-
公开(公告)号：CN110210452A
公开(公告)日：2019-09-06
申请号：CN201910513549.3
申请日：2019-06-14
Applicant: 东北大学
Abstract: 本发明涉及一种基于改进tiny-yolov3的矿用卡车环境下目标检测方法，包括如下步骤：S1、获取目标物图像数据；S2、对获取到的目标物图像数据进行预处理；S3、将经过预处理的目标物图像数据输入tiny-yolov3模型中，经过所述tiny-yolov3模型的处理获得目标物在图像中的像素位置坐标；其中，所述tiny-yolov3模型为经过结合残差网络结构改进后的模型，所述目标物图像数据为在俯视条件下获取的目标物图像数据。本发明提供的检测方法能够在不降低运行速度的前提下，大幅度提高目标的检测精度。
-
公开(公告)号：CN109242194A
公开(公告)日：2019-01-18
申请号：CN201811114507.4
申请日：2018-09-25
Applicant: 东北大学
Abstract: 本发明提供了一种基于混合模型的浓密机底流浓度预测方法,针对湿法冶金浓密洗涤过程底流浓度难以在线测量的问题，在深入分析浓密洗涤过程特点的基础上，利用机理建模与基于整体分布优化算法改进的三层ELM误差补偿模型相结合的混合建模方法实现浓密洗涤过程底流浓度的精准测量。
-
公开(公告)号：CN109242194B
公开(公告)日：2022-01-14
申请号：CN201811114507.4
申请日：2018-09-25
Applicant: 东北大学
Abstract: 本发明提供了一种基于混合模型的浓密机底流浓度预测方法,针对湿法冶金浓密洗涤过程底流浓度难以在线测量的问题，在深入分析浓密洗涤过程特点的基础上，利用机理建模与基于整体分布优化算法改进的三层ELM误差补偿模型相结合的混合建模方法实现浓密洗涤过程底流浓度的精准测量。
-
公开(公告)号：CN108983127A
公开(公告)日：2018-12-11
申请号：CN201810531465.8
申请日：2018-05-29
Applicant: 东北大学
Abstract: 本发明涉及一种基于光谱数据检测赤铁矿磁性率的方法，包括以下步骤：获取待检测的赤铁矿样品的光谱数据，其中，每个赤铁矿样品的光谱数据中包含m个光谱特征；将获取的光谱数据输入赤铁矿磁性率检测模型；赤铁矿磁性检测模型根据输入的光谱数据输出赤铁矿样品的磁性率。采用多组包括磁性率和与所述磁性率相对应的光谱数据的赤铁矿综合数据，利用主成分分析算法对所述光谱数据处理后，建立基于改进粒子群算法优化的极限学习机神经网络的赤铁矿磁性率检测模型。本发明提供的基于赤铁矿光谱数据检测赤铁矿磁性率的方法，效率高、成本低、且精度高。
-
公开(公告)号：CN108805346A
公开(公告)日：2018-11-13
申请号：CN201810565546.X
申请日：2018-06-04
Applicant: 东北大学
CPC classification number: G06Q10/04 , B21B38/08 , G06N3/006 , G06N3/0454 , G06Q50/04
Abstract: 本发明涉及一种基于多隐层极限学习机神经网络的热连轧轧制力预报的方法，包括以下步骤：获取影响热连轧轧制力数值的影响因素数据；将获取的影响因素数据输入多隐层极限学习机预测模型；所述多隐层极限学习机预测模型根据输入的影响因素数据输出热连轧轧制力的预测数值。采用多组现有的热连轧轧制力综合数据、遗传算法和粒子群优化算法，建立基于多隐层极限学习机神经网络的多隐层极限学习机预测模型。本发明提供的一种多隐层极限学习机热连轧轧制力的预报方法预测精度高，模型易维护，同时避免了依据设计者个人经验设定神经网络的隐含层数和隐含层结点数的弊端，精度较高。
-
Patent Agency Ranking
公开(公告)号：CN108536979B
公开(公告)日：2021-08-03
申请号：CN201810347673.2
申请日：2018-04-18
Applicant: 东北大学
IPC: G06F30/20
Abstract: 本发明提供一种基于浓密机机理模型的底流浓度预测方法，包括：采集浓密机现场数据；将流体压力转换为流速；利用经参数辨识的分层带参数的浓密机机理模型，进行底流浓度预测。所述浓密机现场数据，包括：顶层体积流量、进料流量、流体压力及底流体积密度。所述将流体压力转换为流速后，采用3σ原则对异常值进行处理。所述分层带参数的浓密机机理模型的建立如下：采集浓密机现场数据的历史数据；建立浓密机机理模型；将流体压力转换为流速及数据预处理；构建分层带参数的浓密机机理模型。本发明减小了纯机理模型带来的预测误差，提高了机理模型的预测精度。
-
公开(公告)号：CN108983127B
公开(公告)日：2019-10-29
申请号：CN201810531465.8
申请日：2018-05-29
Applicant: 东北大学
Abstract: 本发明涉及一种基于光谱数据检测赤铁矿磁性率的方法，包括以下步骤：获取待检测的赤铁矿样品的光谱数据，其中，每个赤铁矿样品的光谱数据中包含m个光谱特征；将获取的光谱数据输入赤铁矿磁性率检测模型；赤铁矿磁性检测模型根据输入的光谱数据输出赤铁矿样品的磁性率。采用多组包括磁性率和与所述磁性率相对应的光谱数据的赤铁矿综合数据，利用主成分分析算法对所述光谱数据处理后，建立基于改进粒子群算法优化的极限学习机神经网络的赤铁矿磁性率检测模型。本发明提供的基于赤铁矿光谱数据检测赤铁矿磁性率的方法，效率高、成本低、且精度高。
-
公开(公告)号：CN108764115A
公开(公告)日：2018-11-06
申请号：CN201810507764.8
申请日：2018-05-24
Applicant: 东北大学
CPC classification number: G06K9/00805 , G06K9/00362 , G06K9/00825 , G06K9/6256
Abstract: 本发明属于卡车安全预警领域，具体涉及一种卡车危险提醒方法。方法包括：针对位于矿山区域中的卡车，卡车上的每一图像采集装置采集相应区域的图像信息；卡车上与所有图像采集装置连接的图像处理中心对图像信息进行实时处理，确定当前卡车的预设范围内是否存在待识别目标；若预设范围内存在待识别目标，则向当前卡车的驾驶人员发出危险信号。本发明的卡车危险提醒方法不采用网络通信，所有图像信息都实时处理，预警速度快。本发明的卡车危险提醒方法采用轻量级SSD模型对图像信息进行实时处理，该模型对矿区卡车需要特别识别的人和车辆目标识别速度快、识别效率高。
-
公开(公告)号：CN108764115B
公开(公告)日：2021-12-14
申请号：CN201810507764.8
申请日：2018-05-24
Applicant: 东北大学
Abstract: 本发明属于卡车安全预警领域，具体涉及一种卡车危险提醒方法。方法包括：针对位于矿山区域中的卡车，卡车上的每一图像采集装置采集相应区域的图像信息；卡车上与所有图像采集装置连接的图像处理中心对图像信息进行实时处理，确定当前卡车的预设范围内是否存在待识别目标；若预设范围内存在待识别目标，则向当前卡车的驾驶人员发出危险信号。本发明的卡车危险提醒方法不采用网络通信，所有图像信息都实时处理，预警速度快。本发明的卡车危险提醒方法采用轻量级SSD模型对图像信息进行实时处理，该模型对矿区卡车需要特别识别的人和车辆目标识别速度快、识别效率高。
-
公开(公告)号：CN109506628A
公开(公告)日：2019-03-22
申请号：CN201811447469.4
申请日：2018-11-29
Applicant: 东北大学
Abstract: 本发明涉及一种基于深度学习的卡车环境下目标物测距方法，包括如下步骤：S1、获取目标物图像数据；S2、对获取到的目标物图像数据进行预处理；S3、将经过预处理的目标物图像数据输入SSD模型中，经过所述SSD模型的处理获得目标物在图像中的像素位置坐标；S4、根据已识别目标物在图像中的像素位置坐标，通过图像测距的方法对目标物距离图像采集装置的距离进行计算，获得目标物距离图像采集装置的距离；其中，所述SSD模型为经过压缩改进后的模型，所述目标物图像数据为在俯视条件下获取的目标物图像数据。本发明提供的测距方法对矿区卡车需要识别的目标物具有识别速度快、识别效率高，使用单目测距方法测距速度快等优点。
-
-
-
-
-
-
-
-
-
Search Results
12
records
(took 0.034 seconds)
