公开(公告)号：CN114066849B

公开(公告)日：2024-08-20

申请号：CN202111353224.7

申请日：2021-11-16

Applicant: 东北大学秦皇岛分校

Inventor： 赵玉良 ,  李建 ,  张清雨 ,  余成忠

IPC: G06T7/00 ,  G06T7/11 ,  G06T7/187 ,  G06T5/70 ,  G06T5/30 ,  G06V10/26 ,  G06V10/28 ,  G06V10/30 ,  G06V10/44 ,  G06V10/774 ,  G06V10/764

Abstract: 本发明公开了一种基于深度学习的电接口缺陷检测方法，涉及图像处理与深度学习领域，适用于大批量小目标的电接口缺陷检测，通过对电接口图像进行大批量采样；对采集到的大批量电接口图像进行切割和图像尺寸重置，重置后的图像作为检测系统的数据集与定位标志并引入改进的深度学习的分类网络模型进行训练得到损失和精度曲线；采用高精度工业相机对待检测电接口进行采样；引入改进的后的分类算法对拍摄的大批量小电接口故障进行分类检测；返回的检测结果上传到PyQt5搭建的检测开发平台与批量待检测物对比并进行筛选；改进了工业生产中对电接口的缺陷检测生产流程，提高生产合格率。

公开(公告)号：CN118152516A

公开(公告)日：2024-06-07

申请号：CN202410279433.9

申请日：2024-03-12

Applicant: 东北大学秦皇岛分校

Inventor： 史云剑 ,  邹智恺 ,  李建 ,  吕晓永

IPC: G06F16/33 ,  G06F16/35 ,  G06F18/2411 ,  G06F18/10 ,  G06F18/213 ,  G06F17/16 ,  G10L15/08

Abstract: 本发明涉及一种基于文本的抑郁症检测方法，其具体实施步骤包括：收集抑郁症患者音频和文本信号建立数据库用于分类和模型训练；预处理音频信号得到音频频谱图，对其进行连续小波变换得到其光谱特征；分析光谱特征，确定有明显抑郁特征的目标文本；构建稀疏情感词典；根据词典和已经确定的目标文本进行抑郁程度的分类；规定抑郁程度的取值范围为0到1，其中0表示无抑郁，1表示抑郁程度最高；利用记忆网络LSTM对已经完成分类的数据进行机器学习；基于训练好的模型，对测试人员进行测试，输出测试结果。通过音频信号确定目标文本，提高了抑郁症识别的有效性；根据构建好的稀疏情感词典进行抑郁程度的分类，可有效的提高模型训练的准确性和快速性。

公开(公告)号：CN117898727A

公开(公告)日：2024-04-19

申请号：CN202410079618.5

申请日：2024-01-19

Applicant: 东北大学秦皇岛分校

Inventor： 邹智恺 ,  李建 ,  尚明英 ,  吕晓永 ,  许嘉桐 ,  赵银凇

IPC: A61B5/16 ,  G06V40/20 ,  G06V40/16 ,  G06V10/82 ,  G06V10/764 ,  G06V10/766 ,  G06N3/0442 ,  G06N3/045 ,  G06N3/0464 ,  A61B5/11 ,  A61B5/00

Abstract: 本发明涉及抑郁症检测技术领域，尤其涉及一种基于步态和面部表情变化分析的抑郁症检测方法。包括以下步骤:获取待测用户行走时的步态数据及面部表情变化视频；对所述步态数据进行特征图像编码处理，获得步态特征图像；对所述面部表情变化视频进行特征图像编码处理，获得面部表情特征图像；基于完成训练的CNN‑LSTM模型，对所述步态特征图像和面部表情特征图像进行处理，得到预测结果。本发明提出了一种基于步态和面部表情变化分析的抑郁症检测方法，有效提高了抑郁症检测的准确度。

公开(公告)号：CN117883075A

公开(公告)日：2024-04-16

申请号：CN202410078026.1

申请日：2024-01-19

Applicant: 东北大学秦皇岛分校

Inventor： 李建 ,  尚明英 ,  邹智恺 ,  吕晓永 ,  许嘉桐

IPC: A61B5/11 ,  G06V20/40 ,  G06V40/20 ,  G06V10/764 ,  G06V10/771 ,  G06T7/00

Abstract: 本发明属于计算机技术领域，特别涉及一种基于人体姿态分析的无接触式姿态提取系统和帕金森等级预测方法。一种基于人体姿态分析的帕金森等级预测方法包括：获取用户行走时的运动视频；使用无接触式的姿态提取系统提取和计算所述运动视频的关节坐标，获取运动特征；对所述运动特征进行预处理操作和特征重要性分析，获取处理后的运动特征；采用特征加权改进的K‑近邻，对所述运动特征进行识别，获取帕金森严重性等级的预测结果。一种基于人体姿态分析的无接触式姿态提取系统包括：姿态坐标提取模块和姿态特征提取模块。通过上述技术方案不仅提高了对帕金森等级预测的时效性，还有效提高了检测的准确性和精度。

公开(公告)号：CN114066849A

公开(公告)日：2022-02-18

申请号：CN202111353224.7

申请日：2021-11-16

Applicant: 东北大学秦皇岛分校

Inventor： 赵玉良 ,  李建 ,  张清雨 ,  余成忠

IPC: G06T7/00 ,  G06T7/11 ,  G06T7/187 ,  G06T5/00 ,  G06T5/30 ,  G06K9/62 ,  G06V10/26 ,  G06V10/28 ,  G06V10/30 ,  G06V10/44 ,  G06V10/774 ,  G06V10/764

Abstract: 本发明公开了一种基于深度学习的电接口缺陷检测方法，涉及图像处理与深度学习领域，适用于大批量小目标的电接口缺陷检测，通过对电接口图像进行大批量采样；对采集到的大批量电接口图像进行切割和图像尺寸重置，重置后的图像作为检测系统的数据集与定位标志并引入改进的深度学习的分类网络模型进行训练得到损失和精度曲线；采用高精度工业相机对待检测电接口进行采样；引入改进的后的分类算法对拍摄的大批量小电接口故障进行分类检测；返回的检测结果上传到PyQt5搭建的检测开发平台与批量待检测物对比并进行筛选；改进了工业生产中对电接口的缺陷检测生产流程，提高生产合格率。