-
公开(公告)号：CN110548963A
公开(公告)日：2019-12-10
申请号：CN201910814861.6
申请日：2019-08-30
Applicant: 桂林航天工业学院
Abstract: 本发明涉及一种触发器、触发器系统及触发方法，包括霍尔电流传感器，用于将焊机电流信号转换成电压传感信号；模数转换器，用于对电压传感信号进行模数转换，生成数字电压感应信号；单片机，用于获取数字电压感应信号对应的电流波形的上升沿脉宽、下降沿脉宽和电流波形周期，并通过电流波形的上升沿脉宽、电流波形周期和第一预设延迟时间生成第一触发信号，触发高速相机拍摄熔池图像；或者，通过电流波形的下降沿脉宽、电流波形周期和第二预设延迟时间生成第二触发信号，触发高速相机拍摄焊缝图像，以确定焊接的稳定性或者焊接质量情况。
-
公开(公告)号：CN106340304B
公开(公告)日：2019-09-06
申请号：CN201610843483.0
申请日：2016-09-23
Applicant: 桂林航天工业学院
IPC: G10L21/0216 , G10L21/0264
Abstract: 本发明公开了一种适用于非平稳噪声环境下的在线语音增强方法，包括步骤：1)建立非平稳噪声环境下的系统模型；2)分帧和加窗；3)系统初始化；4)估计AR参数；5)估计语音信号状态序列。本发明针对语音模型中AR参数不能随噪声变化实时更新的问题，提出了双卡尔曼滤波框架，两个卡尔曼滤波器并行运算，语音信号状态估计和AR参数估计互相更新，状态估计过程和参数估计过程交替进行，使得参数估计过程能够适应噪声变化过程，以提高系统模型的准确性，进而提高语音增强的性能。本发明针对传统卡尔曼滤波算法无法处理非平稳噪声的问题，结合凸优化技术，提出了改进型卡尔曼滤波框架，能够对高斯噪声和非平稳噪声进行准确估计，提高了语音增强的准确性。
-
公开(公告)号：CN110136124A
公开(公告)日：2019-08-16
申请号：CN201910412792.6
申请日：2019-05-17
Abstract: 本发明提供了一种基于鲁棒速度函数的胸膜接触性肺结节分割方法，包括以下步骤：S1、将经过简单处理的肺CT图像结合小波能量特征和特征的F-KNN分类算法，计算鲁棒速度函数中的概率分数；S2、构造活动轮廓模型中的鲁棒速度函数；S3、计算活动轮廓模型的能量泛函且将其进行最小化计算处理；S4、对分割精度通过三个指标进行对比评价，本发明采用结合小波能量特征和局部二值模式即LBP特征的模糊F-KNN算法模型，计算鲁棒速度函数中的概率分数，用于加强肺结节与肺壁及其周围背景的区分，然后将鲁棒速度函数引入到活动轮廓模型中，使得鲁棒速度函数在肺结节的边界处趋近零，活动轮廓曲线停止演变，从而提高了肺壁粘连型肺结节的分割精度。
-
公开(公告)号：CN105935462A
公开(公告)日：2016-09-14
申请号：CN201610224906.0
申请日：2016-04-12
Applicant: 桂林航天工业学院
IPC: A61M5/168
CPC classification number: A61M5/16886 , A61M5/16813
Abstract: 本发明公开一种静脉注射的药液滴速控制方法及装置，由控制单元、执行单元和反馈单元组成。使用者根据显示装置中的工作界面指令产生药液滴速给定值；然后控制器模块按照模糊PID控制算法产生控制指令，执行机构模块(即步进电机)按照控制指令来收紧或者放松药液塑料管，同时反馈机构模块再次对当前滴速信号进行测定并将其反馈给控制器，以便进行下一次控制指令的发出。本发明具有控制精度高、效果好、工作稳定的优点。
-
公开(公告)号：CN119202700A
公开(公告)日：2024-12-27
申请号：CN202311741704.X
申请日：2023-12-14
Applicant: 桂林航天工业学院
IPC: G06F18/214 , G06F18/213 , G06F18/241 , G06F18/25 , G06N3/0455 , G06N3/0464 , G06N3/0475 , G06N3/088 , G06N3/0895 , G06N3/094 , G06N3/096 , A61B5/00 , G06F123/02
Abstract: 本发明公开了基于自监督学习与多模态生物医疗信号处理方法、系统及终端，属于生物医学工程和信息技术领域，包括：采用无监督学习的自编码器提取多模态数据的特征表示；以源域数据的特征表示作为输入、目标域数据的特征表示作为输出，基于最大似然估计对基于Transformer架构的大语言模型进行训练。通过自编码器学习多模态数据之间的关联性和共同特征，并将自编码器提取的特征表示应用于大语言模型的预训练，使大语言模型学习到更加抽象和高级的特征表示，以此提高对多模态数据的处理能力以及泛化性能；同时，由于采用的是无监督学习的方法，可以利用大量的未标记数据对大语言模型进行预训练，从而更好地利用数据资源。
-
Patent Agency Ranking
公开(公告)号：CN114708347A
公开(公告)日：2022-07-05
申请号：CN202210280434.6
申请日：2022-03-22
IPC: G06T11/00 , G06V10/774 , G06V10/764 , G06V10/82 , G06K9/62 , G06N3/04 , G06N3/08
Abstract: 本发明属于CT图像分类技术领域，具体地涉及一种基于自适应选择的双源域异构迁移学习的肺结节CT图像分类方法。本发明方法利用CT图像对SPSN患者进行PT与LA的术前辅助诊断。该方法包括两个部分：①基于自适应选择的双源域异构迁移学习的特征提取，②基于稀疏贝叶斯极限学习机的集成分类器构建。基于自适应选择的双源域异构迁移学习模型通过设计基于自适应选择的双源域特征匹配网络自适应确定源网络与目标网络之间每对特征图的匹配权重，以及源网络特征块和目标网络之间每对卷积块的匹配权重，以自动选择源网络中有利于目标任务学习的特征以及特征迁移的目的地，从而约束目标网络的训练，进而提高目标网络在小样本情况下的鲁棒性。
-
公开(公告)号：CN109741349B
公开(公告)日：2021-12-07
申请号：CN201910067469.X
申请日：2019-01-24
Abstract: 本发明实施例提供了一种缺血性脑卒中图像分割方法，特别是医学图像处理领域。该方法包括：将缺血性脑卒中患者的DWI图像进行小波变化，获取小波能量图；计算所述小波能量图中各像素的贝叶斯概率，获取所述DWI图像的初始病灶图；将所述初始病灶图各像素的灰度特征与局部熵特征组成二维向量；根据所述二维向量构建目标函数，并通过使所述目标函数取得最小值，得到各所述像素的隶属度；获取所述初始病灶图的能量泛函；对所述能量泛函进行演化，获取最小能量泛函；根据所述最小能量泛函将所述DWI图像区分为病灶区与背景区。应用本发明实施例提供的方案，使所述DWI图像中脑梗死病灶区准确地分割出所述DWI图像中脑梗死病灶区。
-
公开(公告)号：CN109741349A
公开(公告)日：2019-05-10
申请号：CN201910067469.X
申请日：2019-01-24
Applicant: 桂林航天工业学院
Abstract: 本发明实施例提供了一种缺血性脑卒中图像分割方法，特别是医学图像处理领域。该方法包括：将缺血性脑卒中患者的DWI图像进行小波变化，获取小波能量图；计算所述小波能量图中各像素的贝叶斯概率，获取所述DWI图像的初始病灶图；将所述初始病灶图各像素的灰度特征与局部熵特征组成二维向量；根据所述二维向量构建目标函数，并通过使所述目标函数取得最小值，得到各所述像素的隶属度；获取所述初始病灶图的能量泛函；对所述能量泛函进行演化，获取最小能量泛函；根据所述最小能量泛函将所述DWI图像区分为病灶区与背景区。应用本发明实施例提供的方案，使所述DWI图像中脑梗死病灶区准确地分割出所述DWI图像中脑梗死病灶区。
-
公开(公告)号：CN106112318B
公开(公告)日：2017-10-20
申请号：CN201610550556.7
申请日：2016-07-13
Applicant: 桂林航天工业学院
Abstract: 本发明公开一种基于视觉的在线焊缝跟踪方法及系统，其针对焊缝跟踪过程中高斯噪声存在时变性以及传统卡尔曼滤波算法无法处理焊缝跟踪中的稀疏噪声的问题，提出了在线卡尔曼滤波框架，用基于凸优化的在线卡尔曼滤波器来对焊接轨迹的噪声参数进行实时估计，并在焊缝跟踪模型中对量测过程同时加入了高斯噪声和稀疏噪声项，通过建立合理的优化模型，能够在线对高斯噪声和稀疏噪声进行准确估计，进而提高了焊缝跟踪的准确性。
-
公开(公告)号：CN106598059A
公开(公告)日：2017-04-26
申请号：CN201710060756.9
申请日：2017-01-25
Applicant: 桂林航天工业学院
IPC: G05D1/08
CPC classification number: G05D1/0808
Abstract: 本发明公开一种基于FPGA的多旋翼无人机系统，包括1个主处理器和4个协处理单元。第一协处理单元包括姿态检测处理器、姿态检测脉宽测量模块、姿态检测总线接口和姿态检测数据缓存模块。第二协处理单元包括载荷检测处理器、载荷检测脉宽测量模块、载荷检测总线接口和载荷检测数据缓存模块。第三协处理单元包括姿态控制处理器和PWM发生器；姿态控制处理器与主处理器连接。第四协处理单元包括载荷控制处理器。通过1个主处理器和4个协处理器共5个处理器独立工作、并行执行、协同处理，共同完成原有单一处理器所实现的功能，从而有效提高了整个无人机系统的整体性能。
-
-
-
-
-
-
-
-
-
Search Results
46
records
(took 0.041 seconds)
