-
公开(公告)号：CN113721764B
公开(公告)日：2024-07-16
申请号：CN202110985483.5
申请日：2021-08-26
Applicant: 东北大学秦皇岛分校
IPC: G06F3/01
Abstract: 本发明设计了一种基于IMU的人机交互系统及控制和评价方法。其中，所述一种基于IM U的人机交互系统包括：传感器模块、供电模块、无线传输模块、微控处理器；通过IMU捕捉得到用户手部倾角变化控制光标移动，捕捉得到用户手部向左右两侧的快速翻转动作控制光标单击；通过多级决策的动作识别算法实现所述一种基于IMU的人机交互系统的控制；目标选择准确率，目标选择时间，路径效率这三个指标用于人机交互系统的评价；使用者不需要二维桌面的支撑，只需在手部上佩戴一枚指环式人机交互系统，就可以实现多场景下的交互功能。
-
公开(公告)号：CN118277857A
公开(公告)日：2024-07-02
申请号：CN202410373644.9
申请日：2024-03-29
Applicant: 东北大学秦皇岛分校
IPC: G06F18/241 , G06F18/2131 , G06V10/44 , G06V10/52 , G06V10/80 , G06V10/82 , G06N3/0464
Abstract: 本发明公开了一种基于序列数据图像化与特征增强网络的故障诊断方法，涉及故障诊断技术领域，解决的技术问题在于利用机械设备的振动信号数据，实现对设备的故障诊断。本发明的框架集成了序列数据跨域融合图像化方法以及新型轻量级特征增强网络结构。其中，跨域融合图像化方法包括数据预处理、数据变换、点像素映射及跨域融合图像生成；轻量级特征增强网络结构包括特征提取模块、特征融合模块、特征增强模块和分类模块。序列数据经图像化后可提供更多故障信息，更突出固有特征，作为特征增强网络的输入数据，可实现对机械设备高精度、快速的故障诊断。本发明解决了原始振动数据中时间和频率特征表达不足以及现有网络模型特征提取能力不足的问题，为机械设备的故障诊断提供了新的视角和方向。
-
公开(公告)号：CN117860194A
公开(公告)日：2024-04-12
申请号：CN202311372535.7
申请日：2023-10-23
Applicant: 东北大学秦皇岛分校
Abstract: 本发明公开了一种基于惯性传感器的便携式脉诊仪，涉及传感器技术、蓝牙通信技术和数据可视化技术领域。该装置由三个惯性传感器、FPC柔性电路板和蓝牙芯片组成。三个惯性传感器用于采集脉搏信息，而FPC柔性电路板用于安装这些传感器，使其固定在中医诊脉的“寸、关、尺”位置上，并与电路模块连接。本发明采用的惯性传感器具有高灵敏度，可精确获取人体脉搏数据，适用于家庭和医院等多种场合，具备广泛的应用场景。
-
公开(公告)号：CN117635555A
公开(公告)日：2024-03-01
申请号：CN202311581674.0
申请日：2023-11-24
Applicant: 东北大学秦皇岛分校
IPC: G06T7/00 , G01N21/88 , G06T7/11 , G06T7/13 , G06T7/64 , G06T7/73 , G06V10/764 , G06V10/82 , G06N3/045
Abstract: 本发明提供一种基于深度学习小样本塑封食品包装缺陷检测方法，属于图像检测技术领域。该方法包括以下步骤：使用工业相机在食品生产线上采集图像数据；对采集到的数据集进行预处理、标注、组建数据集；对图像进行预处理后，根据食品包装数据的缺陷分布特点，用训练好的U‑Net网络结合图像处理技术将图像自适应划分两个区域；对划分的两个区域分别作为输入到改进的DRA深度学习缺陷检测网络中进行训练；将测试集的图片样本输入训练好的深度学习网络中进行检测。本发明解决了由于塑封食品中间有形状复杂的食品对深度学习网络产生严重干扰的问题，同时引入CBAM注意力机制更有效地捕获塑封边缘细小的缺陷，提高了检测精度。本发明基于人工智能的方法可以自动进行检测塑封食品包装缺陷，与人工检测相比效率和准确率都有显著提高，大幅节省了时间和人力成本。
-
公开(公告)号：CN117437524A
公开(公告)日：2024-01-23
申请号：CN202311104181.8
申请日：2023-08-30
Applicant: 东北大学秦皇岛分校
IPC: G06V10/86 , G06V10/44 , G06V10/30 , G06V10/774 , G06V10/82 , G06N3/0464
Abstract: 本发明涉及一种基于深度学习的仿真红外图像生成方法，属于图像融合领域。传统红外图像生成方法存在仿真效果逼真度较低、浪费大量人力、财力等问题。为解决这些问题，本发明提供了一种技术方案。该方案包括获取可见光图像与红外图像数据对，并进行预处理以构建生成仿真红外图像数据集。通过采用特定设计的生成对抗网络(GAN)学习可见光图像到红外图像的映射关系，并应用去除噪声技术提升红外图像质量。相对于传统方法，本发明创新性地实现了真实感较高的红外仿真图像生成，具备更高质量的细节保留和分辨率。这项技术具有广泛的应用前景，尤其在军事目标检测与跟踪等领域，可为军事侦查、目标识别和作战决策提供可靠的仿真工具。
-
Patent Agency Ranking
公开(公告)号：CN117357097A
公开(公告)日：2024-01-09
申请号：CN202311103599.7
申请日：2023-08-30
Applicant: 东北大学秦皇岛分校
Abstract: 本发明公开了一种基于MediaPipe人体姿态模型的帕金森诊断方法，涉及人体姿态评估技术领域，方法的实施包括：借助MediaPipe人体姿态评估模型对人体步行过程中的姿态进行感知，获取人体关键点的坐标；采用颜色映射的方法将三维关节坐标映射为彩色图像；将ResNet50与随机森林相结合采用投票机制判断病人是否患有帕金森。本发明解决了传感器佩戴不便，数据处理流程繁琐的问题，达到了设备简单，数据实时传输，远程监测可靠，以及诊断精度高的效果，具有对帕金森早期发现，医生实现线上诊断的应用前景。
-
公开(公告)号：CN114396898A
公开(公告)日：2022-04-26
申请号：CN202210065674.4
申请日：2022-01-20
Applicant: 东北大学秦皇岛分校
IPC: G01B11/30
Abstract: 一种多点并行可调节的非接触式平面度测量系统及方法，涉及传感器测量技术领域，一方面提出了一种多点并行可调节的非接触式平面度测量系统，具有可调节、非接触式的特点，适用于不同尺寸星载电子设备，包括机架组件模块、点激光位移传感器、数据采集卡、传感器托盘模块、电源模块、光电开关模块和计算机控制系统；同时提出了一种多点并行可调节的非接触式平面度测量系统及方法，用于实现所述多点并行可调节的非接触式平面度测量系统；通过对生产流水线上的不同尺寸的设备安装面进行实时测量，节约生产时间和资源成本，提高生产流程中测量设备平面度的效率。
-
公开(公告)号：CN113425291A
公开(公告)日：2021-09-24
申请号：CN202110704462.1
申请日：2021-06-24
Applicant: 东北大学秦皇岛分校
IPC: A61B5/11 , H04W4/38 , H04W4/80 , H04M1/72412
Abstract: 本发明提供了一种基于MEMS传感器的指环式采集系统，包括微处理器、运动传感器、电源管理模块、LED、射频天线、锂电池、戒指托、电路板、显示终端，所述戒指托包括戒指托槽和戒指环，其中运动传感器、LED、射频天线均与微处理器电连接，锂电池与电源管理模块电连接，电源管理模块分别与微处理器、运动传感器、LED电连接，微处理器与显示终端无线连接，其中运动传感器、LED、射频天线、电源管理模块、微处理器均集成在同一电路板上，锂电池安装在戒指托槽内，电路板安装在锂电池上面，戒指托通过戒指环佩戴在手指上；所述系统具有体积小、功耗低、便携性好的优点，对人体动作识别、运动训练和健康管理的研究和发展具有重要意义。
-
公开(公告)号：CN119673480A
公开(公告)日：2025-03-21
申请号：CN202510200974.2
申请日：2025-02-24
Applicant: 东北大学秦皇岛分校
IPC: G16H50/70 , G16H10/60 , G16H50/20 , G16H50/30 , G06F18/213 , G06F18/21 , G06F18/24 , A61B5/11 , A61B5/00
Abstract: 本发明涉及智能检测技术领域，具体为一种基于数据识别的帕金森智能检测方法及系统，包括以下步骤，通过智能手表、腕带和移动步态检测仪采集用户生理和运动数据，记录步态速度、步幅长度和手部震颤频率，分析手部运动的平滑性，记录每个数据点的时间戳，将数据按照时间顺序组织，得到时间序列数据集。本发明中，通过智能设备收集的生理和运动数据经过时间序列化处理，细致追踪帕金森病症的每一微小变化，利用神经网络对时间片段数据进行分析，有效区分正常与异常模式，并精确提取关键行为特征，不仅增强了对帕金森病早期判断的能力，还通过持续监控帮助医生及时调整治疗方案，显著改善了患者的生活质量并提供了连续的医疗决策支持。
-
公开(公告)号：CN119007136A
公开(公告)日：2024-11-22
申请号：CN202411117081.3
申请日：2024-08-15
Applicant: 东北大学秦皇岛分校
IPC: G06V20/54 , G06V10/20 , G06V10/36 , G06V10/82 , G06T5/75 , G06T5/20 , G06N3/0464 , G06N3/0495 , G06N3/08
Abstract: 本发明公开了一种基于轻量YOLOv8的红外舰船识别方法，所述方法包括获取海上红外舰船数据集并进行预处理，将处理后的数据集按8:1:1的比例划分预处理图像集，得到训练集、验证集和测试集；通过改进YOLOv8构建目标检测模型；通过训练好的目标检测模型对待测图像进行舰船检测并识别类型。本发明通过提供轻量化设计的YOLOv8，通过使用轻量化的网络作为特征提取网络，减少了模型参数量，同时引入注意力机制提高多尺度下的泛化能力，提升检测速度的同时保持较高的识别准确性，能够实现海上红外舰船的实时识别。
-
-
-
-
-
-
-
-
-
Search Results
50
records
(took 0.043 seconds)
