-
公开(公告)号:CN111896916A
公开(公告)日:2020-11-06
申请号:CN202010721917.6
申请日:2020-07-24
IPC: G01S5/18
Abstract: 本发明公开了一种采煤机与液压支架相对位置测量系统及方法,包括同处于综采工作面环网中的主动式声发射装置、机载控制器、安装在液压支架上的声音传感器阵列、计算处理装置。其中声发射装置主动发出固定波形与频段的声音信号;机载控制器隔一段时间给声发射装置一个指令,控制其发出指定声音。声音传感器阵列包括3个空间分布的声音传感器;每个液压支架上安装有一套声音传感器阵列和计算处理装置。通过盲源分离算法分离出声发射装置发出的信号,根据每个传感器接收到的信号的时间差计算出声发射装置的位置,从而获取采煤机空间位置与液压支架相对位置。本发明定位精度高,结构简单,功耗低,成本低,易于安装布置与维护。
-
公开(公告)号:CN111812589A
公开(公告)日:2020-10-23
申请号:CN202010721900.0
申请日:2020-07-24
IPC: G01S5/22
Abstract: 本发明公开了一种基于声阵列的采煤机精确定位系统及其方法,包括处于综采工作面环网中的采煤机机载控制器、主动式声发射装置、安装在综采工作面进风侧端头的声音传感器阵列、计算处理装置。其声发射装置主动发出声固定波形与频段的声音信号,其频率尽量避免工作面其他设备发出声音的主要区间。机载控制器隔一段时间给声发射装置一个指令。声音传感器阵列包括3个空间分布的声音传感器,通过盲源分离算法分离出声发射装置发出的信号,根据每个传感器接收到的信号的时间差计算出声发射装置的位置,从而获取采煤机空间位置,实现其精确定位。本发明结构简单,体积小,功耗低,成本低,易于安装布置与维护。
-
公开(公告)号:CN115984556A
公开(公告)日:2023-04-18
申请号:CN202211605373.2
申请日:2022-12-14
Applicant: 江苏科技大学
IPC: G06V10/26 , G06V20/70 , G06T7/11 , G06V10/774 , G06V10/82
Abstract: 本发明公开了一种基于多尺度语义特征网络的肝脏分割方法,步骤如下:选用现有腹部CT公开数据集图像,并对数据集中的图像进行预处理;根据多尺度语义特征网络结构搭建网络模型;将预处理后的图像分批次送入搭建好的多尺度语义特征网络模型,训练模型;对待分割的腹部CT图像进行预处理;将预处理后的待分割腹部CT图像输入到训练完成的多尺度语义特征网络模型中,模型输出肝脏区域的分割图像。本发明采用了PLSANet提取多尺度的语义特征,解决了网络模型规模较大的问题,提高了模型的运行效率;本发明融合了多尺度的语义特征信息,有利于减少在卷积计算过程中产生的信息丢失,使网络对小目标区域更加敏感,提高了肝脏区域的分割精度。
-
公开(公告)号:CN114049939B
公开(公告)日:2025-04-04
申请号:CN202111415446.7
申请日:2021-11-25
Applicant: 江苏科技大学
Abstract: 本发明公开了一种基于UNet‑GAN网络的肺炎CT图像生成方法。属于计算机视觉技术领域,本发明中生成式对抗网络包括生成器和判别器两个主体;首先使用现有新型冠状病毒感染公开数据集图像,并对数据集进行预处理操作;其次建立U‑Net和DCGAN联合的卷积神经网络,改进后的U‑Net嵌入DCGAN的生成器部分,实现真实图像分析再生成的过程,DCGAN中的判别结构实现网络判别真实图像与生成图像的过程;然后将训练数据输入搭建的生成对抗网络,使模型能够产生与真实图片相似的高质量图像;最后将真实图像输入训练好的网络,得到所需的肺炎CT图像。本发明新生成的图像能够更清晰的保留样本图像中小目标的特征信息,提升图像生成质量和网络收敛速度,为广大网络模型训练提供数据。
-
公开(公告)号:CN114049939A
公开(公告)日:2022-02-15
申请号:CN202111415446.7
申请日:2021-11-25
Applicant: 江苏科技大学
Abstract: 本发明公开了一种基于UNet‑GAN网络的肺炎CT图像生成方法。属于计算机视觉技术领域,本发明中生成式对抗网络包括生成器和判别器两个主体;首先使用现有新冠肺炎公开数据集图像,并对数据集进行预处理操作;其次建立U‑Net和DCGAN联合的卷积神经网络,改进后的U‑Net嵌入DCGAN的生成器部分,实现真实图像分析再生成的过程,DCGAN中的判别结构实现网络判别真实图像与生成图像的过程;然后将训练数据输入搭建的生成对抗网络,使模型能够产生与真实图片相似的高质量图像;最后将真实图像输入训练好的网络,得到所需的肺炎CT图像。本发明新生成的图像能够更清晰的保留样本图像中小目标的特征信息,提升图像生成质量和网络收敛速度,为广大网络模型训练提供数据。
-
公开(公告)号:CN114049560A
公开(公告)日:2022-02-15
申请号:CN202111410199.1
申请日:2021-11-25
Applicant: 江苏科技大学
IPC: G06V20/10 , G06V10/764 , G06V20/40 , G06V10/80 , G06V10/82 , G06V10/774 , G06K9/62 , G06N3/04 , G06N3/08 , G06Q50/08 , G06Q10/00
Abstract: 本发明公开了一种基于多神经网络结合的路面多特征病害检测方法,包括:通过训练生成对抗网络生成路面病害图片,扩大数据集来训练路面病害检测模型;使用训完最优的路面病害检测模型载入系统板中进行路面病害检测;将路面检测信息通过MQTT发送到监测信息平台;最后用户通过平台查阅相关路面信息。本发明不需要浪费大量时间与人力去采集标注数据集,能够快速检测路面的多特征病害,建立了监测平台,让用户能够随时随地去查看路面信息。
-
-
-
-
-