-
公开(公告)号：CN117346864A
公开(公告)日：2024-01-05
申请号：CN202311269559.X
申请日：2023-09-28
Applicant: 东北大学
IPC: G01F23/292 , G06V10/30 , G06V10/82 , G06N3/0464 , G06N3/045 , G06N3/084 , G06N3/006
Abstract: 本发明属于选冶领域，提出一种浓密机泥层高度软测量方法。基于浓密机泥层高度软测量装置获取浓密机内部泥层处图像和收集对应的泥层高度，通过图像信息和泥层高度数据建立数据集；构建双路径网络；对双路径网络进行预训练，并保存网络参数获取深度特征集合；基于粒子群算法对所述的深度特征集合进行特征选择；建立浓密机内部泥层高度软测量模型；基于所述浓密机内部泥层高度软测量模型计算出泥层高度。本发明解决了浓密机内部泥层高度实时检测的问题。通过深度学习等人工智能方法对于浓密机泥层高度这一关键变量进行建模，既实现对浓密机泥层高度这一关键变量的在线检测，又为后续浓密机智能优化控制方法研究奠定基础。
-
公开(公告)号：CN109521672A
公开(公告)日：2019-03-26
申请号：CN201811230826.1
申请日：2018-10-22
Applicant: 东北大学
IPC: G05B13/04
Abstract: 本发明公开了一种电弧炉供电曲线的智能选取方法，在分析影响电弧炉炼钢过程中熔炼阶段成本的各个因素及它们之间关系的基础上，采用改进的层次分析法从众多备选的供电曲线方案中选择出一个合理的方案以实现冶炼成本的最小化，依次包括构造递阶层次结构、构造两两比较判断矩阵、判断矩阵一致性检验及修正、层次单排序及权值修正、层次总排序。本发明可以充分利用相关领域专家的工作经验及企业长期生产积累的实践经验以弥补传统通过机理建模并使用优化方法求解的方式制定供电曲线时存在的建模不精确、计算量大且计算复杂等缺陷。使用本发明选择的供电曲线在保证电弧炉炼钢生产的稳定、高效运行的同时使得生产成本最低，节约资源，提高企业的竞争力。
-
公开(公告)号：CN114897679B
公开(公告)日：2024-06-14
申请号：CN202210383192.3
申请日：2022-04-12
Applicant: 东北大学
IPC: G06T3/4046 , G06T3/4053 , G06T5/60 , G06N3/045 , G06N3/0464 , G06N3/0475 , G06N3/094 , G06T9/00
Abstract: 本发明公开了一种基于生成式对抗网络的浮选泡沫有损压缩图像复原方法，涉及矿物浮选技术领域，本发明针对浮选图片难以大量存储的问题，提出先使用有损图片压缩算法压缩图片，再使用超分辨率重构算法还原图片的思想解决该问题。首先对图片进行缩放后再利用JPEG图像压缩算法进行低质量压缩，压缩后的图片大小仅为原图的八十分之一，极大地增加了工控机可以存储的图片数量；但是压缩后的浮选泡沫图像会丢失部分信息，且存在模糊、失真等现象，使用对抗式生成网络对原图进行重构的方法可以有效地复原图像，解决图像模糊失真等问题，以便后续分析。
-
公开(公告)号：CN108986077A
公开(公告)日：2018-12-11
申请号：CN201810629581.3
申请日：2018-06-19
Applicant: 东北大学
Abstract: 本发明属于浮选泡沫工矿识别技术领域，尤其涉及一种基于双树复小波域共生增广矩阵的浮选泡沫工况识别方法。该方法包括对图像进行双树复小波变换，提取图像的高低频子图；基于双树复小波变换计算各子图的灰度共生增广矩阵；计算各增广矩阵的特征值；搭建浮选工矿识别模型；将增广矩阵的特征值作为浮选工矿识别模型的输入特征矢量，用于浮选工况的识别。本发明能够准确、快速的实现浮选泡沫图像的工况识别，避免人工观测的主观性和随意性，为浮选生产的优化控制提供了可能，确保了企业的经济效益和生产效率，保证了矿产资源的可持续性发展。
-
Patent Agency Ranking
公开(公告)号：CN109521672B
公开(公告)日：2021-08-13
申请号：CN201811230826.1
申请日：2018-10-22
Applicant: 东北大学
IPC: G05B13/04
Abstract: 本发明公开了一种电弧炉供电曲线的智能选取方法，在分析影响电弧炉炼钢过程中熔炼阶段成本的各个因素及它们之间关系的基础上，采用改进的层次分析法从众多备选的供电曲线方案中选择出一个合理的方案以实现冶炼成本的最小化，依次包括构造递阶层次结构、构造两两比较判断矩阵、判断矩阵一致性检验及修正、层次单排序及权值修正、层次总排序。本发明可以充分利用相关领域专家的工作经验及企业长期生产积累的实践经验以弥补传统通过机理建模并使用优化方法求解的方式制定供电曲线时存在的建模不精确、计算量大且计算复杂等缺陷。使用本发明选择的供电曲线在保证电弧炉炼钢生产的稳定、高效运行的同时使得生产成本最低，节约资源，提高企业的竞争力。
-
公开(公告)号：CN119068275A
公开(公告)日：2024-12-03
申请号：CN202410898609.9
申请日：2024-07-05
Applicant: 东北大学
IPC: G06V10/77 , G06V10/26 , G06V10/82 , G06V10/774 , G06V10/44 , G06N3/0455 , G06N3/0464
Abstract: 本发明公开了一种浮选泡沫的特征提取方法及装置、存储介质、计算机设备，涉及矿物浮选技术领域，主要在于解决现有的浮选泡沫分割方法分割过度、对噪声敏感和计算量大的问题，包括获取各种矿物种类在不同浮选状态下的浮选泡沫图像，并从所述浮选泡沫图像中提取泡沫样本图像，得到泡沫样本图像数据集；采用所述泡沫样本图像数据集对改进的视觉大模型进行模型训练操作，得到训练好的泡沫图像分割模型；采用所述泡沫图像分割模型对待分割浮选泡沫图像进行分割处理，得到泡沫图像分割结果；基于所述泡沫图像分割结果提取浮选泡沫的气泡尺寸分布和泡沫流速特征。
-
公开(公告)号：CN108986077B
公开(公告)日：2021-09-28
申请号：CN201810629581.3
申请日：2018-06-19
Applicant: 东北大学
Abstract: 本发明属于浮选泡沫工矿识别技术领域，尤其涉及一种基于双树复小波域共生增广矩阵的浮选泡沫工况识别方法。该方法包括对图像进行双树复小波变换，提取图像的高低频子图；基于双树复小波变换计算各子图的灰度共生增广矩阵；计算各增广矩阵的特征值；搭建浮选工矿识别模型；将增广矩阵的特征值作为浮选工矿识别模型的输入特征矢量，用于浮选工况的识别。本发明能够准确、快速的实现浮选泡沫图像的工况识别，避免人工观测的主观性和随意性，为浮选生产的优化控制提供了可能，确保了企业的经济效益和生产效率，保证了矿产资源的可持续性发展。
-
公开(公告)号：CN119168897A
公开(公告)日：2024-12-20
申请号：CN202410971169.5
申请日：2024-07-19
Applicant: 东北大学
IPC: G06T5/70
Abstract: 本申请公开了一种基于去噪扩散概率模型的浮选泡沫图像生成方法及装置、存储介质、计算机设备，该方法包括：获取多张浮选泡沫原始图像；分别将各张浮选泡沫原始图像裁剪至预设尺寸，得到浮选泡沫裁剪图像，以构成浮选泡沫裁剪图像集；利用浮选泡沫裁剪图像集训练去噪扩散概率模型，以使去噪扩散概率模型基于损失函数在对浮选泡沫裁剪图像依次进行加噪和去噪的过程中迭代优化模型权重参数，得到第一权重参数文件；向训练后的去噪扩散概率模型输入随机生成的高斯噪声图像，并使用训练后的去噪扩散概率模型基于第一权重参数文件将输入的高斯噪声图像进行逐步去噪，以生成多张第一浮选泡沫扩充图像。有助于低成本的获得较高质量的浮选泡沫图像。
-
公开(公告)号：CN114897679A
公开(公告)日：2022-08-12
申请号：CN202210383192.3
申请日：2022-04-12
Applicant: 东北大学
Abstract: 本发明公开了一种基于生成式对抗网络的浮选泡沫有损压缩图像复原方法，涉及矿物浮选技术领域，本发明针对浮选图片难以大量存储的问题，提出先使用有损图片压缩算法压缩图片，再使用超分辨率重构算法还原图片的思想解决该问题。首先对图片进行缩放后再利用JPEG图像压缩算法进行低质量压缩，压缩后的图片大小仅为原图的八十分之一，极大地增加了工控机可以存储的图片数量；但是压缩后的浮选泡沫图像会丢失部分信息，且存在模糊、失真等现象，使用对抗式生成网络对原图进行重构的方法可以有效地复原图像，解决图像模糊失真等问题，以便后续分析。
-
-
-
-
-
-
-
-
Search Results
9
records
(took 0.021 seconds)
