公开(公告)号：CN113284620A

公开(公告)日：2021-08-20

申请号：CN202110479863.1

申请日：2021-04-30

申请人： 安徽理工大学 ,  皖南医学院第一附属医院(皖南医学院弋矶山医院)

发明人： 胡锋 ,  周孟然 ,  刘丹丹 ,  闫鹏程 ,  卞凯 ,  曹珍贯 ,  梁喆 ,  凌六一

IPC分类号： G16H50/30 ,  G06K9/00 ,  G06N3/00 ,  G06N3/04 ,  G06N3/12

摘要： 本发明涉及数据处理技术领域，公开了一种职业健康数据分析模型的建立方法，包括以下步骤：对多个心电信号的多个时域特征、频域特征和信息域特征进行遗传算法筛选，获得N2个最优的心电信号特征，记为A2；将多个最优的心电信号特征A2与血压数据和心率数据合并，获得心功能数据，记为A3；采用自适应磷虾群算法优化KELM模型的正则化系数C和径向基核函数的参数g，得到最优正则化系数Cbest和最优径向基核函数的参数gbest；将心功能数据A3作为KELM模型的输入，获取KELM模型的最优适应度，采用最优适应度的KELM模型对A3测试集进行处理，采用这种职业健康数据分析模型进行心功能数据处理，提高了心电信号分析识别的精度，同时提升了心功能数据的处理速度。

公开(公告)号：CN113284620B

公开(公告)日：2023-07-21

申请号：CN202110479863.1

申请日：2021-04-30

申请人： 安徽理工大学 ,  皖南医学院第一附属医院(皖南医学院弋矶山医院)

发明人： 胡锋 ,  周孟然 ,  刘丹丹 ,  闫鹏程 ,  卞凯 ,  曹珍贯 ,  梁喆 ,  凌六一

IPC分类号： G16H50/30 ,  G06F18/213 ,  G06F18/24 ,  G06N3/006 ,  G06N3/04 ,  G06N3/126

摘要： 本发明涉及数据处理技术领域，公开了一种职业健康数据分析模型的建立方法，包括以下步骤：对多个心电信号的多个时域特征、频域特征和信息域特征进行遗传算法筛选，获得N2个最优的心电信号特征，记为A2；将多个最优的心电信号特征A2与血压数据和心率数据合并，获得心功能数据，记为A3；采用自适应磷虾群算法优化KELM模型的正则化系数C和径向基核函数的参数g，得到最优正则化系数Cbest和最优径向基核函数的参数gbest；将心功能数据A3作为KELM模型的输入，获取KELM模型的最优适应度，采用最优适应度的KELM模型对A3测试集进行处理，采用这种职业健康数据分析模型进行心功能数据处理，提高了心电信号分析识别的精度，同时提升了心功能数据的处理速度。

公开(公告)号：CN113255889B

公开(公告)日：2024-06-14

申请号：CN202110579022.8

申请日：2021-05-26

申请人： 安徽理工大学 ,  合肥博谐电子科技有限公司

发明人： 周孟然 ,  杨先军 ,  胡锋 ,  陈焱焱 ,  卞凯 ,  闫鹏程

IPC分类号： G06T7/00 ,  G06N3/0464 ,  G06N3/045 ,  G06N3/08 ,  G06N3/006 ,  G06V10/764

摘要： 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：CN110321959B

公开(公告)日：2023-04-18

申请号：CN201910612866.0

申请日：2019-07-09

申请人： 安徽理工大学

发明人： 胡锋 ,  周孟然 ,  闫鹏程 ,  李蓓 ,  卞凯 ,  戴荣英

IPC分类号： G06V10/774 ,  G06V20/10 ,  G06V10/82 ,  G06N3/0464 ,  G06N3/08

摘要： 本发明公开了一种多光谱图像信息和CNN的煤矸识别方法，包括以下步骤：(1)煤和矸石多光谱图像信息获取；(2)煤和矸石多光谱图像样本划分；(3)卷积神经网络多光谱图像特征提取；(4)极限学习机煤矸识别模型构建。本发明采用CNN‑ELM进行煤和矸石多光谱图像的识别模型构建，提出一种新的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快速、精准识别。

公开(公告)号：CN112505010A

公开(公告)日：2021-03-16

申请号：CN202011387405.7

申请日：2020-12-01

申请人： 安徽理工大学

发明人： 戴荣英 ,  周孟然 ,  胡锋 ,  卞凯 ,  来文豪 ,  孔茜茜

IPC分类号： G01N21/64 ,  G01N21/01

摘要： 本发明提供了一种基于荧光光谱的变压器故障诊断装置，该装置包含电源模块、激光器模块、激光荧光探头模块、光谱仪模块、识别模块，本发明还公开了一种基于荧光光谱的变压器故障诊断方法：(1)采集油样，建立光谱数据库；(2)对原始光谱进行滤波处理；(3)对变压器油样光谱数据进行特征提取；(4)将光谱数据按照5：1的比例随机划分成训练集和测试集；(5)建立GMM‑LDA识别模型，并将测试集用于模型检验与辨识；(6)变压器故障诊断。采用LIF技术结合DAE‑GMM‑LDA的方法来分析变压器油的状态，以实现变压器故障诊断，具有较高的分类识别准确率和实际应用价值，泛化能力强，非常适合变压器故障诊断的实时准确检测和推广。

公开(公告)号：CN109308498B

公开(公告)日：2021-01-01

申请号：CN201811430777.6

申请日：2018-11-28

申请人： 安徽理工大学

发明人： 卞凯 ,  周孟然 ,  胡锋 ,  来文豪 ,  戴荣英 ,  胡天羽 ,  李化顺

IPC分类号： G06K9/62 ,  G01N21/64

摘要： 本发明涉及一种激光诱导荧光植物油掺杂小米汤辨识方法，包含以下步骤：(1)将等体积的纯花生油和小米汤按一定的掺杂浓度进行配比；(2)利用自行设计的便携式植物油无损分析仪采集油样荧光光谱数据；(3)采用中值滤波法(M edian‑Filter)平滑处理原始光谱图；(4)联合KICA与PCA算法(KICA‑PCA)优选出主要光谱信息数据；(5)采用留出法(hold‑out)把样本数据划分成训练集和测试集；(6)利用FDA对训练集进行学习和训练，测试集用于辨识效果检验。本发明采用KICA‑PCA结合FDA用于激光诱导荧光植物油掺杂小米汤辨识，提高了辨识精度和运算速度，非常适用于食品安全检测领域的研究。

公开(公告)号：CN109187480A

公开(公告)日：2019-01-11

申请号：CN201811434053.9

申请日：2018-11-28

申请人： 安徽理工大学

发明人： 戴荣英 ,  周孟然 ,  胡锋 ,  卞凯 ,  来文豪 ,  胡天羽 ,  李化顺

IPC分类号： G01N21/64

摘要： 本发明涉及一种双激光LIF技术的花生油掺杂大豆油判别装置，该装置包含以下部分：电源模块、激光器模块1、激光器模块2、激光荧光探头模块1、激光荧光探头模块2、光谱仪模块、延时开关模块、上位机模块。荧光探头利用石英光纤采集待测植物油中因激光器发射激光产生的荧光，在光谱仪接收荧光信息的过程中利用延时开关来实现采用两个不同波段激光光源，获取双激光光源下的LIF光谱的荧光信息的分时接收，在计算荧光强度后利用上位机中VS2015软件和MATLAB软件来建立已知的花生油、大豆油纯植物油样本和它们的混合油样本激光诱导荧光光谱的MDS模型数据库对待测植物油样本的荧光光谱进行分类识别，从而有利于检测花生油中是否存在大豆油的掺杂。

公开(公告)号：CN115131712B

公开(公告)日：2024-07-16

申请号：CN202210817578.0

申请日：2022-07-12

申请人： 安徽理工大学

发明人： 来文豪 ,  周孟然 ,  郑晓亮 ,  闫鹏程 ,  胡锋 ,  卞凯 ,  朱梓伟

IPC分类号： G06V20/40 ,  G06T7/00 ,  G06T7/62 ,  G06V10/764 ,  G06V10/82 ,  G06F18/10 ,  G06N3/0464 ,  G06N3/08

摘要： 本发明公开了一种计算机视觉驱动的钻杆智能计数方法。本发明基于计算机视觉，将目标检测结合信号处理实现的钻杆智能计数。通过打钻过程的实时视频结合深度学习算法检测每帧图像中的钻杆，实时评估钻杆的相对大小，利用信号处理技术获得钻杆相对大小的实时平滑曲线，二值化平滑处理的钻杆的相对大小的实时曲线，得到图像中钻杆的编码二值曲线，统计矩形波形个数既可实现钻杆智能计数。本发明基于先进的深度学习算法和轻便的信号处理技术实现瓦斯抽采钻杆实时智能计数，对煤炭安全开采和煤矿智能化建设具有重要意义。

公开(公告)号：CN118303854A

公开(公告)日：2024-07-09

申请号：CN202410508105.1

申请日：2024-04-25

申请人： 安徽理工大学

发明人： 胡嘉 ,  卞凯

IPC分类号： A61B5/0205 ,  A61B5/0507 ,  A61B5/113 ,  A61B5/11 ,  A61B5/00

摘要： 本发明提出了一种结合深度学习与毫米波雷达技术的实时生命健康评估方法。该方法通过以下步骤实现：(1)使用毫米波雷达采集目标微动特征，捕捉胸部微小的幅度和频率。(2)将数据转换为时域信号x(t)，并通过FFT转换为频域表示X(f)。(3)执行PCA提取主要特征，用KICA核独立成分分析去除噪声。得到的数据输入多层卷积神经网络，通过反向传播和梯度下降来训练，实现生命健康的准确评估。(4)构建医学知识库，将模型输出与库中数据匹配，得出心率、呼吸频率等生理参数的评估和异常判断。本发明通过雷达技术、深度学习和医学知识，提高了评估的准确性和可靠性，有效处理信号噪声，具有医疗健康应用前景和研究意义。

公开(公告)号：CN117994276A

公开(公告)日：2024-05-07

申请号：CN202410085496.0

申请日：2024-01-22

申请人： 安徽理工大学

发明人： 高立鹏 ,  周孟然 ,  卞凯 ,  胡锋

IPC分类号： G06T7/12 ,  G06T7/00 ,  G06N3/0464 ,  G06N3/048 ,  G06N3/084

摘要： 本发明提供了一种基于异构幻影卷积的医学图像分割方法，属于医学图像智能处理领域，包括以下步骤：S1、获取医学图像，划分训练集、验证集与测试集，并且只对训练集图像进行数据增强处理；S2、搭建异构幻影卷积基础卷积单元；S3、构建基于异构幻影卷积的医学图像分割模型进行训练，提取训练集图像特征；S4、采用Adam优化器优化参数更新，观察输出混合损失曲线，当出现过拟合趋势时，停止训练轮次；S5、使用验证集对构建基于异构幻影卷积的医学图像分割模型验证，选取Dice系数最好、MIou和Recall指标较好的一次训练模型权重保存；S6、将测试集输入最优基于异构幻影卷积的医学图像分割模型，得到分割结果。本发明有益效果为：使用异构幻影卷积构建的模型在精准分割的前提下，同时也兼顾到了模型的轻量，更加适用于部署在边缘设备。