公开(公告)号：CN109376580B

公开(公告)日：2022-05-20

申请号：CN201811002575.1

申请日：2018-08-30

Applicant: 杭州电子科技大学

Inventor： 髙云园 ,  陈强 ,  黄威 ,  袁世学 ,  谷雨

IPC: G06V20/13 ,  G06V10/774 ,  G06V10/764 ,  G06V10/82 ,  G06K9/62 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明公开一种基于深度学习的无人机电力塔架部件识别方法。本发明包含以下步骤：1、使用无人机搭载图像采集设备采集包含电力塔架部件的图片；2、从采集的图片中选取合适数量图片进行预处理，并按一定比例制作成训练集、验证集和测试集；3、利用改进的YOLOv2算法对处理好的数据集进行训练；4、利用训练好的模型对测试集进行测试并对结果进行评价。本发明提出的改进的YOLOv2算法与YOLOv2算法相比，有效地提高了模型对电力塔架部件的识别准确率和速率，同时具有更好的鲁棒性。

公开(公告)号：CN109376580A

公开(公告)日：2019-02-22

申请号：CN201811002575.1

申请日：2018-08-30

Applicant: 杭州电子科技大学

Inventor： 髙云园 ,  陈强 ,  黄威 ,  袁世学 ,  谷雨

IPC: G06K9/00 ,  G06K9/62 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明公开一种基于深度学习的无人机电力塔架部件识别方法。本发明包含以下步骤：1、使用无人机搭载图像采集设备采集包含电力塔架部件的图片；2、从采集的图片中选取合适数量图片进行预处理，并按一定比例制作成训练集、验证集和测试集；3、利用改进的YOLOv2算法对处理好的数据集进行训练；4、利用训练好的模型对测试集进行测试并对结果进行评价。本发明提出的改进的YOLOv2算法与YOLOv2算法相比，有效地提高了模型对电力塔架部件的识别准确率和速率，同时具有更好的鲁棒性。

公开(公告)号：CN111326252A

公开(公告)日：2020-06-23

申请号：CN202010099618.3

申请日：2020-02-18

Applicant: 杭州电子科技大学

Inventor： 高云园 ,  黄威 ,  王宗印 ,  刘宏明 ,  孟明 ,  马玉良

IPC: G16H50/20 ,  G06K9/62 ,  A61B5/0488 ,  A61B5/04 ,  A61B5/00

Abstract: 本发明提出了一种基于肌间协同和肌间耦合运动功能分析方法；本发明采集了三维空间力的产生维持过程中，8通道表面肌电信号，首先利用非负矩阵分解算法提取肌肉的运动模块和激活系数；然后利用一致性分析方法计算协同肌肉对和非协同肌肉对八个象限的肌间相干性。最后利用显著性面积指标对比中风病人和正常人之间肌肉耦合关系的差异。本发明通过对多通道肌间协同-耦合分析，体现了中枢神经系统对三维力的产生的控制模式，为运动功能障碍的诊断和康复效果的评价提供依据。

公开(公告)号：CN109674445A

公开(公告)日：2019-04-26

申请号：CN201811313078.3

申请日：2018-11-06

Applicant: 杭州电子科技大学

Inventor： 高云园 ,  黄威 ,  陈强 ,  佘青山 ,  席旭刚 ,  马玉良

IPC: A61B5/00 ,  A61B5/0488

CPC classification number: A61B5/0488 ,  A61B5/7203 ,  A61B5/7235

Abstract: 本发明提出了一种结合非负矩阵分解和复杂网络的肌间耦合分析方法；本发明采集了不同握力输出时，7通道表面肌电信号，首先采用广义偏定向相干计算多通道之间的相干性；然后用非负矩阵分解算法对相干性值进行分解；最后用复杂网络建立不同条件下的肌肉功能网络。利用图论的特征指标，评估肌肉功能网络信息流的传递效率。结果显示：不同握力下肌肉的激活程度存在显著性差异；肌肉间的耦合在10～20Hz波段上较为显著；并且在10～20Hz波段上其耦合程度随着握力水平不同呈现显著性变化。本发明通过对多通道肌间耦合分析，体现了中枢神经系统对不同输出握力的控制模式，为运动功能障碍的诊断和康复效果的评价提供依据。

公开(公告)号：CN109674445B

公开(公告)日：2021-10-08

申请号：CN201811313078.3

申请日：2018-11-06

Applicant: 杭州电子科技大学

Inventor： 高云园 ,  黄威 ,  陈强 ,  佘青山 ,  席旭刚 ,  马玉良

IPC: A61B5/00 ,  A61B5/397 ,  A61B5/389

Abstract: 本发明提出了一种结合非负矩阵分解和复杂网络的肌间耦合分析方法；本发明采集了不同握力输出时，7通道表面肌电信号，首先采用广义偏定向相干计算多通道之间的相干性；然后用非负矩阵分解算法对相干性值进行分解；最后用复杂网络建立不同条件下的肌肉功能网络。利用图论的特征指标，评估肌肉功能网络信息流的传递效率。结果显示：不同握力下肌肉的激活程度存在显著性差异；肌肉间的耦合在10～20Hz波段上较为显著；并且在10～20Hz波段上其耦合程度随着握力水平不同呈现显著性变化。本发明通过对多通道肌间耦合分析，体现了中枢神经系统对不同输出握力的控制模式，为运动功能障碍的诊断和康复效果的评价提供依据。