-
公开(公告)号:CN113959979B
公开(公告)日:2022-07-29
申请号:CN202111268716.6
申请日:2021-10-29
Applicant: 燕山大学
IPC: G01N21/359 , G06N3/04
Abstract: 本发明涉及基于深度Bi‑LSTM网络的近红外光谱模型迁移方法,属于近红外模型转移技术领域,包括获取源域和目标域光谱数据;对源域光谱数据进行数据增强;对源域和目标域光谱数据预处理;将源域和目标域光谱数据划分;设计Bi‑LSTM网络结构;使用源域光谱数据训练Bi‑LSTM网络结构;提取所有Bi‑LSTM层,并加入全连接层构成神经网络;使用目标域校正集和验证集近红外光谱数据训练全连接层并更新神经网络各层间的权重与偏差;使用目标域预测集近红外光谱数据测试迁移模型,评估模型迁移效果和抗噪能力。本发明实现从目标域定量模型向源域定量模型的迁移,节约了大量重建模型的时间且保持了较高精度的预测。
-
公开(公告)号:CN113607684A
公开(公告)日:2021-11-05
申请号:CN202110946350.7
申请日:2021-08-18
Applicant: 燕山大学
IPC: G01N21/359 , G06N3/04 , G06N3/08
Abstract: 本申请公开了一种基于GAF图像和四元数卷积的光谱定性建模方法,属于近红外光谱分析领域,该方法包括以下步骤:测得待测样本的近红外光谱数据;对原始光谱进行多元散射矫正,一阶导数等预处理;将处理后的光谱进行归一化;将归一化后的光谱数据在极坐标中进行表示;将处理后的光谱数据转换成格拉姆彩色图像;将彩色图像基于四元数理论表示生成四元数彩色图像矩阵;建立四元数卷积神经网络模型并优化模型参数建立定性模型。本发明利用格拉姆角场图像、四元数和深度学习算法对近红外光谱进行特征提取,充分挖掘原始光谱数据的深层特征,建立性能更优的近红外光谱定性分析模型。
-
公开(公告)号:CN111579212A
公开(公告)日:2020-08-25
申请号:CN202010460379.X
申请日:2020-05-27
Applicant: 燕山大学
IPC: G01M11/00
Abstract: 本发明涉及一种基于MRTD的显微热成像系统性能评价方法及系统。所述方法包括根据显微热成像系统的光路结构确定显微热成像系统的光谱辐射通量差;根据显微热成像系统的成像过程,确定显微热成像系统接收到的待测目标的图像信噪比;根据所述光谱辐射通量差和所述待测目标的图像信噪比确定显微热成像系统的输出图像信噪比;根据所述显微热成像系统的输出图像信噪比、所述显微热成像系统的噪声等效温差以及望远模式的最小可分辨率温差确定显微热成像系统的最小可分辨率温差;根据所述显微热成像系统的最小可分辨率温差对所述显微热成像系统的温度分辨能力进行评价。本发明能够准确、全面地评估显微热成像系统的性能。
-
公开(公告)号:CN112782148B
公开(公告)日:2023-01-03
申请号:CN202110192020.3
申请日:2021-02-19
Applicant: 燕山大学
Abstract: 本发明公开了阿拉比卡和罗伯斯塔两种咖啡豆的快速鉴别方法,属于食品检测技术领域,利用阿拉比卡与罗伯斯塔两种咖啡豆样本均在拉曼光谱波段有明显吸收的现象,得到拉曼光谱的原始数据,将原始数据扣除基线并进行平滑滤波处理,然后添加高斯白噪声用于扩充数据,然后将每种咖啡豆扩充后的数据放入LSTM神经网络进行训练与测试,本发明首次提出拉曼光谱与LSTM神经网络相结合的方法对咖啡豆种类进行鉴别,具有操作简单、分析结果准确的优点。
-
公开(公告)号:CN114881113A
公开(公告)日:2022-08-09
申请号:CN202210349178.1
申请日:2022-04-01
Applicant: 燕山大学
IPC: G06K9/62
Abstract: 本发明涉及基于改进蜜獾算法结合近红外光谱的阻燃塑料分类方法,属于近红外光谱应用技术领域,包括:对阻燃塑料近红外光谱的原始数据集进行预处理,并按照7∶3的比例随机分为训练集和测试集;利用SVM算法建立阻燃塑料近红外光谱的分类模型;利用训练集结合MPA‑HBA算法优化SVM模型的参数c和g;选取最优的SVM参数构建模型,对测试集数据进行分类并判断分类结果的正确率。本发明采用近红外光谱检测技术结合寻优算法和分类算法在阻燃塑料分类检测领域的应用填补了我国在工业上阻燃塑料快速无损检测的空白,具有检测速度快、检测准确率高、相较传统检测无污染等优点。
-
公开(公告)号:CN113467238A
公开(公告)日:2021-10-01
申请号:CN202110721620.4
申请日:2021-06-28
Applicant: 燕山大学
IPC: G05B13/04
Abstract: 本发明提供了一种智慧旱雪场的浇水控制方法,该智慧旱雪场的滑雪跑道上分布有湿度传感器阵列;该方法包括:基于湿度传感器阵列,采用插值方法建立旱雪场的三维数学模型;针对三维数学模型,在有约束的条件下,采用粒子群算法确定需浇水区域的全局最优解;基于需浇水区域,确定干燥梯度图;将干燥梯度图的中心作为浇水中心,以中心为圆心画最小圆,使其包含所有的干燥部分,将最小圆的半径作为浇水半径;按照浇水中心和浇水半径控制喷头对旱雪场洒水。本发明中,基于传感器阵列建模、利用人工智能算法求解洒水区域以及洒水量,从而达到时刻保持旱雪场滑道的湿度,提高滑道的使用寿命并且使滑道的湿度可控,使滑道难度调节更灵活。
-
公开(公告)号:CN111912931A
公开(公告)日:2020-11-10
申请号:CN202010797532.8
申请日:2020-08-10
Applicant: 燕山大学
Abstract: 本发明涉及基于四元数主成分分析的TLC-SERS定量建模方法,属于化学计量学领域应用到食品添加剂检测。其包括以下步骤:金纳米粒子表面增强活性基底制备;样品的制备;样品进行薄层色谱展开;通过便携式拉曼光谱仪采集不同三聚氰胺浓度污染牛奶样品的表面增强拉曼光谱;表面增强拉曼光谱嵌入四元数空间并行表示;基于四元数主成分特征提取的多光谱特征交叉和特征融合;基于支持向量回归的三聚氰胺污染牛奶样品定量预测模型建立。本发明将四元数主成分分析算法引入化学计量学,通过挖掘薄层色谱分离后沿展开方向空间顺序分布的多通道光谱之间的相关性,解决传统TLC-SERS联用技术难以进行定量分析的挑战。
-
公开(公告)号:CN109489832A
公开(公告)日:2019-03-19
申请号:CN201811391416.5
申请日:2018-11-21
Applicant: 燕山大学
Abstract: 本发明公开一种带光学平板微扫描器的制冷型显微热成像装置及方法。该显微热成像装置包括制冷焦平面探测器、红外显微物镜、红外光学平板、光学平板支座、自动旋转平台;红外显微物镜位于自动旋转平台的下方;光学平板支座固定在自动旋转平台上,红外光学平板与红外显微物镜的光轴保持倾角θ并固定在光学平板支座上。本发明通过在红外显微物镜和制冷焦平面探测器之间插入光学平板微扫描器,得到一种带光学平板微扫描器的制冷型显微热成像装置及方法,相比相同倍率和相同制冷焦平面探测器的显微热成像装置具有更高的空间分辨力和温度分辨力。
-
公开(公告)号:CN119181111A
公开(公告)日:2024-12-24
申请号:CN202411275347.7
申请日:2024-09-12
Applicant: 燕山大学
IPC: G06V40/10 , G06V10/25 , G06V10/80 , G06V10/82 , G06N3/0464
Abstract: 本发明公开了一种用于快速人体穴位识别的ACU‑YOLO深度学习方法,属于人体穴位检测技术领域,包括以下步骤:步骤S1:采集人体前胸穴位数据集;步骤S2:对步骤S1中的人体前胸穴位数据集进行预处理及标注,然后将人体前胸穴位数据集划分为用于训练的训练集、用于验证的验证集以及用于测试的测试集;步骤S3:搭建YOLOv10网络结构模型,对YOLOv10网络框架进行改进,得到ACU‑YOLO网络结构模型;步骤S4:使用步骤S2中的训练集对步骤S3中的ACU‑YOLO网络结构模型进行训练,得到人体前胸穴位检测模型;步骤S5:利用步骤S4中的人体前胸穴位检测模型,对测试集进行测试。本发明能够有效提高检测速度,并实现人体前胸穴位点更高程度的精准性。
-
公开(公告)号:CN115861679A
公开(公告)日:2023-03-28
申请号:CN202211417085.4
申请日:2022-11-11
Applicant: 燕山大学
IPC: G06V10/764 , G06V10/82 , G06N20/00 , G06N3/08 , G06V10/40 , G06V10/84 , G06V10/774 , G06V10/24 , G06V10/74 , G06N3/0464
Abstract: 本发明公开了一种结合马尔科夫转移场(Markov transfer field,MTF)和迁移学习的近红外定量建模方法,包括近红外光谱基线漂移校正;对近红外光谱数据增强;对数据集进行划分;结合马尔科夫转移场将一维光谱转换为二维光谱图像;将深度神经网络从图像分类任务修改为定量回归;对回归任务下的深度神经网络模型进行迁移学习来获得近红外定量网络模型。本发明首次将一维近红外光谱转换为MTF图像后,结合迁移学习训练获得特定任务下的预测精度高的近红外定量预测模型。
-
-
-
-
-
-
-
-
-