-
公开(公告)号：CN110288045B
公开(公告)日：2023-03-24
申请号：CN201910586981.5
申请日：2019-07-02
Applicant: 中南大学
IPC: G06V10/762 , G06V10/764
Abstract: 本发明公开了一种基于皮尔逊相关系数的语义视觉词典优化方法，首先通过提取图像的颜色、形状和纹理的底层特征和用SURF算法来提取图像的动态特征；采用E2LSH聚类算法对获取的图像动态特征聚类,提取相关描述视觉短语，构建原始视觉词典；引入皮尔逊相关系数求取动态特征与动态特征之间以及底层特征和动态特征之间的相关度对原始视觉词典优化,得到最终的语义视觉词典。本发明针对语义视觉词典中视觉短语冗余、计算复杂的问题，对图像进行分类提高了图像的分类性能,减小了运算的复杂度,缩短运算时间,同时提高了分类的准确性。
-
公开(公告)号：CN110148132B
公开(公告)日：2022-04-19
申请号：CN201910449394.1
申请日：2019-05-28
Applicant: 中南大学
Abstract: 一种基于尺寸特征相似性度量的模糊故障诊断预报表示方法，在泡沫浮选领域，本发明公开了一种浮选过程的模糊故障诊断方式，以泡沫视觉时间序列特征提取为基础，定义了泡沫时间序列的子序列、子模式，采用历史数据信息建立历史特征趋势信息集，度量实时趋势特征与历史趋势特征集相似性，综合序列趋势信息对故障发生几率进行模糊化诊断。本发明提出了模糊故障诊断的概念，通过可靠性序列选取和异常因子设立，建立了浮选工况状态预报表示模型，对趋势走向的判断以及数值化的趋势走向可能性提出了一种新的解决方法。克服原有泡沫特征静态描述浮选过程的缺陷，及时发现工况异常征兆，对未来时刻故障可能性以数值化显示，利于工人操作、稳定优化生产。
-
公开(公告)号：CN110766699B
公开(公告)日：2022-03-15
申请号：CN201911006051.4
申请日：2019-10-22
Applicant: 中南大学
Abstract: 一种基于欧式距离判定的纹理特征度量方法，在泡泡浮选领域，本发明提出一种基于欧式距离的纹理特征度量方法，此方法基于现场设置的数字图像采集系统提取泡泡图像，提出了颗粒区域的概念，并通过判定欧式距离对泡泡表面的颗粒区域进行准确提取，将所提取的颗粒区域按中心点位置进行分级，继而对颗粒区域之间的密集程度进行度量，定义了纹理特征颗粒密集度，用以反映整幅图像的纹理特征。有效弥补了传统的纹理特征提取方法没有考虑泡泡表面颗粒的缺陷，从而更准确的判断工况并有效指导加药。
-
公开(公告)号：CN110288591B
公开(公告)日：2021-03-09
申请号：CN201910586969.4
申请日：2019-07-02
Applicant: 中南大学
Abstract: 本发明公开了一种基于改进的自适应多种群遗传算法的锌浮选工况判别方法，应用于泡沫浮选工艺中，通过实时获取的泡沫图像特征数据集作为初期训练种群，加入有经验工人的选择，并且在此基础上，考虑到人工选择的主观性、受环境的影响度，加入主观因子系数，即主观判断可偏移区间，再次评估，判断当前选择是否在其误差允许范围内，由此将人为主观影响控制到一定范围。在整个过程中，实时反馈当前优良工况，用实时返回的工况进行种群调整，实现对最优解的实时的刷新，降低不同原矿堆品位值变化的影响，以此达到最后对品位值与回收率的有效控制。
-
公开(公告)号：CN110288592B
公开(公告)日：2021-03-02
申请号：CN201910586983.4
申请日：2019-07-02
Applicant: 中南大学
IPC: G06T7/00 , G06T7/45 , G06K9/62 , G06F40/30 , G06F40/242
Abstract: 本发明公开了一种基于概率语义分析模型的锌浮选加药状态评价的方法，通过加速鲁棒特征算法获取不同加药状态的锌浮选图像的动态特征，并利用灰度共生矩阵提取泡沫图像的底层纹理特征，通过精确欧式局部敏感哈希聚类算法对获取的泡沫图像动态特征向量聚类，构建相关视觉词典，将所获取的动态特征和底层纹理特征之间使用皮尔逊相关系数相关度度量，优化原始视觉词典，最后采用概率语义分析模型对不同的泡沫图像进行锌浮选加药状态评价。本发明解决了工人对锌浮选加药状态评价不准确及耗时长的问题，能准确评价锌浮选加药状态，减短运算时间，从而实现锌浮选过程的整体优化。
-
Patent Agency Ranking
公开(公告)号：CN108931621B
公开(公告)日：2020-10-02
申请号：CN201810446656.4
申请日：2018-05-11
Applicant: 中南大学
IPC: G01N33/2028 , G06K9/00 , G06K9/46
Abstract: 一种基于过程特征的锌浮选精矿品位的软测量的方法，本发明综合了专家知识和数据建模方法，首先根据现场工人看泡时的观察重点提出基于图像统计特征的单帧纹理特征来表征泡沫图像，根据现场工人需要观察一段时间内泡沫状态来判断当前生产状态的特点提出用纹理序列来数学化当前生产状态，并提出一种对纹理序列的建模方法，降低了特征向量的维数。在预测算法中采用改进的提升决策树算法，有效的抑制由于学习太快导致的过拟合问题，提高了泛化能力。实验证明本发明方法计算简单，执行速度较快，预测准确度较高，便于在现场实际操作，可即时指导现场操作，优化生产过程，解决了现锌矿品位在线检测难的问题。
-
公开(公告)号：CN110766699A
公开(公告)日：2020-02-07
申请号：CN201911006051.4
申请日：2019-10-22
Applicant: 中南大学
Abstract: 一种基于欧式距离判定的纹理特征度量方法，在泡泡浮选领域，本发明提出一种基于欧式距离的纹理特征度量方法，此方法基于现场设置的数字图像采集系统提取泡泡图像，提出了颗粒区域的概念，并通过判定欧式距离对泡泡表面的颗粒区域进行准确提取，将所提取的颗粒区域按中心点位置进行分级，继而对颗粒区域之间的密集程度进行度量，定义了纹理特征颗粒密集度，用以反映整幅图像的纹理特征。有效弥补了传统的纹理特征提取方法没有考虑泡泡表面颗粒的缺陷，从而更准确的判断工况并有效指导加药。
-
公开(公告)号：CN110728253A
公开(公告)日：2020-01-24
申请号：CN201911006079.8
申请日：2019-10-22
Applicant: 中南大学
Abstract: 一种基于颗粒粗糙度的纹理特征度量方法，在泡沫浮选领域，本发明提出一种基于颗粒粗糙度的纹理特征度量方法，此方法基于现场设置的数字图像采集系统提取泡沫图像，提出了颗粒区域的概念，并对泡泡表面的颗粒区域进行准确提取，对所提取的颗粒区域进行一系列的度量，通过一系列计算定义了纹理特征量颗粒粗糙度，用以反映整幅图像的纹理特征。该方法有效弥补了传统的纹理特征提取方法没有考虑泡沫表面颗粒的缺陷，从而可以更准确的判断工况并有效指导加药。
-
公开(公告)号：CN110175617B
公开(公告)日：2022-12-27
申请号：CN201910449507.8
申请日：2019-05-28
Applicant: 中南大学
IPC: G06V10/54 , G06V10/74 , G06V10/771
Abstract: 基于纹理时间序列趋势特征匹配的一种浮选模糊故障诊断方法，在泡沫浮选领域，本发明公开了一种浮选过程的模糊故障诊断方式，以泡沫视觉时间序列特征提取为基础，定义了泡沫时间序列的子序列、子模式，采用历史数据信息建立历史特征趋势信息集，度量实时趋势特征与历史趋势特征集相似性，综合序列趋势信息对故障发生几率进行模糊化诊断。本发明提出了模糊故障诊断的概念，通过可靠性序列选取和异常因子设立，建立了浮选工况状态预报表示模型，对趋势走向的判断以及数值化的趋势走向可能性提出了一种新的解决方法。克服原有泡沫特征静态描述浮选过程的缺陷，及时发现工况异常征兆，对未来时刻故障可能性以数值化显示，利于工人操作、稳定优化生产。
-
公开(公告)号：CN110738271B
公开(公告)日：2021-04-30
申请号：CN201911005613.3
申请日：2019-10-22
Applicant: 中南大学
Abstract: 本发明提供了一种锌浮选过程精矿品位预测方法，包括了以下步骤：首先通过浮选过程图像采集处理系统采集锌浮选过程图像特征数据以及对应的精矿品位数据，并对采集的数据进行预处理；根据预处理后的锌浮选图像特征数据以及精矿品位数据，组成样本空间，然后根据精矿品位的高低划分五个独立的子样本空间并分别做时间差分；采用KPCA对特征进行相关分析,提取贡献率高特征作为关键泡沫特征；基于关键特征样本训练LSSVM，建立图像特征与精矿品位之间的关系；使用改进菌群算法求解预测模型，寻优LSSVM的惩罚因子ξ和核宽度σ两个参数；本方法可直接在计算机上编程实现，成本低，精度高，时效好，对指导现场生产具有重要意义。
-
-
-
-
-
-
-
-
-
Search Results
36
records
(took 0.021 seconds)
