-
公开(公告)号：CN103997474A
公开(公告)日：2014-08-20
申请号：CN201410261837.1
申请日：2014-06-12
Applicant: 安徽工业大学
Abstract: 本发明公开了一种基于次佳检测的MIMO-OFDM的通信装置及其通信方法和实验装置，该通信装置包括二进制随机信息发生器、信息采集器、卷积编码器、信息分割器、交织器、调制器、串/并转换器、逆快速傅里叶变换器、加循环前缀及频导信号器和多天线发射器；所述的接收装置包括多天线信号接收器、信道估计器、滤出等效低通接收信号器、MIMO检测器、解调器、去交织器、再分割编码比特流器和维特比译码器。其能全方位评估移动通信系统的性能，实现线性检测、基于格基约简的线性检测和球解码检测等7种不同层度的抑制多流干扰方案，评估新研究方案的性能；适应互联网非对称传输的要求；应用于各种无线网络。
-
公开(公告)号：CN119116550A
公开(公告)日：2024-12-13
申请号：CN202411271031.0
申请日：2024-09-11
Applicant: 安徽工业大学
Abstract: 本发明公开了一种基于视觉系统的钢材贴标喷码方法，属于钢材贴标喷码技术领域本发明根据槽钢与H型钢贴片喷码区域平整的特点，通过结合平面拟合函数、OBB定向边界框算法，提出了一种用于槽钢和H型钢贴标喷码区域定位算法，有效地识别并定位了钢材上适合于贴标喷码作业的准确区域；根据角钢和U型钢横截面弯曲的特点，通过结合RANSAC算法结合PCA算法，提出了一种用于角钢和U型钢贴标喷码区域定位算法，有效地识别并定位了钢材上适合于贴标喷码作业的准确区域。
-
公开(公告)号：CN117912694A
公开(公告)日：2024-04-19
申请号：CN202410148601.0
申请日：2024-02-02
Applicant: 安徽工业大学
Abstract: 本发明提供了一种基于深度学习的多模态癌症生存风险预测方法，包括采集癌症患者的全载玻片图像以及对应的临床数据、基因数据；采用Macehko颜色归一化方法对所述全载玻片图像进行处理，采用词嵌入方法对临床数据进行处理，采用Cox单因素分析方法对基因数据进行特征筛选；基于处理后的全载玻片图像、临床数据、基因数据构建预测数据集；采用基于注意力的多实例学习算法构建生存预测模型，基于生存预测模型以及预测数据集获取癌症患者的生存预测结果；对生存预测模型进行训练与评估，本发明提供了将词嵌入应用于多癌种患者的临床数据并建立预测预后模型的程序，增强了模型学习临床变量之间潜在关联的能力并提高模型预测性能。
-
公开(公告)号：CN106096636A
公开(公告)日：2016-11-09
申请号：CN201610393554.1
申请日：2016-05-31
Applicant: 安徽工业大学
CPC classification number: G06K9/6269 , G06F19/34 , G06K9/6256
Abstract: 本发明公开了一种基于神经影像的进展型轻度认知功能障碍识别方法，属于计算机图像处理技术领域。本发明从ADNI数据库中下载测试样本的MRI图和PET图，并进行预处理及样本筛选，获得N组样本图像；选用人类的AAL模板对样本图像分别制作90个脑区模板，并获取相应脑区的灰质体素值得N×180维数据；最后构建一个二级集成分类器，对所得数据进行特征降维，并对降低的维数进行寻优，然后应用于二级集成分类器中，对进展型MCI患者和非进展型MCI患者进行分类识别。本发明对数据用随机投影的方法降维处理后运用于二级集成分类器中，分类准确率为74.22％，敏感度为66.25％，特异性为82.19％，既提高了运算速度，又提高了分类准确率。
-
公开(公告)号：CN118990494A
公开(公告)日：2024-11-22
申请号：CN202411270994.9
申请日：2024-09-11
Applicant: 安徽工业大学
Abstract: 本发明公开了一种基于双目视觉的茄子采摘机器人系统及其采摘方法，属于茄子采摘技术领域，包括采摘机械臂单元、运动底盘单元、双目视觉单元和计算机主控单元；采摘机械臂单元包括机械臂、末端执行单元和采摘机械臂控制模块，末端执行单元包括剪切器和夹取器，用于成熟茄子的采摘，采摘机械臂控制模块用于接收计算机主控单元下发的3d坐标控制机械臂和末端执行单元中的剪切器和夹取器进行采摘作业。本发明可在本地通过采摘机器人携带的计算机主控单元设备上，利用茄子目标检测模型，可以准确识别茄子各部位位置及成熟信息，精确定位剪切点和夹取点位置，大大减小了采摘过程中的茄子破损率，提高了采摘效率。
-
Patent Agency Ranking
公开(公告)号：CN111723738B
公开(公告)日：2024-06-21
申请号：CN202010565445.X
申请日：2020-06-19
Applicant: 安徽工业大学
IPC: G06V20/69 , G06V10/82 , G06V10/44 , G06V10/764 , G06N3/0464 , G06N3/084 , G06N3/096 , G06N3/048
Abstract: 本发明公开了一种基于迁移学习的煤岩壳质组显微图像分类方法及系统，属于图像处理技术领域，包括以下步骤：S1：采集并扩充样本数量；S2：获取预训练模型；S3：构建煤岩壳质组显微组分识别模型；S4：进行组分识别。在所述步骤S1中，数据增强的过程如下：S11；将获取的样本分为训练集和测试集S12；对训练集中的图像进行随机缩放、随机水平平移、竖直平移，实现数据扩充。本发明基于迁移学习方法通过共享预训练网络中卷积层与池化层的参数完成对目标数据集的训练，使得在壳质组样本量有限的情况下也能训练出一个泛化能力很好的模型，实现了对煤岩壳质图像的有效分类，值得被推广使用。
-
公开(公告)号：CN111723738A
公开(公告)日：2020-09-29
申请号：CN202010565445.X
申请日：2020-06-19
Applicant: 安徽工业大学
Abstract: 本发明公开了一种基于迁移学习的煤岩壳质组显微图像分类方法及系统，属于图像处理技术领域，包括以下步骤：S1：采集并扩充样本数量；S2：获取预训练模型；S3：构建煤岩壳质组显微组分识别模型；S4：进行组分识别。在所述步骤S1中，数据增强的过程如下：S11；将获取的样本分为训练集和测试集S12；对训练集中的图像进行随机缩放、随机水平平移、竖直平移，实现数据扩充。本发明基于迁移学习方法通过共享预训练网络中卷积层与池化层的参数完成对目标数据集的训练，使得在壳质组样本量有限的情况下也能训练出一个泛化能力很好的模型，实现了对煤岩壳质图像的有效分类，值得被推广使用。
-
公开(公告)号：CN110147799A
公开(公告)日：2019-08-20
申请号：CN201910392743.0
申请日：2019-05-13
Applicant: 安徽工业大学
Abstract: 本发明公开了一种基于超像素的显微图像目标区域提取方法及系统，属于数字图像处理技术领域，包括以下步骤：S1：生成超像素；S2：提取特征；S3：进行聚类处理；S4：进行区域合并。本发明生成的超像素较原有像素在MeanShift聚类过程中更具有适用性，处理图像的时间大幅度降低，而且聚类区域较为完整、连通性比较强；本发明设计的自适应区域合并方法能够有效的改善MeanShift聚类中因带宽调节不当导致聚类效果欠佳的状况，提高了图像分割的精度；能够为瓦斯灰图像的成分识别与自动分析奠定较好的基础，极大减少了人工主观判断对瓦斯灰显微图像成分识别造成的干扰。
-
公开(公告)号：CN118781088A
公开(公告)日：2024-10-15
申请号：CN202410991097.0
申请日：2024-07-23
Applicant: 安徽工业大学
IPC: G06T7/00 , G06T7/30 , G06F16/29 , G06V10/764
Abstract: 本发明公开了一种基于点云配准的GIS设备变形检测方法，属于工业设备变形检测技术领域，包括以下步骤：S1：数据采集；S2：数据预处理；S3：点云配准；S4：变形检测；S5：模型预测分析。本发明针对于变形样本数据少的检测问题，使用了基于点云配准技术来实现GIS设备的变形检测，将理想模型与实测模型进行配准、对比来检测设备的变形部位；提出了一种基于新型特征描述子PN的初步配准算法结合迭代最近点ICP算法的点云配准方法，解决了传统初步配准方法错误匹配多、配准效率较低和ICP算法对于配准点云初始位置要求较高的问题。
-
公开(公告)号：CN113344847B
公开(公告)日：2023-10-31
申请号：CN202110432409.0
申请日：2021-04-21
Applicant: 安徽工业大学
IPC: G06T7/00 , G06N3/045 , G06N3/0464 , G06N3/082 , G06N3/096 , G06V10/774 , G06V10/82
Abstract: 本发明公开了一种基于深度学习的长尾夹缺陷检测方法及系统，属于图像处理技术领域，包括以下步骤：S1：构建样本数据集；S2：获取预训练模型；S3：构建长尾夹缺陷检测识别模型；S4：进行检测识别。本发明以YOLOv4‑Tiny网络作为基础网络，通过迁移学习共享预训练网络中的权值参数，并添加全局空间注意力机制模块，提高特征表征能力，能够较为准确的对长尾夹缺陷图像实现检测识别，在进行图像缺陷检测效果对比实验中，表现出了较好的检测效果，其中mAP值指标达到了91.66％，实现了长尾夹缺陷图像的检测识别，为后续实现长尾夹检验及反馈系统打下基础，值得被推广使用。
-
-
-
-
-
-
-
-
-
Search Results
19
records
(took 0.02 seconds)
