公开(公告)号：CN117456253A

公开(公告)日：2024-01-26

申请号：CN202311437742.6

申请日：2023-11-01

Applicant: 安徽大学

Inventor： 田甜 ,  鞠薇 ,  张帅

IPC: G06V10/764 ,  G06V20/68 ,  G06V10/774 ,  G06V10/82 ,  G06N3/045 ,  G06N3/096 ,  G06N3/0464 ,  G06N3/048

Abstract: 本发明公开了一种茶叶病害小样本分类方法，包括数据预处理，将采集到的茶叶病害图像裁剪成只包含单一病害的图像，并使用剪裁、旋转、亮度变换和高斯模糊数据增强方法，生成新的样本，改进ConvNeXt网络模型，将SimAM网络融入ConvNeXt网络，接着将训练过程中的损失函数改为FocalLoss函数，将改进后的模型命名为SimAM‑ConvNeXt‑FL模型。本发明通过采用对茶叶病害图像进行数据增强扩展，其次将SimAM网络融入ConvNeXt网络，SimAM注意力机制提高网络模型的特征辨别能力，接着将训练过程中的损失函数改为FocalLoss函数，基于迁移学习框架，使用SimAM‑ConvNeXt‑FL模型在PlantVillage公开数据集上进行训练，在样本较小及分布不均场景下有较好的效果，进而有利于对茶叶病害进行检测，且有利于减少类别不平衡的影响。

公开(公告)号：CN115165366B

公开(公告)日：2025-04-08

申请号：CN202210793046.8

申请日：2022-07-07

Applicant: 安徽大学

Inventor： 董飞 ,  程志友 ,  阮瑞 ,  程安然 ,  徐正林 ,  张帅 ,  陈思源

IPC: G01M13/045 ,  G01R31/34 ,  G06F18/23213 ,  G06F18/241 ,  G06N3/096

Abstract: 本发明公开了一种旋转机械变工况故障诊断方法及系统，涉及故障诊断技术领域，包括以下步骤：获取旋转机械的源域数据的有标签特征集及目标域数据的无标签特征集；对有标签特征集进行聚类分析，得到各深度特征的调整兰德指数；计算有标签特征集及无标签特征集在正常工况下的各深度特征样本之间的多核最大均值差异；构建各深度特征的可迁移性指标，并采用改进联合分布适应IJDA进行迁移学习，利用迁移学习后的训练特征集训练识别分类器，利用识别分类器进行故障模式识别与分类，输出跨域故障诊断结果。本发明通过对深度特征进行类别区分度和特征在不同域间分布差异进行量化评估，有助于选取更有利于迁移故障诊断的深度特征，诊断准确率高。

公开(公告)号：CN117726909A

公开(公告)日：2024-03-19

申请号：CN202311437744.5

申请日：2023-11-01

Applicant: 安徽大学

Inventor： 张帅 ,  程志友 ,  田甜

IPC: G06V10/80 ,  G06V10/82 ,  G06F18/10 ,  G06F18/2131 ,  G06F18/25 ,  G06T11/00 ,  G06N3/096 ,  G06N3/0464 ,  G01R19/00

Abstract: 本发明公开了一种基于多维特征融合图像的非侵入式负荷识别方法，包括数据预处理，得到S模矩阵、功率因数加权的电压‑无功功率轨迹和功率加权的递归图矩阵，特征融合图像生成，将S模矩阵、功率因数加权的电压‑无功功率轨迹和功率加权的递归图矩阵三个矩阵分别作为R、G和B通道得到一个特征融合的彩色图像，负荷识别，将生成的彩色图像输入基于ImageNet预训练的ResNet‑18模型进行迁移学习完成负荷识别。本发明通过利用结合特征融合的方式，最后将生成的彩色图像输入基于ImageNet预训练的ResNet‑18模型进行迁移学习完成负荷识别，进而有利于使负荷识别不会发生在拥有多状态的电器识别时，同时有利于提高电阻型负荷之间的识别的准确性。

公开(公告)号：CN115165366A

公开(公告)日：2022-10-11

申请号：CN202210793046.8

申请日：2022-07-07

Applicant: 安徽大学

Inventor： 董飞 ,  程志友 ,  阮瑞 ,  程安然 ,  徐正林 ,  张帅 ,  陈思源

IPC: G01M13/045 ,  G01R31/34 ,  G06K9/62

Abstract: 本发明公开了一种旋转机械变工况故障诊断方法及系统，涉及故障诊断技术领域，包括以下步骤：获取旋转机械的源域数据的有标签特征集及目标域数据的无标签特征集；对有标签特征集进行聚类分析，得到各深度特征的调整兰德指数；计算有标签特征集及无标签特征集在正常工况下的各深度特征样本之间的多核最大均值差异；构建各深度特征的可迁移性指标，并采用改进联合分布适应IJDA进行迁移学习，利用迁移学习后的训练特征集训练识别分类器，利用识别分类器进行故障模式识别与分类，输出跨域故障诊断结果。本发明通过对深度特征进行类别区分度和特征在不同域间分布差异进行量化评估，有助于选取更有利于迁移故障诊断的深度特征，诊断准确率高。

公开(公告)号：CN219661685U

公开(公告)日：2023-09-12

申请号：CN202221586140.8

申请日：2022-06-23

Applicant: 安徽大学

Inventor： 董飞 ,  程志友 ,  阮瑞 ,  程安然 ,  徐正林 ,  张帅 ,  陈思源

IPC: A61B5/0205 ,  A61B5/11 ,  A61B5/145 ,  H04W4/38 ,  H04Q9/00

Abstract: 本实用新型公开了一种基于LoRa的矿工体征状态远程监测系统，包括有矿工可穿戴装备、LoRa智能网关、煤矿井下工业环网和地面服务器；本实用新型能够有效采集井下工作人员的体温，心率，血氧以及运动状态的体征参数，为全面评估其身体状态提供有效数据支撑；本实用新型中的可穿戴装备配合LoRa智能网关采用LoRa无线通讯方式进行数据传输，具有较低的丢包率和时延；结合实际的监测需要，合理设置人员可穿戴装备采集生命体征状态数据的间隔策略，能够有效降低平均功耗，提高电池的使用时长；综上所述，本实用新型能够较好的实现井下人员生命体征状态参数监测，对于及时发现和救援异常体征人员，对保障井下人员生命和煤矿安全生产发挥重要作用。