-
公开(公告)号：CN119024453A
公开(公告)日：2024-11-26
申请号：CN202410941138.5
申请日：2024-07-15
Applicant: 淮北矿业股份有限公司 , 安徽理工大学
Abstract: 本发明涉及电气安全技术领域，尤其涉及一种变电所人员绝缘服穿戴检测装置。本发明提供一种能够自动对工作人员的绝缘服穿戴情况进行检测，提高检测效率和准确性，并降低人力资源的消耗的变电所人员绝缘服穿戴检测装置。一种变电所人员绝缘服穿戴检测装置，包括有底座、支撑板、安装壁、栅栏和穿戴检测机构，底座上连接有支撑板，底座和支撑板一侧之间连接有安装壁，支撑板两端均连接有栅栏，支撑板上连接有穿戴检测机构。本发明通过使工作人员站立在检测台上，再通过第一电机控制旋转架带动检测探头进行转动，通过检测探头进行视觉检测，能够达到自动对工作人员的绝缘服穿戴情况进行检测，提高检测效率和准确性，并降低人力资源的消耗的效果。
-
公开(公告)号：CN118506280A
公开(公告)日：2024-08-16
申请号：CN202410676858.3
申请日：2024-05-29
Applicant: 淮北矿业股份有限公司 , 安徽理工大学
IPC: G06V20/52 , G06V40/20 , G06V40/16 , G06V10/764 , G06F3/042
Abstract: 本发明涉及煤矿安全技术领域，尤其涉及一种煤矿安全管控装置。本发明提供一种能够帮助操作人员快速发现并纠正不规范的倒闸行为，提高检测的准确性和效率，保障电网的安全稳定运行的煤矿安全管控装置。一种煤矿安全管控装置，包括有驱动模块、安装箱、数据处理模块和人机交互界面模块等，安装箱下侧连接有驱动模块，安装箱上部连接有数据处理模块，安装箱上部前侧连接有人机交互界面模块。本发明通过目标检测模块实时采集图像，实时识别图像中各种类型的设备和物品及其所在状态，并对操作人员的倒闸行为进行实时监测和分析，能够达到帮助操作人员快速发现并纠正不规范的倒闸行为，提高检测的准确性和效率，保障电网的安全稳定运行的效果。
-
Patent Agency Ranking
公开(公告)号：CN119385369A
公开(公告)日：2025-02-07
申请号：CN202410994652.5
申请日：2024-07-24
Applicant: 淮北矿业股份有限公司
Abstract: 本发明涉及煤矿安全生产技术领域，尤其涉及一种煤矿人员行为安全监控装置。本发明提供一种便于对煤矿人员的生产作业进行实时全面监控，且能够对煤矿人员的违规人员进行及时的提醒和限制，避免安全事故发生的煤矿人员行为安全监控装置。一种煤矿人员行为安全监控装置，包括有安全帽和连接架等，安全帽左部下侧连接有连接架。本发明通过将监视探头固定在煤矿人员的工作区域，并调节监控探头至最佳的监控角度，并在监控到违规作业时，启动串励电机，使得转动弧形板展开对煤矿人员进行妨碍，达到了便于对煤矿人员的生产作业进行实时全面监控，且能够对煤矿人员的违规人员进行及时的提醒和限制，避免安全事故发生的效果。
-
公开(公告)号：CN116561569A
公开(公告)日：2023-08-08
申请号：CN202310319690.6
申请日：2023-03-29
Applicant: 安徽理工大学
IPC: G06F18/214 , G06F18/24 , G06Q10/04 , G06Q10/0639 , G06Q50/06 , G06F17/14
Abstract: 本发明公开了一种基于EO特征选择结合AdaBoost算法的工业电力负荷辨识方法，包括采集工业用电场景中多种设备的电力负荷参数，构建原始功率数据集，对所述数据进行预处理，并根据一定比例规则的划分数据集为训练集和测试集；考虑到采集样本的质量和电力负荷的复杂性，对原始功率数据进行时频域特征提取；使用EO作为基于包装器的特征选择算法，通过DA筛选出最优特征子集；将筛选出的最优特征子集输入至AdaBoost模型进行训练，得到训练好的模型。使用测试集进行识别实验，并输出数据对应的类别和准确率。此方法有效提高了工业用电场景下电力负荷的识别准确率，解决了传统电力负荷识别模型复杂度高难以实际应用在工业现场的问题。
-
公开(公告)号：CN117197434B
公开(公告)日：2024-04-09
申请号：CN202311161223.1
申请日：2023-09-11
Applicant: 安徽理工大学
IPC: G06V10/25 , G06V10/26 , G06V10/774 , G06V10/80 , G06V10/82 , G06V10/764
Abstract: 本发明公开了一种基于AMFNet网络融合模型的肺部医学影像精准识别方法，该方法包含如下步骤：1)选取Kaggle的多种肺部常见疾病识别公共数据集中的X射线影像，采用Mobile‑Unet进行肺实质区域精细化分割，获取分割后影像数据集；2)搭建AMFNet网络融合模型，本文提出了Fusion Basic Block层和Multiscale Layer层，并且构建了基于这两个单元的特征提取主网络MFNet，选取ResNet50作为特征提取次网络模型，融合权重层则是由自适应优化器优化网络权重，特征提取主网络的主要特征提取部分使用的是类似于稠密网络的基础结构，包括有密集连接的Fusion Basic Block和保留多尺度特征的中间层Multiscale Layer，最后设计出AMFNet网络融合模型；3)将预处理后的训练集、验证集输入改进的AMFNet网络融合模型中，经过多轮训练得到模型参数，最后将测试集图像输入改进后的模型中，实现肺部医学影像精准识别。
-
公开(公告)号：CN117197434A
公开(公告)日：2023-12-08
申请号：CN202311161223.1
申请日：2023-09-11
Applicant: 安徽理工大学
IPC: G06V10/25 , G06V10/26 , G06V10/774 , G06V10/80 , G06V10/82 , G06V10/764
Abstract: 本发明公开了一种基于AMFNet网络融合模型的肺部医学影像精准识别方法，该方法包含如下步骤：1)选取Kaggle的多种肺部常见疾病识别公共数据集中的X射线影像，采用Mobile‑Unet进行肺实质区域精细化分割，获取分割后影像数据集；2)搭建AMFNet网络融合模型，本文提出了Fusion Basic Block层和Multiscale Layer层，并且构建了基于这两个单元的特征提取主网络MFNet，选取ResNet50作为特征提取次网络模型，融合权重层则是由自适应优化器优化网络权重，特征提取主网络的主要特征提取部分使用的是类似于稠密网络的基础结构，包括有密集连接的Fusion Basic Block和保留多尺度特征的中间层Multiscale Layer，最后设计出AMFNet网络融合模型；3)将预处理后的训练集、验证集输入改进的AMFNet网络融合模型中，经过多轮训练得到模型参数，最后将测试集图像输入改进后的模型中，实现肺部医学影像精准识别。
-
公开(公告)号：CN116612313A
公开(公告)日：2023-08-18
申请号：CN202310398774.3
申请日：2023-04-11
Applicant: 安徽理工大学
IPC: G06V10/764 , G06V10/774 , G06V10/26 , G06V10/82 , G06V10/80 , G06V10/40 , G06N3/045 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种基于改进EfficientNet‑B0的肺结节良恶性分类方法，该方法包含如下步骤：1)选取LIDC‑IDRI数据集中大于等于3mm的肺结节图像，采用U‑Net+++进行肺结节区域精细化分割，获取分割后图像数据集；2)改进EfficientNet‑B0模型，将第一层普通3×3卷积替换为多尺度特征融合模块(MSFM),提高了深度学习网络对肺结节浅层特征的提取，然后将MBConv模块用ECA注意力机制重新搭建出ECA‑MBConv模块；3)将预处理后的训练图像数据集、验证图像数据集输入到改进的EfficientNet‑B0模型中,经过多轮训练得到模型参数，最后将测试集图像输入改进后的模型中，实现肺结节良恶性分类。
-
-
-
-
-
-
Search Results
7
records
(took 0.03 seconds)
