-
公开(公告)号：CN118607571A
公开(公告)日：2024-09-06
申请号：CN202410355979.8
申请日：2024-03-27
Applicant: 浙江大学
Abstract: 本发明涉及粮堆温度预测技术领域，公开了基于图神经网络和循环神经网络的粮库粮堆温度预测方法，包括采集粮仓内温度传感器的当前温度数据和过去连续6个时间点的温度数据，并采用Z‑Score进行分别进行标准化处理；将标准化处理后的温度数据采用改进的生长算法生成掩码矩阵；将经标准化处理后的温度数据和掩码矩阵输入已训练好的GA‑CGRN模型进行预测：首先将标准化处理后的当前温度数据与掩码矩阵合并为扩展矩阵，然后，扩展矩阵依次经过多层感知器层、节点嵌入层和时空块堆叠层，最后通过线性层获得未来的粮食存储的预测温度。本发明可以对粮仓温度提供全面准确的预测，在粮食发热等问题出现时及时进行干预，确保粮食的安全储存。
-
公开(公告)号：CN114847875A
公开(公告)日：2022-08-05
申请号：CN202210303575.5
申请日：2022-03-24
Applicant: 浙江大学
IPC: A61B5/00 , A61B5/1455
Abstract: 本发明公开了多动症的功能性近红外光谱和红外热像的识别方法，包括分别采集被试者在静息态和任务态时的近红外血氧数据，以及头部与颈部区域的红外热像；然后对近红外血氧数据进行数据预处理和特征提取，再进行归一化和主成分分析PAC特征降维后，输入至功能性近红外血氧数据异常检测模型检测，输出血氧分类结果；将红外热像输入至红外热像异常检测模型输出红外热像分类结果；最终汇总血氧分类结果和红外热像分类结果。本发明利用功能性近红外光谱和红外热像检查的无创、非侵入式、适用人群广的特点，快速准确地达到近红外血氧数据异常和红外热像中异常部位分类的目的，结合两种检测手段可以使检测结果更加全面、可靠、有说服力。
-
公开(公告)号：CN114708207A
公开(公告)日：2022-07-05
申请号：CN202210298081.2
申请日：2022-03-24
Applicant: 浙江大学
Abstract: 本发明公开了一种基于Yolo v3改进的红外热像颈椎部位提取的方法，过程为：采集颈椎部位的红外热像图，然后在上位机中，先将红外热像图的长宽尺寸缩放为32的倍数，后通过高斯滤波算法对缩放后的红外热像图进行降噪处理，将降噪处理后的图片输入改进的Yolo v3目标检测网络进行目标提取，得到带有颈椎部位的预测边界框、类别和预测置信度的图像并在上位机中显示。本发明通过在Yolo v3目标检测网络引入残差特征增强模块减少了特征融合时带来的高层的信息损失，另一方面引入注意力机制模块，在低层快速扫描，获得需要重点关注的目标区域减小其与高层特征之间的语义差异，提高了识别精度，同时保留了泛化能力强、速度快等优点。
-
公开(公告)号：CN114609042A
公开(公告)日：2022-06-10
申请号：CN202210280021.8
申请日：2022-03-22
Applicant: 浙江大学
IPC: G01N21/01 , G01N21/359 , G01N21/45 , G01N21/84 , G01N21/3504 , G01N21/3563
Abstract: 本发明公开了一种粮库粮食和气体成分的光谱分析装置和使用方法，包括光谱检测箱和近红外光谱仪，光谱检测箱包括卤素灯光源、固相检测室和气相检测室，近红外光谱仪包括光谱分析模块和工控机，光谱分析模块设于光谱检测箱内，工控机与光谱检测箱分离设置；卤素灯光源的光线通过机械式光开关后分为二路：一路通过气态检测光纤入线、气相检测室和气态检测光纤出线后引至光谱分析模块，另一路通过固态检测光纤入线、固相检测室和固态检测光纤出线后引至光谱分析模块。本发明同时还提供了检测粮食成分的固态检测模式和检测气体成分的气态检测模式的使用方法，即可用以粮食成分的光谱分析，又可用以气体成分的光谱分析。
-
公开(公告)号：CN113109717A
公开(公告)日：2021-07-13
申请号：CN202110329255.2
申请日：2021-03-27
Applicant: 浙江大学
IPC: G01R31/382 , G01R31/367 , G06N3/00
Abstract: 本发明公开了一种基于特征曲线优化的锂电池荷电状态估算方法，包括以下：每10％电池荷电状态SOC为一个采样点，获取离散的OCV‑SOC的特征曲线L1，获取连续的OCV‑SOC的特征曲线L2；基于差分进化DE方法，融合获取的特征曲线L1和特征曲线L2；最终基于扩展卡尔曼EKF引入历史SOC估算结果误差的权重项因子建立W‑EKF估算模型，联合二阶RC电池等效电路模型，输入实时采集的不同工况下锂电池实测电压、电流和温度数据，精准估算当前时刻下的SOC值。本发明的方法用以电池荷电状态(State of charge，SOC)的精确估算。
-
Patent Agency Ranking
公开(公告)号：CN112890767A
公开(公告)日：2021-06-04
申请号：CN202011642956.3
申请日：2020-12-30
Applicant: 浙江大学
IPC: A61B5/00
Abstract: 本发明公开了一种口手足健康状态自动检测装置，包括至少一个图像与热像的采集分析装置(1)与一个远程主机(2)；图像与热像的采集分析装置(1)包括数据传输和控制单元(151)，数据传输和控制单元(151)分别与热红外热像采集模块(11)、至少一个图像采集模块(12)、显示模块(13)、个人信息输入单元(154)、口手足图像分析单元(153)和存储单元(155)均信号相连；个人信息输入单元(154)包括手工输入装置和人脸识别装置；口手足图像分析单元(153)包括口手足深度卷积神经网络。本发明还同时公开了利用上述装置进行的口手足健康状态自动检测方法。
-
公开(公告)号：CN109981602B
公开(公告)日：2021-04-13
申请号：CN201910170328.0
申请日：2019-03-07
Applicant: 浙江大学
Abstract: 本发明提供一种物联网安全网关系统：包括网关设备，网关设备包括网关系统，网关系统包括蜜罐模块、数据存储模块、数据分析模块以及非对称加密模块，蜜罐模块与数据分析模块信号连接，数据分析模块与非对称加密模块信号连接，蜜罐模块、数据分析模块和非对称加密模块均与数据存储模块信号连接。本发明还提供一种物联网安全网关系统的物联网安全网关防护方法，聚焦于工控网，在已有网关基础上搭建网关与服务器之间的网盾(网关系统)。网盾实现并部署蜜罐、实现将工控网采集网关的数据先经过网盾，经过网盾的数据被捕获后，经过机器学习方法的训练得到一个可以自动判断行为与拦截的智能网盾系统。
-
公开(公告)号：CN110333320B
公开(公告)日：2020-12-11
申请号：CN201910580655.3
申请日：2019-06-29
Applicant: 浙江大学
IPC: G01N33/00 , G01J5/00 , G01M3/00 , G01M3/04 , G05B13/02 , G05B13/04 , H04N7/18 , H04N5/33 , G08C17/02
Abstract: 本发明公开了一种粮仓漏气及三维温度的空中与仓壁无线联动检测方法及所用的装置，该装置包括配合使用的自动巡检母车机器人和无人机系统；所述无人机系统包括无人机，无人机上设置有气体检测模块、无人机红外热像仪模块、无人机高清摄像头模块和无人机LTE/NB‑IOT通信模块；所述自动巡检母车机器人包含机器人高清摄像头模块、机器人红外热像仪模块、LTE/NB‑IOT通信模块、智能安全网关模块和边缘计算服务器模块等。本发明聚焦于粮仓工控网络，由无人机代替工人进行有害气体检测，保证人员安全。
-
公开(公告)号：CN119170244A
公开(公告)日：2024-12-20
申请号：CN202410938608.2
申请日：2024-07-14
Applicant: 浙江大学
IPC: G16H50/20 , A61B6/03 , A61B6/00 , G16H10/60 , G16H50/70 , G06F18/25 , G06F18/2415 , G06V10/44 , G06N3/045 , G06N3/0464
Abstract: 本发明涉及图像识别技术领域，公开了一种适宜李氏人工肝应用的多模态体征分类方法，包括采集CT影像数据与生理检查指标数据，在上位机中，CT影像数据通过CT影像特征提取网络获得CT影像特征向量，生理检查指标输入向量通过生理检查指标特征提取网络获得生理检查指标特征向量，然后CT影像特征向量和生理检查指标特征向量经过特征融合输出网络获得二分类结果。本发明充分利用了采集到的CT影像数据与生理检查指标数据，通过深度学习方法提取不同模态数据所包含的语义和特征，引入交叉注意力方法实现不同模态特征的适应性融合，构建了CT‑生理检查指标的多模态联合体征，进一步提升了网络的表征能力。
-
公开(公告)号：CN117668760A
公开(公告)日：2024-03-08
申请号：CN202311723065.4
申请日：2023-12-15
Applicant: 浙江大学
IPC: G06F18/25 , G06F18/2415 , G06F18/241 , G06N3/0442 , G06N3/045 , G06N3/082 , G06N3/084 , G06N3/0464
Abstract: 本发明涉及深度学习技术领域，公开了一种基于深度学习的多模态免疫抑制剂相关肺炎分类方法，包括采集获得CT影像和电子病历，电子病历包括大病历和检测报告，然后将CT影像和电子病历输入到多模态CIP肺炎分类网络进行分类预测，获得分类结果和概率；多模态CIP肺炎分类网络包括图像特征提取网络、文本特征提取网络和张量融合模块。本发明的多模态的CIP肺炎分类网络对CT影像模态和病历、检测报告的文字模态相结合的多模态数据进行特征提取处理，通过张量融合模块整合多模态特征信息，实现了依靠深度神经网络模型自动提取多模态进行免疫抑制剂相关肺炎分类。
-
-
-
-
-
-
-
-
-
Search Results
52
records
(took 0.023 seconds)
