-
公开(公告)号:CN220589351U
公开(公告)日:2024-03-15
申请号:CN202321977347.2
申请日:2023-07-26
申请人: 江苏索普化工股份有限公司 , 江苏索普(集团)有限公司
摘要: 本实用新型涉及一种脱硫除尘器用粉尘处理设备,包括安装箱和输送机构,所述安装箱的内部固定安装有安装块,所述安装块的左右两侧均转动连接有电动滚轮,两个所述电动滚轮之间活动连接有传输带,所述输送机构包括输送箱。该脱硫除尘器用粉尘处理设备,通过设置输送机构,当使用者在使用时,处理的粉尘将经过进料管落入并临时储存至供料箱的内部,当输送箱移动至供料管底部时,控制阀打开完成供料和运输,当输送箱移动至出料孔的过程中,粉尘会从输送箱内落出并在安装箱的作用下从出料孔落出方便使用者进行收集并进行二次处理,从而使该结构具备方便使用者向顶部输送粉尘的优点,方便了使用者使用。
-
公开(公告)号:CN109685099B
公开(公告)日:2023-04-07
申请号:CN201811338607.5
申请日:2018-11-12
申请人: 江苏大学
IPC分类号: G06V10/762 , G01N21/3563 , G01N21/359
摘要: 本发明公开了一种光谱波段优选模糊聚类的苹果品种辨别方法,包括如下步骤:S1,不同品种苹果样本的傅里叶近红外光谱采集:针对不同品种的苹果样本,用傅里叶近红外光谱仪对苹果样本进行检测,获取苹果样本傅里叶近红外光谱数据并将数据存储在计算机里。S2,用标准正态变量变化(SNV)对S1的苹果样本近红外光谱进行预处理。S3,用后向间隔偏最小二乘判别分析(BIPLSDA)对S2的近红外光谱进行波段优选。S4,对苹果近红外光谱进行降维处理和鉴别信息提取:利用主成分分析(PCA)对S3中的苹果近红外光谱数据进行压缩;然后利用线性判别分析(LDA)提取数据的鉴别信息。S5,对S4中包含鉴别信息的测试样本用一种改进的模糊C均值聚类方法辨别苹果品种。
-
公开(公告)号:CN110108661B
公开(公告)日:2021-12-21
申请号:CN201910321670.6
申请日:2019-04-22
申请人: 江苏大学
IPC分类号: G01N21/3563 , G01N21/359
摘要: 本发明公开了一种模糊极大熵聚类的茶叶近红外光谱分类方法,包括以下步骤:S1,茶叶样本近红外光谱采集:用傅里叶近红外光谱仪对茶叶样本进行检测,获取茶叶样本近红外漫反射光谱数据。S2,用多元散射矫正(MSC)对茶叶近红外光谱进行预处理。S3,对茶叶样本近红外光谱进行降维处理和鉴别信息提取:利用主成分分析(PCA)将在S2中获得的茶叶近红外光谱数据压缩;然后利用线性判别分析(LDA)提取茶叶样本的鉴别信息。S4,对S3中包含鉴别信息的测试样本用模糊极大熵聚类方法进行茶叶品种分类。本发明解决了用传统模糊极大熵聚类对噪声敏感问题。本发明具有检测速度快、无损检测、能处理含噪声的光谱数据,茶叶品种分类准确率高等优点。
-
公开(公告)号:CN108491894B
公开(公告)日:2020-12-18
申请号:CN201810335781.8
申请日:2018-04-16
申请人: 江苏大学
IPC分类号: G06K9/62 , G01N21/3563
摘要: 本发明公开了一种可能模糊鉴别C‑均值聚类的茶叶红外光谱的分类方法,用傅里叶红外光谱分析仪采集茶叶样本红外光谱数据;对茶叶样本红外光谱数据进行预处理;采用主成分分析方法对预处理后的茶叶样本红外光谱数据进行降维处理;采用线性鉴别分析提取茶叶训练样本的红外光谱的鉴别信息。对步骤4的训练样本进行可能模糊鉴别C‑均值聚类,得到的聚类中心;用一种可能模糊鉴别C‑均值聚类方法进行茶叶品种的判定。本发明融合了可能模糊C‑均值聚类和线性判别分析,具有检测速度快,分类速度快,分类准确率高等优点,可实现茶叶品种的正确分类。
-
公开(公告)号:CN110378374A
公开(公告)日:2019-10-25
申请号:CN201910505666.5
申请日:2019-06-12
申请人: 江苏大学
IPC分类号: G06K9/62
摘要: 本发明公开了一种模糊鉴别信息提取的茶叶近红外光谱分类方法,包括步骤:(1)茶叶近红外光谱采集;(2)用多元散射校正进行茶叶近红外光谱的预处理;(3)用主成分分析实现茶叶近红外光谱降维处理;(4)采用一种模糊线性鉴别信息提取方法实现近红外光谱数据的鉴别信息提取;(5)采用一种模糊簇间分离聚类方法进行茶叶近红外光谱数据分类。本发明解决了用传统模糊线性判别分析处理复杂数据结构时分类效果不理想的问题,进一步减少鉴别信息之间的相关性。本发明具有检测速快,能有效提取近红外光谱数据的模糊鉴别信息,茶叶品种分类准确率高等优点。
-
公开(公告)号:CN109145952A
公开(公告)日:2019-01-04
申请号:CN201810813255.8
申请日:2018-07-23
申请人: 江苏大学
IPC分类号: G06K9/62
CPC分类号: G06K9/6223 , G06K9/6274
摘要: 本发明公开了一种模糊鉴别分析的白酒电子鼻信号分类方法,包括:步骤1、使用电子鼻系统采集不同白酒样本的气味数据。步骤2、采样模糊鉴别分析的方法,提取白酒原始数据的主要特征;首先计算每类均值,以每类均值作为聚类中心;计算初始模糊隶属度;再进行模糊主成分分析(FPCA),得到模糊主成分分析的特征向量qk1;对得到的特征向量qk1进行排序,得到新的特征向量pk1;重新i将类中心vi和第k个样本xk投影到特征向量pk1上,以及重新计算模糊隶属度等,得到最终处理过的白酒数据;步骤3、采用最近邻分类器对模糊鉴别分析处理过得数据进行分类,使用留一法(leave one out)计算分类的准确率。本发明采用模糊鉴别分析方法,提高抗干扰能力的同时分类准确率大大提高。
-
公开(公告)号:CN109030407A
公开(公告)日:2018-12-18
申请号:CN201810336476.0
申请日:2018-04-16
申请人: 江苏大学
IPC分类号: G01N21/359 , G01N21/3563 , G06K9/62
摘要: 本发明公开了一种混合模糊C均值聚类的苹果品种分类方法,采集苹果样本的近红外光谱;针对不同品种的苹果样本,用近红外光谱仪采集苹果样本的傅里叶近红外漫反射光谱信息,将光谱信息存储在计算机里;对苹果近红外光谱进行降维处理;将苹果样本近红外光谱采用主成分分析方法(PCA)进行压缩降维处理;用混合模糊C均值聚类方法对苹果品种进行分类处理,根据混合模糊C均值聚类方法得到模糊隶属度,对苹果品种进行分类。能够有效实现对苹果检测速度快,分类准确率高,不造成损坏,提高分类苹果品种分类的准确率,且采用近红外光谱技术实现无损检测。
-
公开(公告)号:CN108760838A
公开(公告)日:2018-11-06
申请号:CN201810376244.8
申请日:2018-04-25
申请人: 江苏大学
IPC分类号: G01N27/22
CPC分类号: G01N27/221 , G01N27/223
摘要: 本发明涉及一种基于介电特性的叶片含水率预测模型及其建立方法。属于无损检测技术领域。利用LCR测量仪测定叶片在最佳频率和电压下的介电参数,并将这些介电参数带入预测模型,即可计算出叶片的含水率。具体为了克服传统叶片含水率检测方法的不足,并为叶片含水率检测仪器开发提供前期探索和理论依据,本发明基于介电特性技术检测叶片含水率,探究外加电激励信号的频率和电压对叶片介电特性的影响,优选出最佳测试频率和电压,并在此基础上建立叶片含水率预测模型。
-
公开(公告)号:CN107886115A
公开(公告)日:2018-04-06
申请号:CN201711027252.3
申请日:2017-10-27
申请人: 江苏大学
IPC分类号: G06K9/62 , G01N21/3563
CPC分类号: G06K9/6247 , G01N21/3563 , G06K9/6221 , G06K9/6272
摘要: 本发明公开了一种自适应可能C均值聚类的茶叶中红外光谱分类方法,包括步骤:(1)茶叶样本中红外光谱采集;(2)用多元散射矫正(MSC)进行茶叶样本中红外光谱的预处理;(3)对茶叶样本中红外光谱进行降维处理和鉴别信息提取;(4)用自适应可能C均值聚类方法鉴别茶叶品种。本发明解决了用基于欧氏距离的改进型可能C-均值(IPCM)聚类方法在聚类分析茶叶的中红外光谱数据时聚类效果不理想的问题,本发明采用基于模糊协方差矩阵的自适应距离测度来代替IPCM聚类方法中的欧氏距离测度。本发明具有检测速度快,检测准确率高,绿色无污染,所需茶叶样本少等优点。
-
公开(公告)号:CN107860739A
公开(公告)日:2018-03-30
申请号:CN201711205752.1
申请日:2017-11-27
申请人: 江苏大学
IPC分类号: G01N21/3563
CPC分类号: G01N21/3563
摘要: 本发明公开了一种模糊K调和网络聚类的茶叶中红外光谱分类方法,首先采集不同品种茶叶的中红外光谱;其次,采用多元散射校正、主成分分析及线性判别分析对茶叶样本的中红外光谱进行预处理;最后对包含鉴别信息的测试样本,使用一种模糊K调和网络聚类方法鉴别测试样本中的茶叶品种。本发明将模糊K调和网络聚类引入到Kohonen聚类网络的学习速率和更新策略中,解决了用模糊Kohonen聚类网络方法对初始类中心敏感而导致聚类结果不稳定的问题。本发明具有检测速度快,检测准确率高,绿色无污染,检测结果稳定等优点。
-
-
-
-
-
-
-
-
-