-
公开(公告)号：CN114926445A
公开(公告)日：2022-08-19
申请号：CN202210605942.7
申请日：2022-05-31
Applicant: 哈尔滨工业大学
IPC: G06T7/00 , G06V10/764 , G06N3/08 , G06N3/04 , G06V10/82
Abstract: 一种基于孪生网络的小样本农作物病害图像识别方法及系统，涉及图像识别领域，为解决现有小样本识别方法，易导致训练过拟合、识别准确率较低的问题。具体过程为：步骤一：每种病害类别的训练样本中分别随机选取一张图像作为参照样本；步骤二：设计孪生网络结构，按照三元组模式将一个参照样本、一个与参照样本病害类别相同的样本和一个其他病害类别的样本输入至网络，迭代训练后得到孪生网络模型，记录并保存各参照样本的映射结果；步骤三：分别设定各病害的距离判定阈值；步骤四：将待检测样本输入至孪生网络模型，计算其映射结果；并计算其与各参照样本间的距离，选取其中的最小值，将其与该类别的距离判定阈值比较并输出判定结果。
-
公开(公告)号：CN109347601B
公开(公告)日：2021-03-16
申请号：CN201811189786.0
申请日：2018-10-12
Applicant: 哈尔滨工业大学
Abstract: 基于卷积神经网络的抗音调干扰LDPC码的译码方法，本发明涉及LDPC码的译码方法。本发明的目的是为了解决现有神经网络译码模型在受到音调干扰的时候，译码性能准确率低的问题。过程为：1、建立用于LDPC码译码的卷积神经网络；2、确定卷积神经网络的初始参数；3、基于通信信号获得卷积神经网络的训练样本和测试样本；4、将训练样本输入到卷积神经网络中进行训练，得到训练好的卷积神经网络；5、将测试样本输入训练好的卷积神经网络进行测试，得到最终训练好的卷积神经网络；6、利用最终训练好的卷积神经网络对受到音调干扰的LDPC码进行译码。本发明属于通信技术领域。
-
公开(公告)号：CN111835315A
公开(公告)日：2020-10-27
申请号：CN202010619005.8
申请日：2020-07-01
Applicant: 哈尔滨工业大学
Abstract: 本发明提出一种基于自适应滤波器的直达波对消方法，所述方法对参考信号进行抽头，并假设一组抽头系数，此时就得到了自适应滤波器的起始状态，然后令信号通过该滤波器，利用滤波后的信号与监视信号进行比对得到一个误差，并根据该误差调整这一组抽头系数进行迭代，误差会随着迭代次数的增加而减小。利用本发明所述方法实现了直达波对消的良好效果。
-
公开(公告)号：CN104618297B
公开(公告)日：2018-04-24
申请号：CN201510079443.9
申请日：2015-02-13
Applicant: 哈尔滨工业大学
IPC: H04L27/26
Abstract: OFDM‑DCSK通信系统，涉及无线通信领域，本发明是为了在OFDM‑DCSK系统中增加数据速率、解决RF延时问题，本发明是不相干的混沌通信方案，在该方案中，所有的子载波分为几组，每组的中央子载波传送混沌参考序列，而其它组内的子载波用来传送被调制的数据流。因此相比于传统的DCSK系统，这种发送结构提高了频谱利用率。在接收端无需射频延时电路来解调接收到的数据，这为该系统应用到实际中提供了便利条件。本发明适用于无线通信场合。
-
公开(公告)号：CN107657633A
公开(公告)日：2018-02-02
申请号：CN201710900797.4
申请日：2017-09-28
Applicant: 哈尔滨工业大学
CPC classification number: G06T7/45 , G01B11/285 , G06N3/084 , G06T7/62 , G06T2207/10004 , G06T2207/20081 , G06T2207/20084 , G06T2207/30188
Abstract: 本发明提供了一种基于BP神经网络和传感器数据采集的土地秸秆覆盖率测算方法，本发明是为了解决由于人工拉绳法测量效率低,误差大，劳动强度大等缺点，以及在测算过程中由于人为因素带来的局限而提出的。包括：每隔固定时间采集秸秆还田作业后的图像数据；在获取的图像数据中截取预设大小的图像块作为样本；计算所述样本中的五种纹理特征值：能量、惯性矩、熵、相关性、逆差矩；构建具有输入层、隐含层以及输出层的BP神经网络；对神经网络进行训练：利用神经网络处理待测图像：并根据分类结果对图像进行二值化处理；根据根据白色像素点数量占图像总像素数量比例计算秸秆覆盖率。本发明适用于土地秸秆覆盖率测算。
-
Patent Agency Ranking
公开(公告)号：CN106405126B
公开(公告)日：2017-11-07
申请号：CN201610710094.0
申请日：2016-08-23
Applicant: 哈尔滨工业大学
IPC: G01N35/00
Abstract: 面向测土配方变量施肥应用的自动土样采集装置，涉及一种自动土样采集装置。是为了解决现有的测土配方施肥过程中存在土样采集费时费力的问题。本发明采用了动力学原理自动取土的方式，配合深松过程中深松铲的上下运动和农机的前进运动即可提供采土所需的动力，无需加装动力装置，易于操作和实现。通过控制电磁铁来实现样本盒的移动，从而实现不同地点土壤的分离保存，实现多个样本分别采样和分别保存。利用GPS定位信息可以记录每一个采样点的经纬度坐标，对每一块样土实现精确定位。本发明适用于测土配方变量施肥应用的自动土样采集场合。
-
公开(公告)号：CN107122922A
公开(公告)日：2017-09-01
申请号：CN201710371669.5
申请日：2017-05-23
Applicant: 哈尔滨工业大学
Abstract: 一种基于排序学习的农机深松作业质量评价方法，解决了现有对农机深松作业质量的评价未采用客观的评价体系的问题。所述方法包括：采集多台农机在一次深松作业中的作业数据的步骤：作业数据包括多个等间隔时间节点和农机的深耕犁在每个时间节点下的经度、纬度、三轴加速度、三轴角速度和耕地深度数据；对农机作业数据进行预处理的步骤；从预处理后的作业数据中提取作业特征值，并将特征值与其对应的标签值作为训练样本集的步骤：特征值包括地块轨迹规整度、农机单位里程内的不良作业行为数量和耕地深度稳定值；采用排序学习法对训练样本集进行训练得到最优农机深松作业质量评价模型的步骤。采用该模型对农机的深松作业质量进行评价的步骤。
-
公开(公告)号：CN107067043A
公开(公告)日：2017-08-18
申请号：CN201710379786.6
申请日：2017-05-25
Applicant: 哈尔滨工业大学
Abstract: 一种农作物病虫害检测方法，涉及一种农作物病虫害的检测方法。本发明为了解决现有的针对于农作物病虫害的智能检测准确率不高的问题和分类精度波动大的问题。本发明首先将具有明确标签的可见光农作物病虫害图像进行预处理，然后搭建十八层网络结构的卷积神经网络，用可见光农作物病虫害图像训练集的样本进行卷积神经网络训练，得到训练好的卷积神经网络，并对具有明确标签的可见光农作物病虫害图像的特征进行提取；利用提取到的特征和其对应的可见光农作物病虫害图像的分类标签训练支持向量机模型；对新上传的农作物病虫害可见光图片特征提取，再用训练好的支持向量机模型对提取到的特征进行分类。本发明适用于农作物的病虫害检测。
-
公开(公告)号：CN106405126A
公开(公告)日：2017-02-15
申请号：CN201610710094.0
申请日：2016-08-23
Applicant: 哈尔滨工业大学
IPC: G01N35/00
Abstract: 面向测土配方变量施肥应用的自动土样采集装置，涉及一种自动土样采集装置。是为了解决现有的测土配方施肥过程中存在土样采集费时费力的问题。本发明采用了动力学原理自动取土的方式，配合深松过程中深松铲的上下运动和农机的前进运动即可提供采土所需的动力，无需加装动力装置，易于操作和实现。通过控制电磁铁来实现样本盒的移动，从而实现不同地点土壤的分离保存，实现多个样本分别采样和分别保存。利用GPS定位信息可以记录每一个采样点的经纬度坐标，对每一块样土实现精确定位。本发明适用于测土配方变量施肥应用的自动土样采集场合。
-
公开(公告)号：CN103995973A
公开(公告)日：2014-08-20
申请号：CN201410228157.X
申请日：2014-05-27
Applicant: 哈尔滨工业大学
Abstract: 一种基于过完备字典集合划分的信号稀疏分解方法，涉及信号稀疏分解方法。本发明为了解决利用经典MP方法以及现有的改进方法对信号进行分解时存在的运算时间过长的问题。本发明通过选取不同的因子对过完备字典进行集合划分，将庞大的冗余字典分割为若干子字典，利用匹配追踪算法从子字典中选取合适的时频原子来准确、快速的分解信号，并根据实际需要的标准，将信号残差再次进行分解，直到得到符合标准的重构信号，重构信号能够表示为每一级迭代残差与对应的匹配原子的乘积的和的形式。本发明适用于信号的稀疏分解领域。
-
-
-
-
-
-
-
-
-
Search Results
95
records
(took 0.027 seconds)
