-
公开(公告)号：CN113255889A
公开(公告)日：2021-08-13
申请号：CN202110579022.8
申请日：2021-05-26
Applicant: 安徽理工大学 , 合肥博谐电子科技有限公司
Abstract: 本发明提供了一种基于深度学习的职业性尘肺病多模态分析方法，属于尘肺病分析领域，包括：采集人员的胸部X片影像信息和个人基础信息；对个人基础信息进行词向量化处理；构建一维卷积神经网络和二维卷积神经网络，并在此基础上建立多模态卷积神经网络MM‑CNN模型；将上述两种信息作为多模态卷积神经网络MM‑CNN模型的输入，建立多分类MM‑CNN尘肺病分析模型，在满足相应约束下形成目标函数；采用混合跳蛙算法SFLA优化多分类MM‑CNN尘肺病分析模型的超参数；采用优化后的多分类MM‑CNN尘肺病分析模型对人员的胸部X片影像信息和词向量化处理后的个人信息进行分析，并输出分析结果。该方法能够实现人员肺部健康的准确、实时检测分析，完成部分职业性尘肺病的早期预警。
-
公开(公告)号：CN113113148A
公开(公告)日：2021-07-13
申请号：CN202110466396.9
申请日：2021-04-28
Applicant: 安徽理工大学 , 合肥博谐电子科技有限公司
Abstract: 本发明涉及一种基于LLE结合SOM的矿工体检情况辨识方法，采集人体各项生理指标数据；按照LLE算法选择出采集的生理指标数据中重要体检生理指标；将选择出重要体检生理指标随机划分为训练集和测试集；利用训练集数据作为SOM算法的输入，建立体检数据异常情况识别模型；利用测试集对建立异常情况识别模型进行识别；得到正常与异常生理指标样本的辨识；非常适合高维数据的可视化，能够维持输入空间的拓扑结构，具有很高的泛化能力，它甚至能识别之前从没遇过的输入样本；可实现矿工体检异常情况的精准辨识。
-
公开(公告)号：CN113033674A
公开(公告)日：2021-06-25
申请号：CN202110338376.3
申请日：2021-03-25
Applicant: 安徽理工大学
Abstract: 本发明公开了一种贝叶斯优化随机森林的苹果无损检测方法，包括以下步骤：(1)搭建多光谱数据采集系统，采集苹果的多光谱图像信息；(2)采用CLBP算法(完全局部二值模式)对采集到的苹果多光谱图像进行特征提取；(3)苹果多光谱图像的样本划分；(4)基于贝叶斯优化随机森林算法搭建苹果的无损检测模型；(5)检测模型效果，利用测试集检验模型对好苹果及缺陷苹果的分类准确率。本发明采用多光谱成像技术结合贝叶斯优化随机森林算法用于苹果的无损检测，具有很高的分类准确率，非常适用于水果的分销，减少人力。
-
公开(公告)号：CN112263228A
公开(公告)日：2021-01-26
申请号：CN202011225688.5
申请日：2020-11-05
Applicant: 安徽理工大学
Abstract: 本发明公开了一种镜子以及非接触式健康体征检测系统，主要包括镜子本体、底座和非接触式健康体征检测系统，所述镜子本体底部安装底座，其中镜子为透明OLED显示屏，镜子周围为环形灯，在镜子正上方安装微型摄像头，镜子正下方有五个触控按键，环形灯、摄像头和触控按键均在镜子显示屏上；本发明仅需通过一个微型摄像头配合非接触式健康体征检测系统即可检测用户各项健康体征，如体温、心率和血压等，避免了接触式检测设备的繁琐，检测的健康特征参数也很全面，具有使用方便、实时、低成本和及时预警的特点。
-
公开(公告)号：CN111626224A
公开(公告)日：2020-09-04
申请号：CN202010469047.8
申请日：2020-05-28
Applicant: 安徽理工大学
IPC: G06K9/00 , G06K9/62 , G06N3/04 , G06N3/08 , G01N21/17 , G01N21/3563 , G01N21/359
Abstract: 本发明提供了一种基于近红外光谱和SSA优化的ELM的煤矸石快速识别方法，属于煤矸石快速识别领域，包括：首先将光谱成像技术用于煤矸石检测，获取煤矸石近红外光谱图像；然后把获取煤和矸石的近红外光谱图像预处理，并利用主成分分析(Principal Component Analysis，PCA)降维近红外光谱图像数据；接着基于改进的ELM构建煤矸石识别模型，用SSA算法优化改进的ELM的最优参数；最后将SSA获取的最优参数结合ELM用于煤矸石近红外光谱图像识别。本发明提供的基于近红外光谱和SSA优化的ELM的煤矸石快速识别方法不仅实现煤矸石准确快速的识别，而且省去识别模型的手动参数搜索的过程，应用方便。
-
Patent Agency Ranking
公开(公告)号：CN111487211A
公开(公告)日：2020-08-04
申请号：CN202010394233.X
申请日：2020-05-11
Applicant: 安徽理工大学
Abstract: 本发明公布了一种非相干宽带腔增强吸收光谱拟合波段选择方法，利用BP神经网络机器学习方法确定拟合波段的宽度和中心波长这两个参数与相对拟合不确定度和拟合残差标准偏差之间的非线性关系，然后根据期望的相对拟合不确定度和拟合残差标准偏差确定拟合波段，具体包括以下步骤：确定一个宽的光谱波段；将宽的光谱波段划分成若个具有不同宽度和中心波长的子波段；对子波段吸收光谱进行拟合；归一化拟合结果，形成数据样本；建立BP神经网络，并进行网络学习；利用学习后的BP神经网络得到待选波段的宽度和中心波长，最终得到光谱拟合波段。与现有方法相比，本发明可以获得最佳的光谱拟合波段，避免了现有方法拟合结果产生较大偏差的可能。
-
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：CN111077093A
公开(公告)日：2020-04-28
申请号：CN202010026120.4
申请日：2020-01-10
Applicant: 安徽理工大学
Abstract: 本发明公开了一种基于多光谱技术的煤矸石快速检测的方法与装置。本发明将多光谱成像技术用于煤矸石检测，构建一个煤和矸石多光谱图像采集系统，获取煤矸石多光谱图像，利用图像融合技术处理多光谱图像，将图像融合后的煤和矸石的多光谱图像用于煤矸石检测。改进YOLO-V3并设计一个煤矸石快速检测模型，把融合后的多光谱图像标注并用于检测模型的训练。最后将训练好检测模型用于煤矸石检测。本发明基于多光谱成像技术检测煤矸石，相比于可见光图像，多光谱能获得煤和矸石更丰富的特征，具有更高的准确率。此外，设计的改进检测模型有更快的检测速度，可以实现煤矸石在线检测。
-
公开(公告)号：CN110378295A
公开(公告)日：2019-10-25
申请号：CN201910663782.X
申请日：2019-07-22
Applicant: 安徽理工大学
Abstract: 本发明公开了一种多光谱图像信息和光谱信息异构融合的煤矸识别方法，包括以下步骤：(1)煤和矸石多光谱数据的获取；(2)构造煤和矸石的多光谱数据库；(3)二维卷积神经网络图像信息的特征提取；(4)一维卷积神经网络光谱信息的特征提取；(5)图像特征和光谱特征的融合；(6)随机森林煤矸识别模型构建。本发明采用2D-CNN和1D-CNN分别提取图像特征和光谱特征，特征融合后进行煤和矸石多光谱的识别模型构建，提出一种可用于图像信息和光谱信息特征提取、融合的异构融合框架能够提取更多、更有效的特征信息，且可以有效避免过拟合等问题，非常适用于煤和矸石的实时、精准识别。
-
公开(公告)号：CN110348538A
公开(公告)日：2019-10-18
申请号：CN201910652387.1
申请日：2019-07-18
Applicant: 安徽理工大学
IPC: G06K9/62
Abstract: 本发明公开了一种多光谱光谱信息和1D-CNN的煤矸识别方法，包括以下步骤：(1)煤和矸石多光谱光谱信息获取；(2)煤和矸石光谱信息的样本划分；(3)一维卷积神经网络光谱特征提取；(4)概率神经网络煤矸识别模型构建。本发明采用1D CNN-PNN进行煤和矸石多光谱光谱信息的识别模型构建，提出一种新的一维卷积神经网络模型能够提取更多、更有效的特征信息，且可以有效避免过拟合等问题，非常适用于煤和矸石的实时、精准识别。
-
-
-
-
-
-
-
-
-
Search Results
179
records
(took 0.059 seconds)
