-
公开(公告)号：CN115417066A
公开(公告)日：2022-12-02
申请号：CN202211138705.0
申请日：2022-09-19
申请人： 昆明理工大学
摘要： 本发明公开了一种基于真空吸附传送带与自适应料仓的烟叶分离输送装置，由真空吸附传送带和自适应料仓两部分构成。真空吸附传送带包括真空泵、负压风扇、真空滚筒和打孔输送带等核心部件。打孔输送带覆盖在真空滚筒上，将负压风扇产生的负压通过孔洞传出。自适应料仓通过红外检测自适应调整高度，将烟叶送到真空吸附有效区域内，被吸附到输送带上移动，传递到后续分级环节。装置通过真空吸附传送带与自适应料仓的配合，将单片烟叶从料仓中逐一分离出来。自适应料仓设计为多料仓环形排布，以弹夹方式进入以进一步提高效率。本发明解决了分级设备上料采用人工上料效率低、劳动强度大的问题，能够突破人工上料成为制约烟叶分级效率进一步提升的瓶颈。
-
公开(公告)号：CN115952462A
公开(公告)日：2023-04-11
申请号：CN202211259055.5
申请日：2022-10-14
申请人： 昆明理工大学
IPC分类号： G06F18/2433 , G06F18/241 , G06N3/0442 , G06N3/08
摘要： 一种代价优化的类不平衡二元自相关过程异常识别算法，包括以下步骤：步骤1：利用Mont‑Carlo仿真生成二元自相关过程类别不平衡的四种模式数据集D；步骤2：按照一定比例将数据集D划分为训练集S、验证集G和测试集T；步骤3：基于训练集S和验证集G，利用PSO计算最优相对代价参数，并训练出多个两分类CSLSTM作为基分类器；步骤4：将训练好的两分类CSLSTM通过OVR策略构建成多分类模型，基于测试集T进行性能测试。一系列比较实验证明了PSO‑CSLSTM模型的有效性。该模型用于数据类别不平衡条件下的二元自相关过程异常识别，通过优化代价和CSLSTM的应用，提高对二元自相关过程异常识别的总体性能，属于机器学习在制造过程多元质量控制领域的应用，具有较好的应用前景。
-
公开(公告)号：CN115592824A
公开(公告)日：2023-01-13
申请号：CN202211159477.5
申请日：2022-09-22
申请人： 昆明理工大学(CN)
摘要： 本发明公开了一种硫系玻璃IRG206的超精密车削加工方法，涉及超精密车削技术领域，包括以下步骤：S01：首先选取待加工材料进行水洗；S02：将水洗后的材料进行粗车削，得到毛坯件A；S03：车削液进行冷却；S04：对毛坯件A进行精车削，获得第一光学表面；S05：通过固定第一光学表面，对其余光学表面继续进行精车削，可得精度车削件A；S06：对精度车削件A进行润滑冷却，本发明有效的保证了光学表面在夹持固定的过程中不被损坏，降低材料的二次伤害，提高精密车削的工作效率，保证了硫系玻璃IRG206在车削过程中的材料稳定性，提高车削后的精密度和通透性。
-
公开(公告)号：CN115511702A
公开(公告)日：2022-12-23
申请号：CN202211258379.7
申请日：2022-10-14
申请人： 昆明理工大学
IPC分类号： G06T3/00 , G06V10/764 , G06V10/82 , G06N3/04 , G06N3/08
摘要： 本申请提供了一种基于DCGAN和分形理论的双子叶植物叶脉建模方法，首先，根据真实植物叶片照片将叶片叶脉进行多级划分，分析植物叶脉状态特征并确定分形规则，根据形状得到叶脉的分形维数；其次，对真实双子叶植物叶片使用阈值分割方法提取主叶脉与一级支脉的叶脉形状曲线；之后，使用DCGAN对主叶脉和一级支脉的叶脉形状曲线进行学习，得到该类植物的相邻等级叶脉生成规则；对难以提取的高等级叶脉，利用分形系统推演法则融合低等级叶脉生成规则产生；最后结合叶脉分形规则，生成精细叶脉形状。本发明的方法适合于双子叶植物叶脉的快速精细生成，能够更科学、快速的生成双子叶植物叶脉形状。
-
公开(公告)号：CN114077864A
公开(公告)日：2022-02-22
申请号：CN202111174986.0
申请日：2021-10-09
申请人： 昆明理工大学
摘要： 本发明公开了一种不平衡数据的二阶段重采样方法具体步骤为：首先采用SMOTEENN方法增加少数类样本数量使数据集趋于平衡。然后引入SMOTEENN采样后的正类样本及标签作为生成网络的输入,使得CGAN在训练过程中可以充分学习到正类样本的分布特征。随后基于CGAN中的生成网络对少数类样本进行扩增合成新的平衡数据集。将提出的方法应用于多个共享的标准不平衡数据集分类实验，实验结果表明，与其他经典不平衡数据集处理方法相比，本发明所生成的样本分布更加合理，在分类器上表现性能更具优势。
-
公开(公告)号：CN115062723A
公开(公告)日：2022-09-16
申请号：CN202210802562.2
申请日：2022-07-09
申请人： 昆明理工大学
IPC分类号： G06K9/62 , G06N3/04 , G06N3/08 , G06F30/27 , G06F111/08
摘要： 本发明公开了一种检测二元自相关过程异常的代价敏感层次分类模型，异常模式识别模型包含2层共4个多分类器，均以多个代价敏感模型通过“一对其余”方式组合而成，具体步骤为：首先通过蒙特卡洛仿真方法生成类别不平衡的二元自相关过程模式数据为后续对比实验做铺垫。然后第一层多分类器先分出正常模式和3种异常模式，实现异常识别，后者再经第二层对应的3个多分类器分别细分为多种异常幅度组合，实现对异常幅值的估计。将所提出的方法应用到类不平衡二元自相关过程异常模式检测实验，实验结果表明，所提代价敏感多层多分类模型能够在类别不平衡条件下有效进行二元自相关过程异常模式的识别和异常幅值的估计。
-
-
-
-
-
搜索结果
6 条记录 (耗时 0.023 秒)
