-
公开(公告)号:CN111598894B
公开(公告)日:2021-02-09
申请号:CN202010309418.6
申请日:2020-04-17
Applicant: 哈尔滨工业大学
Abstract: 基于全局信息卷积神经网络的视网膜血管图像分割系统。本发明涉及视网膜血管图像分割系统,本发明为了解决现有卷积神经网络视网膜血管图像分割中全局信息利用有限、重要特征易丢失的问题。本发明所述系统包括:图像处理主模块、神经网络主模块、训练主模块和检测主模块;所述图像处理主模块用于采集原始视网膜图像,对采集的原始视网膜图像进行预处理,将处理后的图像输入训练主模块和检测主模块;所述神经网络主模块用于建立能够提取全局信息并强化特征的卷积神经网络;所述训练主模块用于初始化网络参数,获得训练好的卷积神经网络模型;所述检测主模块用于利用训练好的模型进行测试,计算模型性能指标。本发明属于视网膜血管图像分割系统领域。
-
公开(公告)号:CN117970001A
公开(公告)日:2024-05-03
申请号:CN202410155514.8
申请日:2024-02-04
Applicant: 哈尔滨工业大学
Abstract: 本发明公开一种SDBD离子风发动机能量损耗的分析方法及系统,涉及离子风发动机领域,该分析方法通过将SDBD离子风发动机中的能量损耗等效为电路能量损耗,构建固体电介质等效电路和双层复合介质等效电路,并分别计算固体电介质以及放电等离子体区在交变电场下的等效电路参数,分析各等效电气元器件参数随电压的变化规律,量化离子风发动机的各部分损耗,对研究等离子体宏观放电及发动机的电气损耗特性具有重要的意义。
-
公开(公告)号:CN107263262B
公开(公告)日:2023-05-26
申请号:CN201710572082.0
申请日:2017-07-13
Applicant: 哈尔滨工业大学深圳研究生院
IPC: B24B21/18
Abstract: 本发明公开了一种六自由度砂带磨削单元姿态补偿装置,气弹簧外壳和气弹簧活塞杆组成弹性支撑杆,并通过第二球关节轴承和第一球关节轴承分别与位姿补偿板和基座板分别铰接;在气弹簧外壳与第一球关节轴承之间连接有第一长度调节杆、第二长度调节杆和第三长度调节杆;所述位姿补偿板为矩形,两个弹性支撑杆布置在位姿补偿板的一侧,另一个弹性支撑杆布置位姿补偿板的另一侧;顶出气缸固定在位姿补偿板上,顶出气缸的活塞杆与打磨板固连,打磨板四角处固定有导向轴,分别插入固定在位姿补偿板的导向轴套中。本发明节省与机器人配合打磨时的校正时间,降低对机器人和磨削单元的定位等级,同时增加了打磨系统的适应性,提高砂带的磨削质量。
-
公开(公告)号:CN115047350B
公开(公告)日:2023-04-18
申请号:CN202210729394.9
申请日:2022-06-24
Applicant: 哈尔滨工业大学
IPC: G01R31/367 , G01R31/378 , G01R31/392
Abstract: 一种基于数模联动的锂离子电池剩余使用寿命预测方法,本发明涉及锂离子电池剩余使用寿命预测方法。本发明的目的是为了解决基于模型和数据驱动的剩余使用寿命预测方法结合困难、传统数据驱动方法难以衡量剩余使用寿命的不确定性以及难以反映时间窗口数据中不同时刻的重要性程度的问题。过程为:步骤一、搭建基于时间注意力机制的双向门控循环单元网络模型;过程为:模型依次包含对时间的注意力机制网络、双向门控循环单元网络和全连接层三个部分;步骤二、训练基于时间注意力机制的双向门控循环单元网络模型;步骤三、构建基于粒子滤波的电池退化模型;步骤四、在线预测剩余使用寿命。本发明适用于电池使用寿命预测领域。
-
公开(公告)号:CN114779088A
公开(公告)日:2022-07-22
申请号:CN202210415333.5
申请日:2022-04-20
Applicant: 哈尔滨工业大学
IPC: G01R31/367 , G01R31/392
Abstract: 基于最大期望‑无迹粒子滤波的电池剩余使用寿命预测方法,本发明涉及电池剩余使用寿命预测方法。本发明的目的是为了解决现有电池容量突然的增加将对电池的剩余使用寿命预测产生很大的误差的问题。过程为:1、提取第k次工作过程中的电池容量数据;2、构建基于无迹粒子滤波的动态电池退化模型;3、采用基于最大期望算法自适应地估计电池退化模型中的过程噪声和测量噪声;过程噪声和测量噪声用于第k+1次工作过程中,构建基于无迹粒子滤波的动态电池退化模型;4、判断第k次工作过程是否发生容量再生现象;5、求解电池剩余使用寿命和电池容量的置信区间;本发明用于电池的剩余使用寿命预测领域。
-
公开(公告)号:CN114419000A
公开(公告)日:2022-04-29
申请号:CN202210066338.1
申请日:2022-01-20
Applicant: 哈尔滨工业大学
Abstract: 基于多尺度几何嵌入卷积神经网络的股骨头坏死指标预测系统,本发明涉及股骨头坏死指标预测系统。本发明为解决现有股骨头坏死指标预测准确率低的问题。过程为:图像处理主模块用于获得预处理后的图像;神经网络主模块用于搭建多尺度几何嵌入卷积神经网络模型;训练主模块利用预处理后的图像对搭建好的网络模型进行训练,并获得训练好的多尺度几何嵌入卷积神经网络模型;检测主模块用于加载训练好的网络模型,对待测试图像进行分割,分割出股骨头区域;指标模块用于对获取的分割出的股骨头区域进行分割,分割出坏死区域,统计坏死区域中的像素数量作为坏死面积,计算坏死面积与股骨头面积的比例。本发明用于图像处理和人工智能领域。
-
公开(公告)号:CN114418999A
公开(公告)日:2022-04-29
申请号:CN202210066319.9
申请日:2022-01-20
Applicant: 哈尔滨工业大学
Abstract: 基于病变关注金字塔卷积神经网络的视网膜病变检测系统,本发明涉及视网膜病变检测系统。本发明的目的是为了解决现有视网膜病变检测准确率低的问题。系统包括:图像处理主模块用于采集原始视网膜病变图像,对采集的原始视网膜病变图像进行预处理,获得预处理后的原始视网膜病变图像;神经网络主模块用于搭建病变关注金字塔卷积神经网络模型;训练主模块利用预处理后的原始视网膜病变图像对搭建好的病变关注金字塔卷积神经网络模型进行训练,获得训练好的病变关注金字塔卷积神经网络模型;检测主模块用于加载训练好的病变关注金字塔卷积神经网络模型,对待测试视网膜病变图像进行分类。本发明用于医学图像处理领域。
-
公开(公告)号:CN111488914B
公开(公告)日:2020-12-25
申请号:CN202010188695.6
申请日:2020-03-17
Applicant: 哈尔滨工业大学
Abstract: 一种基于多任务学习的阿尔茨海默症分类及预测系统,本发明涉及阿尔茨海默症分类及预测系统。本发明的目的是为了解决现有阿尔茨海默症分类系统不能判断轻度认知障碍个体是否会向阿尔茨海默症转化的问题。图像处理主模块、临床指标处理主模块、神经网络主模块、训练主模块和检测主模块;所述图像处理主模块用于采集头部图像,对采集的头部图像进行预处理,获得预处理后的图像,并将预处理后图像输入训练主模块和检测主模块;所述临床指标处理主模块用于选定临床指标,获取临床指标的特征向量,并将临床指标的特征向量输入训练主模块和检测主模块;所述神经网络主模块用于搭建阿尔茨海默症分类及预测模型。本发明用于智能医疗检测技术领域。
-
公开(公告)号:CN111488914A
公开(公告)日:2020-08-04
申请号:CN202010188695.6
申请日:2020-03-17
Applicant: 哈尔滨工业大学
Abstract: 一种基于多任务学习的阿尔茨海默症分类及预测系统,本发明涉及阿尔茨海默症分类及预测系统。本发明的目的是为了解决现有阿尔茨海默症分类系统不能判断轻度认知障碍个体是否会向阿尔茨海默症转化的问题。图像处理主模块、临床指标处理主模块、神经网络主模块、训练主模块和检测主模块;所述图像处理主模块用于采集头部图像,对采集的头部图像进行预处理,获得预处理后的图像,并将预处理后图像输入训练主模块和检测主模块;所述临床指标处理主模块用于选定临床指标,获取临床指标的特征向量,并将临床指标的特征向量输入训练主模块和检测主模块;所述神经网络主模块用于搭建阿尔茨海默症分类及预测模型。本发明用于智能医疗检测技术领域。
-
公开(公告)号:CN107263262A
公开(公告)日:2017-10-20
申请号:CN201710572082.0
申请日:2017-07-13
Applicant: 哈尔滨工业大学深圳研究生院
IPC: B24B21/18
CPC classification number: B24B21/18
Abstract: 本发明公开了一种六自由度砂带磨削单元姿态补偿装置,气弹簧外壳和气弹簧活塞杆组成弹性支撑杆,并通过第二球关节轴承和第一球关节轴承分别与位姿补偿板和基座板分别铰接;在气弹簧外壳与第一球关节轴承之间连接有第一长度调节杆、第二长度调节杆和第三长度调节杆;所述位姿补偿板为矩形,两个弹性支撑杆布置在位姿补偿板的一侧,另一个弹性支撑杆布置位姿补偿板的另一侧;顶出气缸固定在位姿补偿板上,顶出气缸的活塞杆与打磨板固连,打磨板四角处固定有导向轴,分别插入固定在位姿补偿板的导向轴套中。本发明节省与机器人配合打磨时的校正时间,降低对机器人和磨削单元的定位等级,同时增加了打磨系统的适应性,提高砂带的磨削质量。
-
-
-
-
-
-
-
-
-