一种智能测温可穿戴眉勒

    公开(公告)号:CN219781659U

    公开(公告)日:2023-10-03

    申请号:CN202122048024.2

    申请日:2021-08-28

    摘要: 本实用新型公开了一种智能测温可穿戴眉勒,包括眉勒本体;所述眉勒本体的隔层内设置有液态金属电路,所述的液态金属电路包括与电源连接的触摸开关和单片机,以及与单片机连接的语音播报模块和温度传感器,语音播报模块与语音播放器连接;所述的触摸开关打开后,温度传感器实时检测人体的体温,并将数据传到单片机,单片机进行信号处理后,将数值传送至语音播报模块,由语音播放器进行语言报。本实用新型可以实时监测人体的体温,在体温异常的时候也可以通过蜂鸣器进行报警,起到示警提醒的作用;便于看护者可以随时了解孩子的体温。同时,眉勒的外层上设置各种各样的图案,可以吸引小孩子主动佩戴。另外,也可以吸引更多的年轻人佩戴眉勒进行装饰。

    一种水冷式降温眉勒
    2.
    实用新型

    公开(公告)号:CN218650394U

    公开(公告)日:2023-03-21

    申请号:CN202122048022.3

    申请日:2021-08-28

    摘要: 本实用新型公开了一种水冷式降温智能可穿戴眉勒,包括眉勒本体;所述的眉勒本体上设置有降温装置;所述的降温装置包括设置在眉勒本体夹层内的水袋、水管和微型吸水泵,所述的水袋、水管和微型吸水泵连接成循环水路,水袋和水管内的水可通过微型吸水泵的作用在水袋和水管内进行流动;所述微型吸水泵的开关通过控制电路进行控制,所述的控制电路包括开关和电源,所述的开关打开后,电源给微型吸水泵供电,微型吸水泵开始工作,带动水袋和水管中的降温液体进行循环流动。本实用新型可以起到给人们的头部降温,保护人体的大脑;避免中暑、保障生命安全。同时眉勒又是我国的传统服饰,这对历史文化起到了传承的效果。

    一种融合SPD-HSFPN-RVB的轻量化图像检测方法及系统

    公开(公告)号:CN118628907A

    公开(公告)日:2024-09-10

    申请号:CN202410670135.2

    申请日:2024-05-28

    申请人: 淮阴工学院

    摘要: 本发明公开了一种融合SPD‑HSFPN‑RVB的轻量化图像检测方法及系统,该方法包括:获取并预处理图像;基于YOLO框架建立网络模型,预处理后的图像输入所述网络模型后,依次经过主干网络、头部网络处理,并由检测头模块检验合格后输出;所述主干网络包括多个RVB‑EMA模块和SPDconv卷积层,所述头部网络包括多个HSFPN模块。RVB‑EMA模块包括EMA模块和RVB模块,所述RVB模块包括深度卷积、挤压和激励层、扩展卷积与投影层,残差连接跳跃过所述扩展卷积与投影层;所述EMA模块对输入的张量分组后,通过空间注意力机制进行高度和宽度池化,之后通过多次卷积进行特征增强,计算自适应权重后拼接输出。本发明具有轻量化、运算效率高的特点。

    一种金属工件损伤区域三维轮廓检测方法及其应用

    公开(公告)号:CN116883324A

    公开(公告)日:2023-10-13

    申请号:CN202310732374.1

    申请日:2023-06-20

    申请人: 淮阴工学院

    发明人: 黄飞

    摘要: 本发明公开了一种金属工件损伤区域三维轮廓检测方法及其应用,所述三维轮廓检测方法包括:获取并校正金属工件损伤区域的三维点云数据;通过K‑近邻算法对经校正的三维点云数据进行处理,生成损伤区域所在局部表面的二维灰度图;对二维灰度图进行去噪处理,再通过设立灰度阈值,将其转换为二值图像;通过摩尔邻域跟踪算法对二值图像进行处理,提取损伤区域边界的二维像素坐标;基于损伤区域边界的二维像素坐标及对应的灰度值,重构为损伤区域三维轮廓坐标;所述三维轮廓检测方法应用于金属冷喷涂修复中。本发明无需损伤工件的计算机辅助设计模型和先验知识,避免了对三维点云的直接处理,能够提升金属冷喷涂修复系统检测效率及自主化检测能力。

    一种YOLOv8车辆识别方法、系统、设备及存储介质

    公开(公告)号:CN118470494A

    公开(公告)日:2024-08-09

    申请号:CN202410643881.2

    申请日:2024-05-23

    申请人: 淮阴工学院

    摘要: 本发明公开了一种YOLOv8车辆识别方法、系统、设备及存储介质,其种方法包括:从公共数据集收集车辆图像数据,对数据进行标注并划分为训练集、验证集和测试集;基于YOLOv8网络结构进行改进,得到初始识别模型;使用训练集对初始识别模型进行训练,采用梯度下降算法和反向传播技术,优化神经网络参数,得到训练后的模型;利用验证集进行性能验证,基于准确率、召回率和mAP指标,对训练后的模型进行验证,得到验证后的模型;在测试集上对验证后的模型进行测试,评估车辆识别检测性能,完成车辆识别模型的构建,利用车辆识别模型对车辆进行识别;本发明实现了对车辆全身多个不同位置细节信息的高效识别,显著提高了系统的识别准确度。

    基于麻雀搜索算法优化Elman神经网络的短期负荷预测方法

    公开(公告)号:CN113689029A

    公开(公告)日:2021-11-23

    申请号:CN202110865609.5

    申请日:2021-07-29

    申请人: 淮阴工学院

    摘要: 本发明公开了一种基于麻雀搜索算法优化Elman神经网络的短期负荷预测方法,建立短期负荷预测模型,在经典的Elman动态网络中引入麻雀搜索算法SSA,对该网络的训练过程做进一步的优化;包括以下步骤:首先初始化种群、迭代次数等相关参数,计算适应度值并排序;然后更新发现者、加入者以及改进的意识到危险麻雀位置;再次计算适应度值并更新麻雀位置;判断是否满足SSA的结束条件,在满足条件的情况下,将全局最优值赋予Elman网络的权值和阈值;Elman神经网络进行局部优化;最终预测模型输出最佳预测值。本发明可提高Elman神经网络的泛化能力和适应能力,使预测模型的运算效率和预测精度提高,且该方法辨识能力优于经典Elman网络,泛化误差明显小于经典网络。