-
公开(公告)号：CN112446307A
公开(公告)日：2021-03-05
申请号：CN202011278357.8
申请日：2020-11-16
申请人： 山东大学 , 山东锋士信息技术有限公司
摘要： 本发明公开了基于局部约束的非负矩阵分解的心电身份识别方法及系统，包括：获取待识别的心电信号；对待识别的心电信号进行心拍划分，得到若干个单周期心电信号；对每个单周期心电信号，利用预先获取的基矩阵的伪逆矩阵进行投影，将心电信号从高维空间投影到低维空间，得到降维后的特征表示；其中，预先获取的基矩阵的伪逆矩阵，是通过基于局部约束的非负矩阵分解方式对心电信号训练数据集进行处理来获取的；将降维后的特征表示，输入到训练后的分类模型中，得到当前待识别心电信号对应的身份识别结果。
-
公开(公告)号：CN112042353A
公开(公告)日：2020-12-08
申请号：CN202010914853.1
申请日：2020-09-03
申请人： 山东锋士信息技术有限公司 , 水发智慧农业科技有限公司
摘要： 本发明公开了一种适用于日光温室的水肥精准决策方法及系统，具体包括以下步骤：S1、获取基于气象因子的作物日需水量；S2、将获取的日需水量进行累加获得累积值，并在累积值符合预设累积阈值时获取土壤含水率；S3、在获取的土壤含水率小于预设土壤含水率时，根据土壤含水率和预设土壤含水率计算灌溉量，S4、判断作物处于的生育阶段，根据基于土壤养分平衡原理的作物施肥量简便快速推荐模型，本发明涉及农业种植技术领域。该适用于日光温室的水肥精准决策方法及系统，通过该方法解决了日光温室传统水肥管理依赖经验决策，使用先进的人工智能、物联网和通信技术，作物灌溉施肥决策更加科学、高效、及时和精准。
-
公开(公告)号：CN111006730A
公开(公告)日：2020-04-14
申请号：CN201911218725.7
申请日：2019-12-03
申请人： 山东锋士信息技术有限公司
摘要： 本发明提供的一种垂直式自发电超声波智能水表，包括管段、设置在管段上的表体，表体的底面前后端分别设置有进水端换能器和出水端换能器，表体内设置有电路板和电池，还包括一水力发电机，水力发电机的本体设置在表体内，水力发电机的叶轮设置在管段内且置于出水端换能器的后侧；本体包括壳体和伸出壳体外的转子轴，转子轴垂直插入管段内与叶轮联接；水力发电机的本体的电源输出端子经电路板与电池连接，电池是充电电池；电路板上至少包括有给充电电池充电的充电电路；还包括设置在表体内的处理模块和通信模块。该智能水表节能环保，方便实用，避免了电池的不断更换造成的环境污染，且可通过与其他通讯设备连接，实现对超声波智能水表的远程控制。
-
公开(公告)号：CN108366204A
公开(公告)日：2018-08-03
申请号：CN201810177725.6
申请日：2018-03-05
申请人： 山东锋士信息技术有限公司
摘要： 本发明提供一种嵌入水位流量计算模型的智能监控摄像机，包括通过图像采集设备即摄像头采集固定于环境下的红白图案特征水尺的图像信息,所采集图像信息通过摄像头内的coms芯片将图像模拟信号转化为数字信号,通过对摄像头内的DSP芯片写入相应的数字信息识别程序和水位流量关系模型，本发明设备各个组成部分的设计方式均可进行程序的自定义开发,以适应不同的监测条件下的水位与流量,大大提高了设备的可适应性,降低设备推广难度。
-
公开(公告)号：CN106125701A
公开(公告)日：2016-11-16
申请号：CN201610726421.1
申请日：2016-08-26
申请人： 山东锋士信息技术有限公司
发明人： 孙启玉
IPC分类号： G05B19/418 , H04L29/08 , A01G25/16
摘要： 本发明是一种基于互联网水肥管理设备的智慧灌溉云系统，包括起提供云服务的智慧灌溉云服务平台模块、用于管理控制器采集数据的智慧灌溉云数据中心模块、用于采集传感器数据和对水肥管理设备进行控制的物联网终端管理控制器模块、用于实现灌溉和施肥一体化的水肥管理设备，本发明的基于互联网水肥管理设备的智慧灌溉云系统，不仅设置有与智慧灌溉云数据中心相连接的物联网终端管理控制器，而且可以通过智慧灌溉云服务平台为用户提供服务，有效的实现了农情和气象信息的采集、高速传输，并可将数据进行智能分析后，形成灌溉模型下载到管理控制器，实现智慧灌溉。
-
公开(公告)号：CN118490179B
公开(公告)日：2024-11-08
申请号：CN202410953914.3
申请日：2024-07-17
申请人： 山东锋士信息技术有限公司
IPC分类号： A61B5/00 , A61B5/372 , G06F18/24 , G06F18/213 , G06N3/0464 , G06N3/0895
摘要： 本发明涉及一种基于自监督学习和Mamba网络的睡眠分期方法及系统，属于健康信息处理、模式识别技术领域。采用自监督训练网络进行数据处理提取高质量睡眠脑电信号特征，自监督训练网络包括特征增强、特征筛选、掩码预测三分支并行网络；对高质量睡眠脑电信号特征利用可分离卷积模块进行时频特征提取；提取的特征输入基于Mamba网络的特征增强模块再次进行上下文特征提取；利用分类器对提取的特征信息进行睡眠分期分类。本发明整体方法提高了睡眠分期分类的效率、准确性和适应性。
-
公开(公告)号：CN118430050B
公开(公告)日：2024-10-18
申请号：CN202410850309.3
申请日：2024-06-28
申请人： 山东锋士信息技术有限公司
摘要： 本发明涉及一种基于融合面部多特征的中医面诊方法和系统，属于医疗及健康信息处理技术领域。先用图像对面部进行区域划分和三庭分割，判断出脸型；利用整体的脸型特征初步预测健康异常；根据红外热像仪的反馈提取面部温度特征Tem，提取整个面部和分区域提取面部颜色特征、纹理特征；利用主成分分析PCA算法对图像特征的向量进行融合；利用决策树方法训练样本集，建立诊断分类变量关于融合后特征的分类预测模型；将采集的待诊面部数据输入分类预测模型预测，结合初步预测最终给出人体及脏腑器官健康状态诊断。本发明方法提取特征全面，特征融合高效准确，建模分类识别速度较快，大大提高了面诊的准确性和实时性。
-
公开(公告)号：CN118587097A
公开(公告)日：2024-09-03
申请号：CN202411073631.6
申请日：2024-08-07
申请人： 山东锋士信息技术有限公司
IPC分类号： G06T3/4053 , G06T3/4046 , G06T5/50 , G06T5/60 , G06N3/0464 , G06N3/09 , G06V10/44 , G06V10/80 , G06V10/82 , G06N3/048
摘要： 本发明涉及一种基于频域‑空间双域学习的多光谱遥感图像增强方法，属于遥感图像处理技术领域。将全色图像和上采样后的低空间分辨率多光谱图像采用傅里叶变换成对应的相位分量和振幅分量，分两个分支分别送入频域特征提取模块进行相位分量学习和振幅分量学习，之后采用二维逆傅里叶变换重构得频域学习后特征；对全色图像和上采样后的低空间分辨率多光谱图像通道拼接后输入特征提取模块进行特征提取，得空域学习后特征；将频域学习后特征与空域学习后特征进行特征融合，计算损失值进行监督训练，用测试集测试模型，得到最终模型。本发明一定程度上弥补了现有基于深度学习的方法在多光谱遥感图像增强任务上的不足，实现优越的多光谱图像增强效果。
-
公开(公告)号：CN118298185B
公开(公告)日：2024-09-03
申请号：CN202410725069.4
申请日：2024-06-06
申请人： 山东锋士信息技术有限公司
IPC分类号： G06V10/26 , G06V20/70 , G06V10/82 , G06V10/764 , G06N3/0464 , G06N3/088 , G06V20/10
摘要： 本发明涉及一种基于码本与交叉变形融合的跨域遥感图像分割方法，属于图像处理技术领域。自监督预训练阶段，源域图像和目标域图像输入卷积网络得到瓶颈特征，瓶颈特征由码本中特征码替换，替换后的特征输入到解码器中还原成原始图像，瓶颈特征输入到域判别器中进行域混淆，解码器的中间特征输入到域判别器中进行域混淆；分割训练阶段，源域和目标域图像输入到预训练好的编码器、解码器中，通过交叉变形特征融合模块实现跳跃连接，解码器最后一层替换成分割头，计算域混淆损失和分割损失共同优化模型。本发明利用码本机制增强图像内容,并利用可变形注意力融合不同层特征，以期模型能够学习更鲁棒的特征，从而提高跨域图像语义分割的性能。
-
公开(公告)号：CN118298184B
公开(公告)日：2024-09-03
申请号：CN202410725066.0
申请日：2024-06-06
申请人： 山东锋士信息技术有限公司
摘要： 本发明及一种基于层级式误差修正的高分辨率遥感语义分割方法，属于图像处理技术领域。以最小尺度特征图为起点，每次使用更大尺度的特征图进行修正，将层级i对应的高分辨率遥感图像Xi输入分割网络获得分割特征图Yi，对Yi进行误差区域选择得到i层级特征图对应区域分割特征Yi,A，截取i+1层级高分辨率遥感图像Xi+1中的A对应区域，输入分割网络获得对应区域分割特征Yi+1,A，将Yi,A以及Yi+1,A输入误差修正模块进行误差修正，得到修正特征，重复多次。本发明通过层级式误差修正过程，能够学习到更富表现力的分割特征，针对不同尺寸的物体自适应融合最优尺度特征图，从而提高高分辨率遥感图像语义分割的准确性。
-
-
-
-
-
-
-
-
-
搜索结果
217 条记录 (耗时 0.027 秒)
