-
公开(公告)号：CN112525346B
公开(公告)日：2022-10-11
申请号：CN202011404367.1
申请日：2020-12-03
Applicant: 安徽理工大学
Abstract: 本发明公开了一种基于改进OIF的光谱图像最佳波段的选择方法、系统及存储介质。本发明基于图像信息熵改进最佳指数法(Optimum Index Factor,OIF)，既能用于超光谱波段选择，也能用于多光谱和超光谱波段选择，并且选取的是最佳组合波段，选择的波段数由用户自行设定。基于图像信息熵改进OIF用于最佳组合波段的选择，充分利用了不同波段间光谱图像的相关性信息以及光谱图像包含的信息量的信息，使得所选组合波段的相关性小，所包含信息量大且冗余信息少。
-
公开(公告)号：CN109308498B
公开(公告)日：2021-01-01
申请号：CN201811430777.6
申请日：2018-11-28
Applicant: 安徽理工大学
Abstract: 本发明涉及一种激光诱导荧光植物油掺杂小米汤辨识方法，包含以下步骤：(1)将等体积的纯花生油和小米汤按一定的掺杂浓度进行配比；(2)利用自行设计的便携式植物油无损分析仪采集油样荧光光谱数据；(3)采用中值滤波法(M edian‑Filter)平滑处理原始光谱图；(4)联合KICA与PCA算法(KICA‑PCA)优选出主要光谱信息数据；(5)采用留出法(hold‑out)把样本数据划分成训练集和测试集；(6)利用FDA对训练集进行学习和训练，测试集用于辨识效果检验。本发明采用KICA‑PCA结合FDA用于激光诱导荧光植物油掺杂小米汤辨识，提高了辨识精度和运算速度，非常适用于食品安全检测领域的研究。
-
公开(公告)号：CN109187480A
公开(公告)日：2019-01-11
申请号：CN201811434053.9
申请日：2018-11-28
Applicant: 安徽理工大学
IPC: G01N21/64
Abstract: 本发明涉及一种双激光LIF技术的花生油掺杂大豆油判别装置，该装置包含以下部分：电源模块、激光器模块1、激光器模块2、激光荧光探头模块1、激光荧光探头模块2、光谱仪模块、延时开关模块、上位机模块。荧光探头利用石英光纤采集待测植物油中因激光器发射激光产生的荧光，在光谱仪接收荧光信息的过程中利用延时开关来实现采用两个不同波段激光光源，获取双激光光源下的LIF光谱的荧光信息的分时接收，在计算荧光强度后利用上位机中VS2015软件和MATLAB软件来建立已知的花生油、大豆油纯植物油样本和它们的混合油样本激光诱导荧光光谱的MDS模型数据库对待测植物油样本的荧光光谱进行分类识别，从而有利于检测花生油中是否存在大豆油的掺杂。
-
公开(公告)号：CN113707320B
公开(公告)日：2023-08-11
申请号：CN202111005792.8
申请日：2021-08-30
Applicant: 安徽理工大学
IPC: G16H50/30 , G16H10/60 , G06F18/2411 , G06F18/2413
Abstract: 本发明涉及一种基于相关性分析的EN结合MPA‑SVM的异常体征矿工判别方法，包括以下步骤：(1)收集矿工职业健康体检数据，构造矿工体征参数数据集合；(2)将矿工体征数据随机划分成训练集和预测集；(3)将训练集和预测集数据进行归一化处理；(4)采用皮尔逊相关系数分析并删除相关性较高的体征数据；(5)利用EN去除冗余体征信息；(6)建立MPA‑SVM矿工异常体征判别模型，预测集数据的评价指标用于模型性能的分析与评估。本发明将相关性分析的EN结合MPA‑SVM用于异常体征矿工的辨识，为矿工职业病和疑似职业病的检测做到前期精准筛查目的，适用于职业健康辅助诊断领域。
-
公开(公告)号：CN111474186A
公开(公告)日：2020-07-31
申请号：CN202010244249.2
申请日：2020-03-31
Applicant: 安徽理工大学
Abstract: 本发明公开一种X光成像和CNN的快递包裹违禁品检测方法，涉及光学工程与人工智能领域，包括以下步骤：(1)包裹X光图像信息的获取；(2)包裹X光图像样本的划分；(3)包裹X光图像的特征提取；(4)随机森林违禁品包裹识别模型构建。本发明采用CNN-RF进行快递包裹违禁品检测模型的构建，提出一种新的卷积神经网络模型能够提取更多、更有效的特征信息，且可以避免过拟合，使用两块GPU进行训练极大的提高了训练的速度，非常适合快递包裹违禁品的精准、快速检测。
-
Patent Agency Ranking
公开(公告)号：CN110044856A
公开(公告)日：2019-07-23
申请号：CN201910244231.X
申请日：2019-03-28
Applicant: 安徽理工大学
Abstract: 本发明涉及一种多光源LIF葵花籽油掺杂菜籽油的快速无损鉴别设备，该设备由四路继电器、激光器1、激光器2、激光器3、激光器4、接收模块、CCD模块、FPGA以及LCD显示器组成。当FPGA发出两个弱磁信号，四路继电器相应的两个引脚就会接通，相当于开关闭合，与两个引脚对应的两个激光器就会发出激光，水平照射在待测植物油样品上，接收模块接收样品发出的荧光信号传给CCD模块。CCD模块将接收到的荧光信号转换成电信号，通过在FPGA上建模对电信号进行分析与对比，最终在LCD显示屏上显示样品的荧光光谱，从而判断葵花籽油中是否掺杂菜籽油。本发明使用了多光源结合LIF技术，并且不接触待测样品，实现了快速、无损检测。
-
公开(公告)号：CN113707320A
公开(公告)日：2021-11-26
申请号：CN202111005792.8
申请日：2021-08-30
Applicant: 安徽理工大学
Abstract: 本发明涉及一种基于相关性分析的EN结合MPA‑SVM的异常体征矿工判别方法，包括以下步骤：(1)收集矿工职业健康体检数据，构造矿工体征参数数据集合；(2)将矿工体征数据随机划分成训练集和预测集；(3)将训练集和预测集数据进行归一化处理；(4)采用皮尔逊相关系数分析并删除相关性较高的体征数据；(5)利用EN去除冗余体征信息；(6)建立MPA‑SVM矿工异常体征判别模型，预测集数据的评价指标用于模型性能的分析与评估。本发明将相关性分析的EN结合MPA‑SVM用于异常体征矿工的辨识，为矿工职业病和疑似职业病的检测做到前期精准筛查目的，适用于职业健康辅助诊断领域。
-
公开(公告)号：CN111398233A
公开(公告)日：2020-07-10
申请号：CN202010272628.2
申请日：2020-04-07
Applicant: 安徽理工大学
IPC: G01N21/64
Abstract: 本发明涉及了一种红酒品质的激光诱导荧光光谱检测识别方法，包含以下步骤：(1)采用激光诱导荧光光谱获取红酒样品的原始荧光光谱图；(2)采用非线性小波变换阈值法对原始荧光光谱数据进行去躁处理；(3)对采集到的激光光谱进行iPLS波段筛选，得到筛选后的光谱图；(4)采用随机划分法将筛选之后的荧光光谱数据划分成训练集和测试集；(5)采用PSO算法对SVM训练模型最佳惩罚系数c和核函数参数g进行优化；(6)在训练集上建立红酒识别模型，并通过测试集进行该模型识别结果的测试。本发明采用PSO结合SVM用于激光诱导荧光红酒的检测识别，具有很高的分类准确率和实际应用价值，泛化能力强，非常适用于掺假红酒的实时检测和推广。
-
公开(公告)号：CN109270044A
公开(公告)日：2019-01-25
申请号：CN201811430914.6
申请日：2018-11-28
Applicant: 安徽理工大学
Abstract: 本发明涉及一种激光诱导荧光植物油掺杂浓茶水鉴定方法，包含以下步骤：(1)采用激光诱导荧光光谱仪获取油样的原始荧光光谱图；(2)采用滑动平均法对原始荧光光谱数据进行去噪处理；(3)采用Kennard-Stone划分方法将荧光光谱数据划分成训练集和测试集；(4)用DE-GWO算法对MSVC训练模型最佳惩罚系数c和核函数参数g进行优化；(5)将测试集上的光谱数据作为模型的输入，从而进行不同种类油样的识别。本发明采用DE-GWO结合MSVC用于激光诱导荧光植物油掺杂浓茶水分类鉴别，具有很高的分类正确率和实际应用价值，泛化能力强，非常适用于掺假植物油的实时精准检测与推广。
-
公开(公告)号：CN113240193A
公开(公告)日：2021-08-10
申请号：CN202110622868.5
申请日：2021-06-03
Applicant: 安徽理工大学
Abstract: 本发明公开一种基于模态分解和群优化算法的短期电力负荷预测方法，涉及电力负荷预测领域和人工智能领域，包含以下步骤：(1)负荷数据的获取(2)负荷数据的分解。(3)负荷数据的划分。(4)模型输入矩阵的构建。(5)预测模型的构建。本发明采用VMD对负荷序列进行分解，通过ABC算法对SVR的c和g参数进行寻优，构建ABC‑SVR模型对分解后的若干分量进行预测，具有较好的预测性能并且对于数据量的要求较小，具有较好的实践应用价值。
-
-
-
-
-
-
-
-
-
Search Results
18
records
(took 0.027 seconds)
