-
公开(公告)号：CN110288045A
公开(公告)日：2019-09-27
申请号：CN201910586981.5
申请日：2019-07-02
Applicant: 中南大学
IPC: G06K9/62
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：CN108613645A
公开(公告)日：2018-10-02
申请号：CN201810453766.3
申请日：2018-05-11
Applicant: 中南大学
IPC: G01B17/02 , G01F23/296
Abstract: 本发明公开一种基于参数估计的铅锌矿吸水井淤泥厚度测量方法，包括以下步骤：首先使用信号收集装置收集在吸水井中的回波信号，对收集到的信号降噪，提取特征，建立分类器进行分类，然后使用不同的数学模型对相应的信号进行参数估计，估计出超声波传播时间参数，使用该时间参数结合超声波在水中的传播速度计算出井底淤泥厚度。本发明不同于传统超声波测量中使用的阈值法，可以有效的避免回波中的干扰项，使测量结果更加精确。
-
公开(公告)号：CN110310286A
公开(公告)日：2019-10-08
申请号：CN201910586978.3
申请日：2019-07-02
Applicant: 中南大学
Abstract: 本发明公开了一种基于泡沫图像多特征的分层工况感知判别方法，其特征在于本发明针对其工况识别的小概率事件即落点在交界上，考虑到交界左右的区间的工况模糊性，采用分层工况识别，对于区间内部的工况确定地带进行一个基于模糊数学评判方法的快速的粗分类，而对于模糊地带采用分类更为细致且准确的卷积神经网络的特征提取，可以学习到不大容易被注意到的深度特征，从而对工况进行一个精确的工况识别分类。基于此，使用分层控制，通过模糊数学算法针对区间内部地点，无争议地带。通过使用深度学习，针对概率分析可得到工况交界点的模糊地带最小距离，进行细分类的标准使结果更为准确。
-
公开(公告)号：CN110288591A
公开(公告)日：2019-09-27
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：CN110310286B
公开(公告)日：2022-04-22
申请号：CN201910586978.3
申请日：2019-07-02
Applicant: 中南大学
Abstract: 本发明公开了一种基于泡沫图像多特征的分层工况感知判别方法，其特征在于本发明针对其工况识别的小概率事件即落点在交界上，考虑到交界左右的区间的工况模糊性，采用分层工况识别，对于区间内部的工况确定地带进行一个基于模糊数学评判方法的快速的粗分类，而对于模糊地带采用分类更为细致且准确的卷积神经网络的特征提取，可以学习到不大容易被注意到的深度特征，从而对工况进行一个精确的工况识别分类。基于此，使用分层控制，通过模糊数学算法针对区间内部地点，无争议地带。通过使用深度学习，针对概率分析可得到工况交界点的模糊地带最小距离，进行细分类的标准使结果更为准确。
-
Patent Agency Ranking
公开(公告)号：CN108613645B
公开(公告)日：2019-11-08
申请号：CN201810453766.3
申请日：2018-05-11
Applicant: 中南大学
IPC: G01B17/02 , G01F23/296
Abstract: 本发明公开一种基于参数估计的铅锌矿吸水井淤泥厚度测量方法，包括以下步骤：首先使用信号收集装置收集在吸水井中的回波信号，对收集到的信号降噪，提取特征，建立分类器进行分类，然后使用不同的数学模型对相应的信号进行参数估计，估计出超声波传播时间参数，使用该时间参数结合超声波在水中的传播速度计算出井底淤泥厚度。本发明不同于传统超声波测量中使用的阈值法，可以有效的避免回波中的干扰项，使测量结果更加精确。
-
公开(公告)号：CN110288592A
公开(公告)日：2019-09-27
申请号：CN201910586983.4
申请日：2019-07-02
Applicant: 中南大学
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。
-
公开(公告)号：CN110148132A
公开(公告)日：2019-08-20
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：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。
-
公开(公告)号：CN110728329B
公开(公告)日：2021-03-02
申请号：CN201911008874.0
申请日：2019-10-22
Applicant: 中南大学
Abstract: 本发明提供了一种基于反馈补偿机制优化的锌浮选过程精矿品位预测方法，包括了以下步骤：首先采集锌浮选过程图像特征数据以及对应的精矿品位数据作为样本数据，并对采集的数据进行预处理；将预处理后的样本数据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提取贡献率高特征作为关键特征；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；使用改进菌群算法寻优LSSVM的惩罚因子ξ和核宽度σ两个参数；建立模型误差反馈补偿机制，当模型误差不被控制时启动反馈补偿机制对模型进行补偿；本发明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
16
records
(took 0.013 seconds)
