024-12-27
Applicant: 哈尔滨工业大学 , 中国移动通信集团黑龙江有限公司哈尔滨分公司
IPC: G06V10/26 , G06V10/54 , G06V10/771 , G06V10/774 , G06V10/776 , G06V10/764 , G06V10/82 , G06N3/0455 , G06N3/0464
Abstract: 本发明涉及一种基于先验注意力与辅助引导的甲状腺结节分割方法，属于超声医学图像处理技术领域，解决现有基于U‑Net的甲状腺结节超声图像分割准确性不佳、临床应用价值低的问题，包括：构建甲状腺超声图像数据集DS，将甲状腺超声图像数据集DS按比例划分为训练集、验证集和测试集；利用甲状腺结节超声图像ITN进行特征提取，对提取的特征进行最小冗最大相关特征选择，获取优化的甲状腺结节良恶性先验特征；计算整体损失L，在整体损失L的基础上，利用训练集训练PADPU‑Net网络，在训练过程中使用验证集进行验证，获取PADPU‑Net模型MPADPU‑Net；利用PADPU‑Net模型MPADPU‑Net，对甲状腺结节超声图像测试集DSTest进行测试，对测试结果进行优化获取最终甲状腺结节分割结果。
-
公开(公告)号：CN118916836B
公开(公告)日：2025-04-01
申请号：CN202411024027.4
申请日：2024-07-29
Applicant: 哈尔滨工业大学
IPC: G06F18/25 , G06F18/213 , G01N29/04 , G01N29/44
Abstract: 本发明公开了一种基于字典融合增强的车载钢轨伤损声发射检测方法，首先提出了一种镜像扩展的自适应局部均值分解算法用于重构多通道数据集，以消除信号中的随机噪声，通过镜像扩展和自适应调整滑动步长，平衡地保留了信号的局部细节和全局特征，避免了端点效应和模态混叠。同时，开发了一种创新的基于Cramér's V系数的相关性约束增强型字典融合算法用于训练统一的字典，融合多通道信号中的冗余有效信息，进一步消除WRRN。最后，从重构的融合信号中提取样本熵包络，构建自适应阈值，以准确检测伤损，提示工作人员及时维护钢轨。该方法能有效增强伤损特性，检测被噪声淹没的伤损信号，为钢轨伤损分析和评估提供指导。
-
公开(公告)号：CN114330455A
公开(公告)日：2022-04-12
申请号：CN202210006200.2
申请日：2022-01-05
Applicant: 哈尔滨工业大学
Abstract: 本发明公开了一种基于压缩感知的钢轨声发射信号快速高精度重构方法，所述方法为：一、将采集到的钢轨声发射信号进行3层的小波包变换，得到多尺度数据集，通过构建高斯随机矩阵，对多尺度数据集进行随机采样，获得测量值矩阵；二、基于K‑SVD构建多尺度模块化字典，利用SAMP对多尺度数据集进行重构，通过计算重构测量值与原始测量值之间的峭度差；三、利用重构前后多尺度数据集的峭度偏差，自适应的对多尺度字典中性能差的模块进行局部更新，在满足重构信号的精度要求后，利用小波反变换，获取高精度的重构钢轨声发射信号。本发明能有效实现钢轨声发射信号的快速、高精度的压缩与重构，为钢轨结构健康监测中的裂纹信号分析提供指导。
-
Patent Agency Ranking
公开(公告)号：CN119985719A
公开(公告)日：2025-05-13
申请号：CN202510150223.4
申请日：2025-02-11
Applicant: 哈尔滨工业大学
Abstract: 本发明公开了一种基于动态权重融合驱动的钢轨伤损梅尔频谱特征检测方法，首先，针对采集到的声发射信号，计算其信号一致性方差来确定数值融合权重；然后，通过传感器的实际安装位置计算其位置可靠性函数，并结合动态补偿机制从而计算位置权重；进而，将获得的数值权重和位置权重结合起来，获得用于信号融合的自适应权重来进行信号融合；最后，从融合信号中提取梅尔频谱滚降点特征，并结合统计阈值来确定钢轨是否存在伤损。本发明根据信号一致性方差和传感器几何位置动态调整融合权重，可以更灵活地适应不同情况下的传感器数据，并引入梅尔频谱滚降点作为特征提取指标，有效地去除噪声干扰并保留伤损信息，适用于需要高精度的钢轨伤损检测领域。
-
公开(公告)号：CN119478393A
公开(公告)日：2025-02-18
申请号：CN202411414532.X
申请日：2024-10-11
Applicant: 哈尔滨工业大学
IPC: G06V10/26 , G06V10/44 , G06V10/54 , G06V10/764 , G06V10/82 , G06N3/0464 , G06N3/08 , G06T7/00 , G06T7/11 , G06T7/13 , G06T7/40
Abstract: 一种基于超声图像的甲状腺结节智能分割和自动评级方法，它涉及一种图像智能分割和自动评级方法。本发明为了解决现有甲状腺结节超声图像无法实现智能分割、自动评级的问题。本发明包括利用提出的基于GADRU‑Net网络的甲状腺结节分割方法对超声图片进行分割；对分割的结节图像进行预处理操作；根据C‑TIRADS规定的评级指标对结节提取6个诊断特征；使用支持向量机或卷积网络进行分类，根据指标进行评级。本发明属于超声医学图像处理技术领域。
-
公开(公告)号：CN118916836A
公开(公告)日：2024-11-08
申请号：CN202411024027.4
申请日：2024-07-29
Applicant: 哈尔滨工业大学
IPC: G06F18/25 , G06F18/213 , G01N29/04 , G01N29/44
Abstract: 本发明公开了一种基于字典融合增强的车载钢轨伤损声发射检测方法，首先提出了一种镜像扩展的自适应局部均值分解算法用于重构多通道数据集，以消除信号中的随机噪声，通过镜像扩展和自适应调整滑动步长，平衡地保留了信号的局部细节和全局特征，避免了端点效应和模态混叠。同时，开发了一种创新的基于Cramér's V系数的相关性约束增强型字典融合算法用于训练统一的字典，融合多通道信号中的冗余有效信息，进一步消除WRRN。最后，从重构的融合信号中提取样本熵包络，构建自适应阈值，以准确检测伤损，提示工作人员及时维护钢轨。该方法能有效增强伤损特性，检测被噪声淹没的伤损信号，为钢轨伤损分析和评估提供指导。
-
公开(公告)号：CN117647590A
公开(公告)日：2024-03-05
申请号：CN202311673072.8
申请日：2023-12-07
Applicant: 哈尔滨工业大学
Abstract: 本发明公开了一种基于改进局部均值分解和倒谱系数的钢轨裂纹检测方法，首先，加载车轮在钢轨上运动全周期内的声发射信号，利用改进局部均值分解方法，将这些声发射分解成若干个乘积函数；然后，选择每组声发射信号分解得到的第一维乘积函数进行线性叠加，排除噪声和其他不相关信息的干扰，获得重构信号；接下来，从重构信号中提取13维伽马通倒谱系数，依据线性回归模型，推导构建一个转换矩阵，将第2维‑第6维伽马通倒谱系数融合为一维的倒谱信息系数；最后，基于三倍标准差法则构建伤损检测阈值，实现钢轨裂纹声发射信号的精准检测。本发明运算速率快，检测精度高，在高铁钢轨裂纹伤损检测领域具有很高的社会意义和经济价值。
-
公开(公告)号：CN115019045A
公开(公告)日：2022-09-06
申请号：CN202210730784.8
申请日：2022-06-24
Applicant: 哈尔滨工业大学
IPC: G06V10/26 , G06V10/44 , G06V10/762 , G06V10/764 , G06V10/80 , G06T7/11 , G06N20/00
Abstract: 本发明公开了一种基于多成分邻域的小数据甲状腺超声图像分割方法，所述方法如下：加载甲状腺超声原始成分图像，为每幅图像匹配对应的图像分割标签并划分原始成分数据集，然后提取边缘成分图像和超像素成分图像；利用多成分数据集训练三个U‑Net分割算法，以获得初步分割结果和多成分分割输出，进而提取多成分小邻域特征并配以像素二分类标签；在多成分邻域极限学习机中完成特征融合、最小冗余度‑最大相关度特征筛选和极限学习机训练，获取像素分类结果并重构，以获得増补性分割结果；利用増补性分割结果，改进初步分割结果的边缘环形关注区域，以获取改进的最终分割结果。本发明方法可以在小数据下获得精度更高的甲状腺超声分割结果。
-
-
-
-
-
-
-
-
-
Search Results
19
records
(took 0.021 seconds)
