-
公开(公告)号：CN114959797A
公开(公告)日：2022-08-30
申请号：CN202210786549.2
申请日：2022-07-04
Applicant: 广东技术师范大学
IPC: C25C3/06
Abstract: 本发明公开了一种基于数据扩增和SSKELM的铝电解槽况诊断方法，包括如下步骤：S1：收集铝电解生产过程的火眼图像，对收集到的火眼图像进行预处理，主要包括分割和裁剪；S2：将预处理后的火眼图像进行数据扩增，采用传统的图像变换的方法来进行的；S3：提取分割后的火眼图像的颜色特征及纹理特征，对提取后的特征矩阵进行归一化处理；S4：在半监督极限学习机的基础上引入核函数，提出半监督核极限学习机；S5：将半监督核极限学习机作为分类器，根据火眼图像判断当前铝电解槽况。本发明可以从火眼的变化来判断槽况的趋势，可以做到事先预防，调整起来也比较容易达到效果，损失也会降低。
-
公开(公告)号：CN113347563B
公开(公告)日：2021-12-07
申请号：CN202110605466.4
申请日：2021-05-31
Applicant: 广东技术师范大学
Abstract: 本发明涉及室内位置定位领域，特别是一种基于移动群智感知任务模型的指纹库构建方法及设备。本发明通过移动群智感知任务模型来制定任务进行RSSI指纹采集，并根据所述RSSI指纹建立指纹库。即通过对所述对象的定义，明确了感知任务需要采集的目标，无需其位置信息；同时在无法获得感知用户位置信息的情况下根据运动状态制定规则在静止状态采样获取RSSI指纹，相对于在运动状态时记录的RSSI瞬时值，更能准确刻画描述RSSI指纹的位置特性，提升室内定位准确率，并保证了采集数据的完整性，避免了数据的遗漏或缺失；并以所述过程保证采集数据的质量，从而实现对数据质量的提升，进而极大的提升了指纹库的质量。
-
公开(公告)号：CN113280851A
公开(公告)日：2021-08-20
申请号：CN202110092287.5
申请日：2021-01-23
Applicant: 广东技术师范大学 , 广州凯能电器科技有限公司
Abstract: 本发明公开了一种污泥烘干机用多功能测试终端，包括控制模块、触控屏模块、显示屏模块、数据输入模块、数据输出模块、存储模块和电源模块，所述电源模块电性连接于控制模块，所述控制模块与存储模块双向连接，所述数据输入模块的输出端连接于控制模块的输入端，所述数据输出模块的输入端连接于控制模块的输出端，所述触摸屏模块的输出端连接于控制模块的输入端，所述显示屏模块的输入端连接于控制模块的输出端；本发明结合云平台，可实现对烘干机产品和系统的边端、边云和云边端协同测试及联调。代替传统需要真实设备测试的模式，大大提高研发和测试效率，设备结构紧凑、集成度高，具有低成本、灵活性高、易操作等特点。
-
公开(公告)号：CN111988131B
公开(公告)日：2021-05-04
申请号：CN202010900064.2
申请日：2020-08-31
Applicant: 广东技术师范大学
Abstract: 本发明公开了移动群智感知领域的一种面向移动群智感知的区块链构建方法，步骤包括：将感知周期划分为多个时隙；在每一个时隙期间内，计算汇聚节点中每个聚类结果被其他汇聚节点投票的次数；计算感知周期内聚类结果被其他汇聚节点投票的总次数，当总次数大于或等于投票阈值，则聚类结果为确定数据；否则，聚类结果为不确定数据；将确定数据封装在区块的“确定”区域；将不确定数据封装在区块的“待确定”区域；其他汇聚节点接受“确定”区域所在的区块，“确定”区域所在的区块加入区块链末尾。本发明方法中在时隙期间所有感知数据不再进行全网广播，而是向汇聚节点传输，提升了数据的安全性，降低了移动感知节点的通信能耗。
-
公开(公告)号：CN112215082A
公开(公告)日：2021-01-12
申请号：CN202010978200.X
申请日：2020-09-17
Applicant: 广东技术师范大学
Abstract: 本发明公开了一种植物叶片图像识别方法，包括：获取若干种植物的叶片图像数据集；其中，每一种植物的叶片图像数据集含有60‑80张叶片图像；将所述若干种植物的叶片图像数据集包含的叶片图像数据均进行归一化预处理；将所述归一化预处理后的叶片图像数据进行深度矩阵分解，以保留叶片图像数据的目标特征信息；将深度矩阵分解之后的叶片图像数据输入卷积神经网络中进行学习训练，得到深度学习模型；将待识别植物的叶片图像输入所述深度学习模型中，识别出待识别植物的种类。通过本发明，能够在植物叶片识别中有效降低数据复杂度并保留特征信息，高效地实现植物叶片图像识别。
-
Patent Agency Ranking
公开(公告)号：CN111988131A
公开(公告)日：2020-11-24
申请号：CN202010900064.2
申请日：2020-08-31
Applicant: 广东技术师范大学
Abstract: 本发明公开了移动群智感知领域的一种面向移动群智感知的区块链构建方法，步骤包括：将感知周期划分为多个时隙；在每一个时隙期间内，计算汇聚节点中每个聚类结果被其他汇聚节点投票的次数；计算感知周期内聚类结果被其他汇聚节点投票的总次数，当总次数大于或等于投票阈值，则聚类结果为确定数据；否则，聚类结果为不确定数据；将确定数据封装在区块的“确定”区域；将不确定数据封装在区块的“待确定”区域；其他汇聚节点接受“确定”区域所在的区块，“确定”区域所在的区块加入区块链末尾。本发明方法中在时隙期间所有感知数据不再进行全网广播，而是向汇聚节点传输，提升了数据的安全性，降低了移动感知节点的通信能耗。
-
公开(公告)号：CN108154621B
公开(公告)日：2020-10-30
申请号：CN201810023953.8
申请日：2018-01-10
Abstract: 本发明公开了一种图书分类方法及设备，其中，该方法包括：通过RFID读写器识别附着于图书的RFID标签，得到RFID标签中保存的标签数据；将标签数据上传至控制终端，以使控制终端在控制终端存储的数据库中查找与标签数据相对应的图书信息；其中，图书信息包括图书的类别以及图书归属的目标书柜的编号；接收控制终端发送的图书信息；根据目标书柜的编号，制定图书的归还路线；根据图书的归还路线，移动至目标书柜处，并将图书放置在目标书柜中。通过本发明，能够快速的识别出图书的分类信息，并根据图书的分类信息，将图书运送到该图书归属的书柜中，提高了还书之后分类整理图书的效率。
-
公开(公告)号：CN118427672B
公开(公告)日：2024-11-08
申请号：CN202410892158.8
申请日：2024-07-04
Applicant: 广东技术师范大学
IPC: G06F18/24 , G06F18/214 , G06F18/21
Abstract: 本发明涉及故障诊断领域，特别是一种基于多标签学习的广义零样本轴承复合故障诊断方法，该方法的特点在于解决现如今复合故障数据难获得的问题。该方法不仅考虑了在现实工业场景中，由于轴承的工作环境和自身磨损，导致轴承单故障和复合故障发生的不可预知性，还缓解人工智能算法对复合故障样本的需求，仅利用单故障样本训练模型，降低复合故障样本采集的难度，解决因难以收集复合故障样本，所导致无法利用充足样本让模型学习复合故障样本特征的问题，此方法可以与现有工业系统进行嵌入融合，增强系统的智能性，有效减少故障诊断成本，大大提高故障诊断效率。
-
公开(公告)号：CN115184358B
公开(公告)日：2024-08-06
申请号：CN202111273327.2
申请日：2021-10-29
Applicant: 广东技术师范大学
Abstract: 本发明公开了一种柔性集成电路封装过程的油墨异物缺陷检测方法，包括：显微成像采集系统，包括摄像机及通过摄像机采集柔性集成电路封装过程中各部分的高分辨率数字图像；图像预处理系统，用于将拍摄完成后的所有图像进行预处理以方便后续图像的缺陷检测操作；油墨异物缺陷检测系统，用于对预处理后的柔性集成电路封装过程中采集的缺陷图像进行图像分块、特征提取及低秩矩阵分解后判断油墨异物区域。本发明使用低秩稀疏矩阵表示集成电路封装过程中采集的图像，去除了高分辨率彩色图像的冗余信息，加快了油墨异物缺陷检测的速度，使用分块计算距离迅速地确定了油墨异物区域，提高了柔性集成电路封装过程中的可靠性。
-
公开(公告)号：CN116484248A
公开(公告)日：2023-07-25
申请号：CN202211659630.0
申请日：2022-12-22
Applicant: 广东技术师范大学
IPC: G06F18/24 , G06F18/213 , G06F18/10 , G01M13/045 , G06N3/04
Abstract: 本发明公开了一种基于简洁时频分布和宽度学习的石化机组故障诊断方法，包括如下步骤：S1、石化机组轴承故障信号采集，每连续的1024个故障作为一个原始振动信号的样本数据；S2、信号预处理：将振动信号使用时频变换算法转换到时频域得到该数据的时频分布，然后通过池化运算得到该数据样本的简洁时频分布；S3、宽度学习识别：将经过预处理的到的简洁时频分布输入宽度学习中，提取宽度特征并进行故障分类。本发明能够以较小的信号尺寸表达较为全面的信号的时频特征，实用性强，具有信号特征多、尺寸小和性能卓越的特点。本发明能够及时发明石化机组中的轴承故障，进而保障石化机组能够正常与高效的运行。
-
-
-
-
-
-
-
-
-
Search Results
67
records
(took 0.026 seconds)
