-
公开(公告)号:CN108489912A
公开(公告)日:2018-09-04
申请号:CN201810447623.1
申请日:2018-05-11
Applicant: 东北大学
Abstract: 本发明提供一种基于煤炭光谱数据的煤炭成分分析方法,包括:煤炭光谱数据采集;利用煤炭成分分析模型进行煤炭成分预测,该模型的输入是采集的光谱数据,输出是煤炭成分。本发明提供的方法利用光谱数据和煤炭工业分析测定结果,建立煤炭成分分析模型,该模型利用卷积神经网络提取得到光谱特征数据,将光谱特征数据极限学习机输出煤炭工业分析测定得到的与煤炭光谱数据对应的煤炭成分,此预测过程中采用人工蜂群算法优化极限学习机的权值和偏差量,由此得到优化的煤炭成分分析模型。煤炭成分分析模型与光谱技术融合并应用在煤炭工业分析领域,煤提供了一种新的、快速和准确的煤炭成分分析方法。
-
公开(公告)号:CN107895136B
公开(公告)日:2020-09-15
申请号:CN201710698775.4
申请日:2017-08-15
Applicant: 东北大学
Abstract: 本发明提供了一种煤矿区域识别方法及系统,用于识别煤矿区域,该方法包括:获取目标区域的遥感图像数据及目标区域中煤的实测光谱数据;通过对实测光谱数据进行筛选,获取实测光谱数据中与遥感图像数据所处波段一致的光谱数据,作为样本光谱数据,样本光谱数据包括训练数据和测试数据;利用包含煤和非煤光谱数据的网络训练集,采用预设的极限学习机对训练数据进行训练,获取针对训练数据分类识别率最优的最优ELM特征分类模型集合;利用最优ELM特征分类模型集合对遥感图像数据进行分类,获取遥感图像数据中被最优ELM特征分类模型集合分类识别为具有煤特征数据的遥感图像数据作为目标图像数据,目标图像数据对应的区域为煤矿区域。
-
公开(公告)号:CN107895136A
公开(公告)日:2018-04-10
申请号:CN201710698775.4
申请日:2017-08-15
Applicant: 东北大学
Abstract: 本发明提供了一种煤矿区域识别方法及系统,用于识别煤矿区域,该方法包括:获取目标区域的遥感图像数据及目标区域中煤的实测光谱数据;通过对实测光谱数据进行筛选,获取实测光谱数据中与遥感图像数据所处波段一致的光谱数据,作为样本光谱数据,样本光谱数据包括训练数据和测试数据;利用包含煤和非煤光谱数据的网络训练集,采用预设的极限学习机对训练数据进行训练,获取针对训练数据分类识别率最优的最优ELM特征分类模型集合;利用最优ELM特征分类模型集合对遥感图像数据进行分类,获取遥感图像数据中被最优ELM特征分类模型集合分类识别为具有煤特征数据的遥感图像数据作为目标图像数据,目标图像数据对应的区域为煤矿区域。
-
公开(公告)号:CN110210452A
公开(公告)日:2019-09-06
申请号:CN201910513549.3
申请日:2019-06-14
Applicant: 东北大学
Abstract: 本发明涉及一种基于改进tiny-yolov3的矿用卡车环境下目标检测方法,包括如下步骤:S1、获取目标物图像数据;S2、对获取到的目标物图像数据进行预处理;S3、将经过预处理的目标物图像数据输入tiny-yolov3模型中,经过所述tiny-yolov3模型的处理获得目标物在图像中的像素位置坐标;其中,所述tiny-yolov3模型为经过结合残差网络结构改进后的模型,所述目标物图像数据为在俯视条件下获取的目标物图像数据。本发明提供的检测方法能够在不降低运行速度的前提下,大幅度提高目标的检测精度。
-
公开(公告)号:CN107944182A
公开(公告)日:2018-04-20
申请号:CN201711298052.1
申请日:2017-12-08
Applicant: 东北大学
IPC: G06F17/50
Abstract: 本发明涉及一种转角轨迹失败的判断方法、电子设备和计算机存储介质。该方法获取转角轨迹失败参数;将转角轨迹失败参数输入转角轨迹失败判断模型,判断是否存在转角轨迹失败;其中,转角轨迹失败判断模型是预先通过对重构后的数据样本进行ELM建模得到的。本发明的转角轨迹失败的判断方法,获取转角轨迹失败参数;将转角轨迹失败参数输入转角轨迹失败判断模型,判断是否存在转角轨迹失败;其中,转角轨迹失败判断模型是预先通过对重构后的数据样本进行ELM建模得到的,实现了提前判断可能产生转角轨迹失败指令。
-
公开(公告)号:CN108489912B
公开(公告)日:2019-08-27
申请号:CN201810447623.1
申请日:2018-05-11
Applicant: 东北大学
Abstract: 本发明提供一种基于煤炭光谱数据的煤炭成分分析方法,包括:煤炭光谱数据采集;利用煤炭成分分析模型进行煤炭成分预测,该模型的输入是采集的光谱数据,输出是煤炭成分。本发明提供的方法利用光谱数据和煤炭工业分析测定结果,建立煤炭成分分析模型,该模型利用卷积神经网络提取得到光谱特征数据,将光谱特征数据极限学习机输出煤炭工业分析测定得到的与煤炭光谱数据对应的煤炭成分,此预测过程中采用人工蜂群算法优化极限学习机的权值和偏差量,由此得到优化的煤炭成分分析模型。煤炭成分分析模型与光谱技术融合并应用在煤炭工业分析领域,煤提供了一种新的、快速和准确的煤炭成分分析方法。
-
公开(公告)号:CN105354347B
公开(公告)日:2018-06-29
申请号:CN201510412913.9
申请日:2015-07-15
Applicant: 东北大学
IPC: G06F17/50
Abstract: 本发明公开一种菱镁矿矿石品级分类建模方法,该建模方法是利用ELM算法建立菱镁矿的定量分析数学模型,利用所建立的数学模型定量分析出菱镁矿的品级。首先,选取若干份菱镁矿样本进行光谱实验得出其光谱数据,并通告其他方法得到所述菱镁矿的品级。其次使用主元分析法(PCA)对所述第一部分中所得到的光谱数据进行压缩,达到降低所述光谱数据矩阵的维数。然后,对所述第二部分中所压缩后的光谱数据中的一部分数据建立ELM算法定量分析数学模型,基于该数学模型对所述压缩后的光谱数据中的一部分数据进行检测。本发明首次将ELM模型应用于菱镁矿石品级鉴别中,利用计算机建模并计算,其分析周期短、操作步骤简单、提高了工作效率,同时减少人为误差。
-
公开(公告)号:CN107704883A
公开(公告)日:2018-02-16
申请号:CN201710954112.4
申请日:2017-10-13
Applicant: 东北大学
CPC classification number: G06K9/6256 , G06K9/6215 , G06N3/0481 , G06N3/08
Abstract: 本发明提供了一种菱镁矿矿石的品级的分类方法及系统,用于提供一种定量分析菱镁矿矿石的品级的方式。该方法包括:对待分类的菱镁矿矿石的第一数据矩阵通过栈式自编码网络进行降维处理,得到第二数据矩阵;其中,第一数据矩阵用于指示所述待分类的菱镁矿矿石的光谱数据;对所述第二数据矩阵通过极限学习机ELM进行数据的分类,以得到所述待分类的菱镁矿矿石的品级;其中,所述极限学习机ELM为预先经训练样本训练后得到的,以第二数据矩阵为输入,以菱镁矿矿石的品级为输出的模型。本发明的方法在经济性、准确性、以及快速性上具有一定的优势,并且,该方法可以实现矿石的大批量在线检测。
-
公开(公告)号:CN107341521A
公开(公告)日:2017-11-10
申请号:CN201710557742.8
申请日:2017-07-10
Applicant: 东北大学
CPC classification number: G06K9/6273 , G06K9/46 , G06N3/006 , G06N3/0481 , G06N3/08
Abstract: 本发明涉及一种基于煤炭光谱数据对煤炭分类的方法,包括以下步骤:获取多个待分类的煤炭样品的光谱数据,其中,每个煤炭样品的光谱数据中包括s个光谱特征;采用煤炭分类模型对所述光谱数据进行处理,获得所述光谱数据对应的煤炭品种,其中,所述煤炭分类模型为预先采用煤炭品种已知的多个煤炭样品的光谱数据建立的,所述煤炭分类模型为卷积神经网络-极限学习机神经网络,所述煤炭分类模型具有经过粒子群算法优化后的最优权重矩阵和最优偏置向量,所述煤炭分类模型用于处理包括s个光谱特征的光谱数据以获得光谱数据对应的煤炭品种。本发明提供的基于煤炭光谱数据对煤炭分类的方法,效率高、成本低、且精度较高。
-
公开(公告)号:CN105354347A
公开(公告)日:2016-02-24
申请号:CN201510412913.9
申请日:2015-07-15
Applicant: 东北大学
IPC: G06F17/50
Abstract: 本发明公开一种菱镁矿矿石品级分类建模方法,该建模方法是利用ELM算法建立菱镁矿的定量分析数学模型,利用所建立的数学模型定量分析出菱镁矿的品级。首先,选取若干份菱镁矿样本进行光谱实验得出其光谱数据,并通告其他方法得到所述菱镁矿的品级。其次使用主元分析法(PCA)对所述第一部分中所得到的光谱数据进行压缩,达到降低所述光谱数据矩阵的维数。然后,对所述第二部分中所压缩后的光谱数据中的一部分数据建立ELM算法定量分析数学模型,基于该数学模型对所述压缩后的光谱数据中的一部分数据进行检测。本发明首次将ELM模型应用于菱镁矿石品级鉴别中,利用计算机建模并计算,其分析周期短、操作步骤简单、提高了工作效率,同时减少人为误差。
-
-
-
-
-
-
-
-
-