-
公开(公告)号：CN104576296A
公开(公告)日：2015-04-29
申请号：CN201510025868.1
申请日：2015-01-19
Applicant: 哈尔滨理工大学 , 哈尔滨哈普电气技术有限责任公司
CPC classification number: H01J65/044 , H01J61/54
Abstract: 一种基于电子回旋共振原理的微波紫外灯，属于微波无电极光源技术领域。本发明是为了解决现有的微波紫外线灯灯管中间部位启动时间长和发光效率低的问题，通过将灯管放置在由反光罩和金属屏蔽网构成的微波谐振腔内，永磁体放置在反光罩的外表面上，且永磁体与灯管位于同一直线上，反光罩上开有馈入口，磁控管发出的微波经磁控管激励腔和馈入口进入反光罩内，此时永磁体在灯管周围产生恒定磁场，该恒定磁场与进入反光罩内的微波偶合，使灯管内中间部位产生电子共振加速，从而使灯管中间部位能够在较短时间内启动，解决了微波紫外灯的灯管中间部位启动时间长、发光效率低等问题。本发明用于紫外线杀菌、激发荧光和相关紫外固化等领域。
-
公开(公告)号：CN103268129B
公开(公告)日：2015-01-07
申请号：CN201310209497.3
申请日：2013-05-30
Applicant: 哈尔滨理工大学
IPC: G05D23/22
Abstract: 大功率无极灯紫外辐照腔体的温度控制报警系统及其温度控制报警方法，它涉及紫外交联技术领域。它为了解决现有的紫外交联高压电缆工作时的温度无法获得且无法控制温度的范围问题。本系统通过温度传感器、信号调整放大及多通道数据采集单元、送风机、抽风机和控制单元形成闭环回路，实现了大功率无极灯紫外辐照腔体工作时的可以实时获得大功率磁控管的温度，且通过送风机、抽风机和控制单元对温度进行调节，通过声光报警器达到了报警的目的。该方法采用某一时刻所有被测温度点的温度最大值与下一时刻此最大值的变化趋势为依据进行控制，实现了无极灯辐照腔体温度的控制，声光报警器方便工作人员及时对系统进行维护。本发明适用于紫外交联技术领域。
-
公开(公告)号：CN110048694B
公开(公告)日：2022-09-23
申请号：CN201910325291.4
申请日：2019-04-22
Applicant: 哈尔滨理工大学
IPC: H03H21/00
Abstract: 基于变元步长的随机傅里叶特征核最小均方算法，属于核自适应滤波器优化领域，本发明为解决现有核自适应滤波系统中性能最好的基于随机傅里叶特征的核最小均方算法采用固定步长的方法，算法的收敛速度收到限制的问题。本发明具体过程为：计算核自适应滤波器的输出，计算误差；将第n次迭代的权值向量更新为第n+1次迭代的权值向量；将第n次迭代的步长更新为第n+1次迭代的步长；判断第n+1次迭代的步长的值与预先设定的步长取值范围的最小值和最大值的大小，将第n次迭代的元步长更新为第n+1次迭代的元步长，获取第n+1次迭代的核自适应滤波器的输出。本发明用于核自适应滤波系统。
-
公开(公告)号：CN109902657B
公开(公告)日：2022-07-08
申请号：CN201910184203.3
申请日：2019-03-12
Applicant: 哈尔滨理工大学
IPC: G06V40/16 , G06V10/772 , G06V10/764 , G06K9/62
Abstract: 本发明为一种基于分块协同表示的人脸识别方法。在实际应用中，人脸图像的信息缺失（如像素信息缺失、腐蚀块和遮挡）会影响图像的像素值，从而影响人脸识别的效果。本发明先将人脸图像库中的图像分为训练集和测试集，并寻找最佳分块方式对其图像进行分块处理，将训练样本分块后的图像构造子块字典；然后采用子块的协同表示(Cooperative representation，CR)将由人脸图像信息缺失所产生的误差与原图像分离，可有效降低缺失信息图像人脸识别结果的影响；再然后对各子块获得的稀疏稀疏进行分类；最后基于最大投票准则获取最终识别结果，可有效降低由于一个或多个子块特征求得的最小系数误差较大所导致的无效分类对整张图像识别结果产生的影响，提高识别率。
-
公开(公告)号：CN112801183A
公开(公告)日：2021-05-14
申请号：CN202110115719.X
申请日：2021-01-28
Applicant: 哈尔滨理工大学
IPC: G06K9/62
Abstract: 本发明公开了一种基于YOLO v3的多尺度目标检测方法，包括：S1、对数据集图像进行预处理，将图像数据调整到网络设定的尺寸；S2、在骨干网络中加入改进后的DenseNet对图像进行不同层次信息的提取，输出四个尺寸不同的特征图；S3、在输出的四个特征层之后加入空间金字塔模块；S4、将经过空间金字塔模块的特征图分别与上一层尺寸较大的特征图进行融合，构成四个尺寸的多尺寸预测机制。本发明从特征的角度出发，通过加入密集连接结构、空间金字塔结构和优化多尺度预测机制，将特征进行深层与浅层、局部与全局之间的深度融合，提高对各尺寸目标的检测精准度，可应用于实际生活各复杂场景下的目标检测。
-
Patent Agency Ranking
公开(公告)号：CN109875686B
公开(公告)日：2021-04-20
申请号：CN201910200992.5
申请日：2019-03-16
Applicant: 哈尔滨理工大学
Abstract: 本发明一种患者体表投影图像序列生成方法属于医学、三维立体成像、数字图像处理等技术领域；该方法首先根据医生视角和内腔三维模型，利用典型摄像机成像模型，计算医生期望看到的内腔图像，然后根据内腔图像、患者体表三维形貌、医生视角、投影机方位，计算体表投影图像序列；本发明一种患者体表投影图像序列生成方法，根据统一的医生头部坐标系、内腔坐标系、患者体表坐标系、投影机坐标，实时计算医生期望看到的内腔图像，然后将内腔图像结合患者体表投影图像序列，利用点对应而非曲面拟合，患者体表上的医生视场和投影机视场重合覆盖区域均可准确计算投影图像，而与患者体表的复杂程度无关，因此在投影的同时能够实现畸变矫正。
-
公开(公告)号：CN112668378A
公开(公告)日：2021-04-16
申请号：CN201910985912.1
申请日：2019-10-16
Applicant: 哈尔滨理工大学
Abstract: 本发明公开了一种基于图像融合与卷积神经网络结合的人脸表情识别方法，本方法首先从JAFFE和CK+人脸表情库中获取人脸表情图像进行图像预处理操作；其次，采用局部二值模式提取人脸表情图像的纹理特征；再次，将局部二值模型编码图与表情灰度图像进行基于像素灰度值加权平均方法的融合，并输入到卷积神经网络中，最后通过softmax分类器计算表情识别概率。在此基础上，通过在人脸表情库上的实验，得出了不同人脸表情库下的最佳卷积神经网络层数和最佳融合权值，并完成了与多种人脸表情识别方法的对比实验。本发明采用局部二值模式用于特征提取并与人脸表情灰度图像进行像素值加权平均融合，能够获得更丰富有效的特征信息，具有较高的识别率，对于样本数较少时，也具有较好的鲁棒性。
-
公开(公告)号：CN112101467A
公开(公告)日：2020-12-18
申请号：CN202010981310.1
申请日：2020-09-17
Applicant: 哈尔滨理工大学
Abstract: 一种基于深度学习的高光谱图像分类方法，属于高光谱图像分类技术领域。本发明所要解决的问题是深度学习时缺少训练样本，许多卷积神经网络的方法不能得到很好的训练从而造成过拟合现象的问题。包括S1.提取高光谱图像块，将高光谱图像提取为带有标签的B*B*L的像素块；S2.将高光谱数据块按照mixup方法进行混合；S3.通过3DCNN对数据进行特征提取；S4.将提取的特征进行特征融合；S5.特征融合后的高光谱图像分类。S6.运用SENet网络提取光谱信息。本发明针对提高网络分类性能降低高光谱图像样本与维度之间的不平衡容易产生的休斯现象以及小样本训练深度网络产生的过拟合现象，通过使用特征融合的方法将提取到的光谱信息和空间信息融合后进行分类。
-
公开(公告)号：CN110309811A
公开(公告)日：2019-10-08
申请号：CN201910618360.0
申请日：2019-07-10
Applicant: 哈尔滨理工大学
Abstract: 本发明公开了一种基于胶囊网络的高光谱图像分类方法，本方法用核主成分分析法对样本集进行降维并提取主成分，将所得主成分输入到胶囊网络，训练胶囊网络后，对测试集进行分类。在与支持向量机和卷积神经网络进行对比实验后，证实本方法在分类精度上优于其他传统分类方法。本发明通过降维，在最大化保持信息完整的前提下，降低特征提取的计算复杂度。相比于卷积神经网络等传统深度学习方法，胶囊网络利用向量为输入，更充分地利用了高光谱图像中丰富的空间及光谱信息，尤其是更有效地利用姿态信息。本方法实验结果中分类精度值较优，分类效果良好。
-
公开(公告)号：CN109916628A
公开(公告)日：2019-06-21
申请号：CN201910273110.8
申请日：2019-04-04
Applicant: 哈尔滨理工大学
IPC: G01M13/045
Abstract: 基于改进多尺度幅值感知排列熵的滚动轴承故障诊断方法，涉及数字信号处理领域，为解决现有滚动轴承振动信号的故障诊断方法尚存在特征提取可分性不强、故障识别准确率低及故障严重程度分析不充分的问题，本发明包括步骤一：获取不同故障种类、不同故障程度下的滚动轴承振动信号样本集；步骤二；获取最优PR分量进行后续特征提取；步骤三；获取不同故障种类、不同故障程度下的故障特征向量；步骤四；将特征向量输入到随机森林分类器中；步骤五、得到滚动轴承故障类型和故障严重程度。本发明提取的特征向量具有良好的可分性，具有较强的故障描述能力，平均识别准确率达到99.25％。本发明可广泛应用于轴承故障诊断领域。
-
-
-
-
-
-
-
-
-
Search Results
42
records
(took 0.047 seconds)
