-
公开(公告)号：CN106508738B
公开(公告)日：2019-06-18
申请号：CN201610918761.4
申请日：2016-10-21
Applicant: 三峡大学
IPC: A01K61/10
CPC classification number: Y02A40/812
Abstract: 本发明提供一种筛选鱼类敏感声音的方法及装置，筛选鱼类敏感声音的方法包括以下步骤：录制或者合成声音；用声音处理软件分析录制或者合成的声音的频率‑声强图谱，得到其频率范围，选取若干个单频音作为对照声音；观察记录鱼类自由游泳行为；对鱼类进行单频音播放实验；对鱼类进行待测声音播放实验；另外，本发明还提供与上述方法相对应的装置；本发明可以通过一次实验就能分析判断鱼类对某种声音的先天性敏感程度和趋避性，从而筛选出鱼类的敏感声音，有利于声音导鱼的实验研究以及实际工程中实验的快速开展，节省大量人力物力。
-
公开(公告)号：CN114706592B
公开(公告)日：2024-04-19
申请号：CN202210365983.3
申请日：2021-04-13
Applicant: 三峡大学
IPC: G06F8/51
Abstract: 本发明涉及面向对象及面向过程语言的Modelica仿真组件生成方法，包括：从指定的文件夹中逐一获取待转换的动态库及外部函数；分析得到每个外部函数的返回值类型、函数名称、函数参数列表；生成项目文件和源代码文件；为每一个外部函数在代码文件中生成符合Modelica使用规范的外部函数；将生成的项目编译成动态库文件；建立外部语言函数对应的mo文件，将外部函数引入到Modelica函数中，生成Modelica组件。本发明提供了将面向对象语言以及面向过程语言编写的动态库批量生成Modelica组件的自动转化方法，便于计算机执行，代替人工，大大提高了转换效率。
-
公开(公告)号：CN116403027A
公开(公告)日：2023-07-07
申请号：CN202310271654.7
申请日：2023-03-20
Applicant: 三峡大学
IPC: G06V10/764 , G06V10/82 , G06N3/08 , G06N3/0464 , G06F123/02
Abstract: 本发明涉及基于二阶段深度学习模型的时间序列信号搜寻方法，包括：将待搜寻的时间序列数据转换为图像文件，在时间轴上进行切分，分成帧图像；对帧图像分块处理，得到分块图像；利用第一深度学习模型对分块图像中是否含有目标信号进行预测；对分块图像的预测结果重构，将分块图像的预测结果按照分块图像在原帧图像中的位置顺序排列成二值矩阵；利用第二深度学习模型根据二值矩阵预测判断二值矩阵对应的帧图像中是否有目标信号。本发明通过将时间序列信号的搜寻过程分成两个阶段，两个阶段分别采用第一深度学习模型和第二深度学习模型进行分类预测，相比单一分类模型，提高了目标搜寻的效率，并且提高了搜寻准确率。
-
公开(公告)号：CN110861854A
公开(公告)日：2020-03-06
申请号：CN201911206114.0
申请日：2019-11-29
Applicant: 三峡大学
Abstract: 本发明公开了智能垃圾分类装置，并公开了智能垃圾分类方法，包括利用摄像头采集分类层台面上平铺的垃圾的图像根据垃圾的图像，采用神经网络模型对垃圾进行识别、分类；对垃圾图像中可回收物、有害垃圾、干垃圾、湿垃圾等分别进行目标识别和定位；用机械手逐一对可回收物进行分拣并放入可回收物的垃圾斗；用机械手逐一对有害垃圾进行分拣并放入有害垃圾的垃圾斗；利用机械手对剩余的垃圾进行干垃圾、湿垃圾的分类；对市民投放的垃圾进行垃圾质量评价。本发明对分拣后的垃圾进行分类储存，用于对市民投放的分类垃圾进行核查和二次分拣，根据核查结果对用户垃圾投放质量评分并制定奖惩机制，提高垃圾分类精度，同时鼓励用户提高垃圾分类投放质量。
-
公开(公告)号：CN119128882A
公开(公告)日：2024-12-13
申请号：CN202411137909.1
申请日：2024-08-19
Applicant: 三峡大学
IPC: G06F21/56 , G06F18/2113 , G06F18/213 , G06F18/241 , G06F18/25 , G06F18/27 , G06N3/0455 , G06N3/0464 , G06N3/084
Abstract: 本发明涉及基于Hash函数和FPN‑Transformer恶意代码分类方法，使用哈希函数对待分类的代码文件数据进行压缩处理，降低特征数据的维度并减少噪声；将特征金字塔网络FPN和Transformer模型相结合，构建FPN‑Transformer模型，为多层回归特征提取模型提供多层次和多视角的特征数据；利用多层回归特征提取模型对FPN‑Transformer模型提取的不同层次的特征进行综合和融合，根据融合结果输出最终的代码分类结果。本发明通过对数据特征的有效压缩与高效提取，显著提高了恶意代码分类任务的性能和实用性；通过自相关矩阵分类器进行特征融合与分类，优化了模型在实际应用中的准确性和泛化能力。
-
Patent Agency Ranking
公开(公告)号：CN113220309B
公开(公告)日：2022-05-06
申请号：CN202110395230.2
申请日：2021-04-13
Applicant: 三峡大学
IPC: G06F8/51
Abstract: 本发明涉及多语言的Modelica组件批量生成系统，包括批量提取部件、函数分析部件、项目生成部件、函数生成部件、项目编译部件、Modelica组件生成部件等。批量提取部件用于从文件夹中批量获取待处理的动态库和头文件；函数分析部件用于分析得到对应动态库的每个导出函数的返回值类型、函数名称、函数参数列表等；项目生成部件用于新生成一个符合Modelica规范的外部动态库项目；函数生成部件用于生成一个符合Modelica使用规范的外部函数；项目编译部件用于对动态库工程和源码的编译；Modelica组件生成部件用于为外部函数建立对应的mo文件，生成Modelica组件。本发明提供了将C/C++、Fortran、Matlab等语言编写的功能模块以动态库的方式转化为Modelica组件的系统和方法，提供了转换途径，提高了转换效率。
-
公开(公告)号：CN110861853B
公开(公告)日：2021-10-19
申请号：CN201911203175.1
申请日：2019-11-29
Applicant: 三峡大学
Abstract: 本发明公开了视觉与触觉相结合的智能垃圾分类方法，利用分拣头抓取垃圾分类面板上的垃圾，分拣头的抓爪内侧设有触觉传感器，将分拣头移动到垃圾的上方，采集垃圾的图像，分拣头抓取垃圾时触觉传感器取得垃圾的触觉数据，分拣头的控制器采用神经网络模型作为分类器，根据垃圾的图像和触觉数据对抓取的垃圾进行识别、分类，随后分拣头依据垃圾的分类将抓取的垃圾放入对应的垃圾分类区。本发明采用视觉与触觉相结合的方式，相对现有的单纯利用图像对垃圾进行识别分类的方法，大大降低误拣率，分类精度高，尤其易于识别出湿垃圾，分类效率高，省时省力。
-
公开(公告)号：CN113376107A
公开(公告)日：2021-09-10
申请号：CN202110490448.6
申请日：2021-05-06
Applicant: 三峡大学
Abstract: 本发明涉及基于云平台的水质监测系统，包括采样终端机和云平台；采样终端机包括浸入式探头、光源、光谱仪和上位机，浸入式探头包括用于容纳水样的狭缝、反射镜和光纤接口。工作时，光源产生的紫外可见光经光纤通过探头狭缝中的水样，经反射镜反射再次通过水样后，经光纤传输到光谱仪得到水样光谱；在上位机建立水质指标和有害物质光谱预测模型。多个采样点的光谱数据由上位机上传到统一的云平台，在云平台上利用数据迁移理论对多采样点的数据进行处理，实现对上位机的水质预测模型的参数进行校正。本发明基于数据迁移原理利用云平台上的多采样点数据对模型进行校正，利用了云平台上的大数据优势，提供了比基于单一采样点数据更精确的预测模型。
-
公开(公告)号：CN111879803A
公开(公告)日：2020-11-03
申请号：CN202010632325.7
申请日：2020-07-03
Applicant: 三峡大学
IPC: G01N23/223
Abstract: 本发明公开了土壤重金属含量检测装置，包括箱体、照射模块、探测模块、初级滤光组件、次级滤光组件、微处理器、显示屏、定位模块、DTU模块，箱体顶部设有盖板，盖板与箱体滑动配合，箱体上部设有隔板，隔板中心设有通孔，通孔处设有盛放土壤样本的样本区，箱体中央设有挡板。照射模块包括X光管、第一支撑板、第一驱动电机，第一支撑板的旋转轴与第一驱动电机的转轴连接；探测模块包括探测器、第二支撑板、第二驱动电机，第二支撑板的旋转轴与第二驱动电机的转轴连接。本发明还公开了一种土壤重金属含量检测方法。本发明的土壤重金属含量检测装置，体积小、便于携带、操作简单，适用于野外现场快速检测，提高了检测效率。
-
公开(公告)号：CN119357956A
公开(公告)日：2025-01-24
申请号：CN202411279496.0
申请日：2024-09-12
Applicant: 三峡大学
IPC: G06F21/56 , G06F18/24 , G06F18/213 , G06F18/22 , G06N3/0464 , G06N3/048 , G06N3/0455 , G06N3/08 , H04L9/40
Abstract: 本发明涉及基于软件基因和改进Siamese网络的恶意代码检测方法，包括：数据预处理，对待检测的代码文件进行静态分析和动态分析，提取基础特征；将基础特征转化为基因片段，并映射为基因表达，构建代码的基因序列；利用改进的Siamese网络，将提取的基因序列与已知恶意代码基因库进行相似度比对，得到相似度计算结果；根据相似度计算结果，判断代码文件是否包含恶意基因特征，若检测出的恶意代码则进一步确定其所属的恶意代码家族；根据检测结果，更新和优化恶意代码基因库，使恶意代码基因库覆盖最新的恶意代码样本和变种特征。本发明通过对恶意代码基因特征与AI模型的结合，显著提升了恶意代码检测任务的效果。
-
-
-
-
-
-
-
-
-
Search Results
25
records
(took 0.02 seconds)
