-
公开(公告)号:CN113361610A
公开(公告)日:2021-09-07
申请号:CN202110646730.9
申请日:2021-06-10
Applicant: 北方民族大学
IPC: G06K9/62 , G06K9/00 , G06N3/04 , G06N3/08 , G01N21/3577 , G01N21/359
Abstract: 本发明涉及一种葡萄酒产地智能识别方法及系统,该方法包括步骤:采集待检测葡萄酒的光谱数据,并绘制光谱图;对所述光谱图进行预处理,所述预处理包括降维和去噪;利用预先训练好的预测模型从预处理后的光谱图中提取出特征变量,并对提取出的特征变量进行分类,基于各特征变量的分类确定出葡萄酒的产地;所述预测模型为支持向量机分析的RBM串联多层BP神经元网络模型,所述预测模型通过将多个RBM进行多层串联作为前向算法,后项的更新算法采用BP算法,并融合支持向量机算法而训练得到。与传统的近红外光谱检测不同,本发明结合了化学检测及机器学习技术,可以消除传统光谱检测所存在的噪声的影响,因此可以提高葡萄酒产地识别的准确性。
-
公开(公告)号:CN113679413B
公开(公告)日:2023-11-10
申请号:CN202111082457.8
申请日:2021-09-15
Applicant: 北方民族大学
IPC: A61B7/04 , G06F18/213 , G06F18/25 , G06F18/241 , G06N3/0464 , G06N3/048 , G06N3/08 , G10L15/16
Abstract: 本发明公开了一种基于VMD‑CNN的肺音特征识别分类方法及系统,属于生物医学信号分析技术领域,通过采集肺音信号并对肺音信号进行VMD解构及重构,对重构后的肺音信号进行希尔伯特变换得到相应的时频谱图;通过构建的卷积神经网络模型分别对重构后的肺音信号及其对应的希尔伯特时频谱图进行特征提取并融合,最终实现对肺音信号的特征信息的识别分类。本发明通过充分考虑肺音信号的特征,为医生提供重要依据,提高了肺音识别效率及肺音识别准确率。
-
公开(公告)号:CN113361610B
公开(公告)日:2023-01-31
申请号:CN202110646730.9
申请日:2021-06-10
Applicant: 北方民族大学
IPC: G06F18/214 , G06F18/00 , G06F18/2411 , G06N3/084 , G06N3/0464 , G01N21/3577 , G01N21/359
Abstract: 本发明涉及一种葡萄酒产地智能识别方法及系统,该方法包括步骤:采集待检测葡萄酒的光谱数据,并绘制光谱图;对所述光谱图进行预处理,所述预处理包括降维和去噪;利用预先训练好的预测模型从预处理后的光谱图中提取出特征变量,并对提取出的特征变量进行分类,基于各特征变量的分类确定出葡萄酒的产地;所述预测模型为支持向量机分析的RBM串联多层BP神经元网络模型,所述预测模型通过将多个RBM进行多层串联作为前向算法,后项的更新算法采用BP算法,并融合支持向量机算法而训练得到。与传统的近红外光谱检测不同,本发明结合了化学检测及机器学习技术,可以消除传统光谱检测所存在的噪声的影响,因此可以提高葡萄酒产地识别的准确性。
-
公开(公告)号:CN115457249A
公开(公告)日:2022-12-09
申请号:CN202211111226.X
申请日:2022-09-13
IPC: G06V10/143 , G06V10/75 , G06V10/774 , G06V10/80 , G06V10/82 , G06N3/04 , G06N3/08
Abstract: 本发明涉及一种红外图像与可见光图像融合匹配的方法及系统,该方法包括步骤:判断可见光图像是在强光照度下采集获得还是在弱光照度下采集获得;如果可见光图像是在强光照度下采集获得,则将可见光图像与红外图像直接融合,得到融合图像;如果可见光图像是在弱光照度下采集获得,则将可见光图像生成红外图像,然后将生成的红外图像与采集的红外图像进行红外图像下融合,生成加权红外图像,加权红外图像再与可见光图像进行拼接,生成最终的融合图像。本发明可以弥补正常光照情况下,可见光图像与红外图像融合时导致的亮度下降问题,也可以实现暗照度条件下,融合图像的细节不足问题。
-
公开(公告)号:CN113679413A
公开(公告)日:2021-11-23
申请号:CN202111082457.8
申请日:2021-09-15
Applicant: 北方民族大学
Abstract: 本发明公开了一种基于VMD‑CNN的肺音特征识别分类方法及系统,属于生物医学信号分析技术领域,通过采集肺音信号并对肺音信号进行VMD解构及重构,对重构后的肺音信号进行希尔伯特变换得到相应的时频谱图;通过构建的卷积神经网络模型分别对重构后的肺音信号及其对应的希尔伯特时频谱图进行特征提取并融合,最终实现对肺音信号的特征信息的识别分类。本发明通过充分考虑肺音信号的特征,为医生提供重要依据,提高了肺音识别效率及肺音识别准确率。
-
公开(公告)号:CN215458136U
公开(公告)日:2022-01-11
申请号:CN202121897697.9
申请日:2021-08-13
Applicant: 北方民族大学
Abstract: 本实用新型属于医疗设备技术领域,具体涉及一种双向控制的无线蓝牙听诊器。包括信号采集处理模块、数据接收模块和数据上传模块,信号采集处理模块包括肺音采集模块和数据处理模块,肺音采集模块用于对肺音进行采集与传输,数据处理模块与肺音采集模块蓝牙连接,数据处理模块用于对肺音采集模块采集到的肺音信号进行处理,数据接收模块与信号采集处理模块蓝牙连接,用于对处理后的肺音信号进行波形显示并对处理后的肺音信号进行暂时存储,数据上传模块与数据接收模块信号连接,用于将处理后的肺音信号数据上传至服务器进行存储。本实用新型的听诊器与数据处理模块之间通过蓝牙连接,摆脱了线路的束缚,避免了交叉感染风险。
-
-
-
-
-