CN115055225A - 一种确定脱壳机最优工作状态的方法及系统 - Google Patents

一种确定脱壳机最优工作状态的方法及系统 Download PDF

Info

Publication number
CN115055225A
CN115055225A CN202210989607.1A CN202210989607A CN115055225A CN 115055225 A CN115055225 A CN 115055225A CN 202210989607 A CN202210989607 A CN 202210989607A CN 115055225 A CN115055225 A CN 115055225A
Authority
CN
China
Prior art keywords
working state
huller
optimal
working states
working
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN202210989607.1A
Other languages
English (en)
Inventor
薛玲玲
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Qidong Wanhui Machinery Manufacturing Co ltd
Original Assignee
Qidong Wanhui Machinery Manufacturing Co ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Qidong Wanhui Machinery Manufacturing Co ltd filed Critical Qidong Wanhui Machinery Manufacturing Co ltd
Priority to CN202210989607.1A priority Critical patent/CN115055225A/zh
Publication of CN115055225A publication Critical patent/CN115055225A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B02—CRUSHING, PULVERISING, OR DISINTEGRATING; PREPARATORY TREATMENT OF GRAIN FOR MILLING
    • B02B—PREPARING GRAIN FOR MILLING; REFINING GRANULAR FRUIT TO COMMERCIAL PRODUCTS BY WORKING THE SURFACE
    • B02B3/00—Hulling; Husking; Decorticating; Polishing; Removing the awns; Degerming
    • B02B3/08—Hulling; Husking; Decorticating; Polishing; Removing the awns; Degerming by means of beaters or blades
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B02—CRUSHING, PULVERISING, OR DISINTEGRATING; PREPARATORY TREATMENT OF GRAIN FOR MILLING
    • B02B—PREPARING GRAIN FOR MILLING; REFINING GRANULAR FRUIT TO COMMERCIAL PRODUCTS BY WORKING THE SURFACE
    • B02B7/00—Auxiliary devices

Landscapes

  • Disintegrating Or Milling (AREA)

Abstract

本发明涉及电数字数据处理技术领域，具体涉及一种确定脱壳机最优工作状态的方法及系统，该方法是一种特别适用于特定功能，具体是用于确定脱壳机最优工作状态的数字数据处理方法，包括：获取待脱壳物体在脱壳机不同工作状态下的破碎率，所述工作状态包括刀头转速和振动筛的振动幅度；基于任意两种工作状态对应的所述破碎率和振动幅度，对脱壳机的不同工作状态进行分组；基于破碎率确定工作状态最优组，基于脱壳效率在工作状态最优组中寻找最优工作状态。本发明通过对与脱壳机工作状态相关的若干个电数字数据进行处理，确定得到脱壳机的最佳工作状态。

Description

一种确定脱壳机最优工作状态的方法及系统
技术领域
本发明涉及电数字数据处理技术领域，具体涉及一种确定脱壳机最优工作状态的方法及系统。
背景技术
现有的流水线式的脱壳机，待脱壳物体在经过流水线中间的一道脱壳工序后，会再经过振动筛；而此种脱壳机往往是基于相关人员的经验调节设置脱壳机的工作状态，主观性较大，且不容易找到脱壳机的最优工作状态。
发明内容
为了解决上述技术问题，本发明的目的在于提供一种确定脱壳机最优工作状态的方法及系统，所采用的技术方案具体如下：
第一方面，本发明一个实施例提供了一种确定脱壳机最优工作状态的方法，该方法包括以下具体步骤：
获取待脱壳物体在脱壳机不同工作状态下的破碎率，所述工作状态包括刀头转速和振动筛的振动幅度；
基于任意两种工作状态对应的所述破碎率和振动幅度，对脱壳机的不同工作状态进行分组；
基于破碎率确定工作状态最优组，基于脱壳效率在工作状态最优组中寻找最优工作状态。
进一步地，所述破碎率的获取具体为：
根据刀头转速和脱壳后所脱壳的重量计算破碎率，所述破碎率与所述刀头转速和重量均成正相关关系，破碎率值越大，说明壳内物体破碎的越多。
进一步地，对脱壳机的不同工作状态进行分组具体为：
基于每种工作状态进行多次采样，获取破碎率序列和振动幅度序列；
基于任意两种工作状态对应的破碎率序列和振动幅度序列的相似度计算工作状态相似度；
根据所述工作状态相似度，利用聚类算法，对脱壳机的不同工作状态进行分组。
进一步地，基于每种工作状态对应的破碎率序列获取该工作状态下的参考破碎率；基于任意两种工作状态对应的参考破碎率的差值和振动幅度序列的相似度计算工作状态相似度。
进一步地，工作状态最优组中所脱壳的单位重量最大的工作状态为最优工作状态。
第二方面，本发明另一个实施例提供了一种确定脱壳机最优工作状态的系统，该系统具体包括：
破碎率计算模块，用于获取待脱壳物体在脱壳机不同工作状态下的破碎率，所述工作状态包括刀头转速和振动筛的振动幅度；
分组模块，用于基于任意两种工作状态对应的所述破碎率和振动幅度，对脱壳机的不同工作状态进行分组；
最优工作状态寻找模块，用于基于破碎率确定工作状态最优组，基于脱壳效率在工作状态最优组中寻找最优工作状态。
进一步地，所述破碎率的获取具体为：
根据刀头转速和脱壳后所脱壳的重量计算破碎率，所述破碎率与所述刀头转速和重量均成正相关关系，破碎率值越大，说明壳内物体破碎的越多。
进一步地，对脱壳机的不同工作状态进行分组具体为：
基于每种工作状态进行多次采样，获取破碎率序列和振动幅度序列；
基于任意两种工作状态对应的破碎率序列和振动幅度序列的相似度计算工作状态相似度；
根据所述工作状态相似度，利用聚类算法，对脱壳机的不同工作状态进行分组。
进一步地，基于每种工作状态对应的破碎率序列获取该工作状态下的参考破碎率；基于任意两种工作状态对应的参考破碎率的差值和振动幅度序列的相似度计算工作状态相似度。
进一步地，工作状态最优组中所脱壳的单位重量最大的工作状态为最优工作状态。
本发明实施例至少具有如下有益效果：
1、本发明是一种特别适用于特定功能，即用于确定脱壳机最优工作状态的数字数据处理方法，其中，基于任意两种工作状态对应的所述破碎率和振动幅度，对脱壳机的不同工作状态进行分组，并基于脱壳效率在工作状态最优组中寻找最优工作状态；本发明通过对与脱壳机工作状态相关的若干个电数字数据进行处理，确定得到脱壳机的最佳工作状态，寻找到的最优工作状态对应的脱壳效率高且待脱壳物体的破碎率小。
2、本发明中基于刀头转速和脱壳后所脱壳的重量计算破碎率，计算方法简单，且可准确表征脱壳机在不同工作状态下的破碎率。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案和优点，下面将对实施例或现有技术描述中所需要使用的附图作简单的介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其它附图。
图1为本发明方法实施例的步骤流程图。
具体实施方式
为了更进一步阐述本发明为达成预定发明目的所采取的技术手段及功效，以下结合附图及较佳实施例，对依据本发明提出的一种确定脱壳机最优工作状态的方法及系统，其具体实施方式、结构、特征及其功效，详细说明如下。在下述说明中，不同的“一个实施例”或“另一个实施例”指的不一定是同一实施例。此外，一或多个实施例中的特定特征、结构、或特点可由任何合适形式组合。
除非另有定义，本文所使用的所有的技术和科学术语与属于本发明的技术领域的技术人员通常理解的含义相同。
本发明实施例以下面的应用场景为例对本发明进行说明：
该应用场景为：本发明中所述脱壳机至少包括脱壳装置和振动筛，其中，待脱壳物体经过脱壳装置进行脱壳处理后，还需要经过振动筛，经过振动筛后再经过相关工序的处理，最终待脱壳物体的壳和果仁从两个出口输出。
下面结合附图具体的说明本发明所提供的一种确定脱壳机最优工作状态的方法及系统的具体方案。
请参阅图1，其示出了本发明一个实施例提供的一种确定脱壳机最优工作状态的方法的步骤流程图，该方法包括以下步骤：
获取待脱壳物体在脱壳机不同工作状态下的破碎率，所述工作状态包括刀头转速和振动筛的振动幅度；
基于任意两种工作状态对应的所述破碎率和振动幅度，对脱壳机的不同工作状态进行分组；基于破碎率确定工作状态最优组，基于脱壳效率在工作状态最优组中寻找最优工作状态。
下面对上述各个步骤进行详细展开：
步骤S1，获取待脱壳物体在脱壳机不同工作状态下的破碎率，所述工作状态包括刀头转速和振动筛的振动幅度。
优选地，所述破碎率的获取具体为：根据刀头转速和脱壳后所脱壳的重量计算破碎率，所述破碎率与所述刀头转速和重量均成正相关关系，破碎率值越大，说明壳内物体破碎的越多。作为一个示例，破壳率的计算方法为：
Figure 822567DEST_PATH_IMAGE001
Figure 880653DEST_PATH_IMAGE002
为破碎率，破碎率值越大，待脱壳物体的壳内物体破碎的越多；
Figure 394811DEST_PATH_IMAGE003
为表征刀头转速大小的特征，可以为刀头功率，也可以是根据刀头转速计算得到的刀头转速表征值，刀头转速表征值与刀头转速呈正相关关系；
Figure 852337DEST_PATH_IMAGE004
为脱壳机工作一段时间后所脱壳的重量，若待脱壳物体的经过脱壳装置后其壳内物体破碎，则破碎的壳内物体会从壳的出口输出；在不同的脱壳机工作状态下，分别将等重量的待脱壳物体送入脱壳机，并统计脱壳机每种工作状态对应的所脱壳的重量，则所脱壳的重量值越大，说明相应的工作状态对应的破碎率值越大，完整的壳内物体的重量或数量越少。
步骤S2，基于任意两种工作状态对应的所述破碎率和振动幅度，对脱壳机的不同工作状态进行分组。
优选地，对脱壳机的不同工作状态进行分组具体为：基于每种工作状态进行多次采样，获取破碎率序列和振动幅度序列；基于任意两种工作状态对应的破碎率序列和振动幅度序列的相似度计算工作状态相似度；根据所述工作状态相似度，利用聚类算法，对脱壳机的不同工作状态进行分组。
需要注意，每次采样获取所脱壳的重量后要将重量清零，即破碎率序列中的每个破碎率为每个采样时间间隔内脱壳机的破碎率。
一个实施方式中，基于每种工作状态对应的破碎率序列获取该工作状态下的参考破碎率；基于任意两种工作状态对应的参考破碎率的差值和振动幅度序列的相似度计算工作状态相似度。优选地，实施例中工作状态相似度的计算方法为：
Figure 981224DEST_PATH_IMAGE005
Figure 866003DEST_PATH_IMAGE006
为脱壳机
Figure 946086DEST_PATH_IMAGE007
和
Figure 207303DEST_PATH_IMAGE008
两种工作状态的相似度，
Figure 187766DEST_PATH_IMAGE006
值越大，
Figure 243446DEST_PATH_IMAGE007
和
Figure 810825DEST_PATH_IMAGE008
两种工作状态越相似，待脱壳物体经过脱壳机处理后的物体状态越相似；
Figure 344575DEST_PATH_IMAGE009
和
Figure 182474DEST_PATH_IMAGE010
分别为
Figure 940215DEST_PATH_IMAGE007
和
Figure 729310DEST_PATH_IMAGE008
两种工作状态对应的参考破碎率，优选地，实施例中
Figure 66751DEST_PATH_IMAGE009
和
Figure 818544DEST_PATH_IMAGE010
两个参考破碎率分别为
Figure 419289DEST_PATH_IMAGE007
和
Figure 757998DEST_PATH_IMAGE008
两种工作状态对应的破碎率序列的中值；
Figure 367971DEST_PATH_IMAGE011
和
Figure 168744DEST_PATH_IMAGE012
分别为
Figure 143653DEST_PATH_IMAGE007
和
Figure 671455DEST_PATH_IMAGE008
两种工作状态对应的振动幅度序列，
Figure 616277DEST_PATH_IMAGE013
为基于动态时间规整算法计算得到的两个振动幅度序列之间的差异距离，即两个振动幅度序列的相似度。
另一个实施方式中，基于任意两种工作状态对应的破碎率序列和振动幅度序列的相似度计算工作状态相似度：任意两种工作状态对应的破碎率序列的相似度与任意两种工作状态对应的振动幅度序列的相似度的乘积为任意两种工作状态的相似度；任意两种工作状态对应的破碎率序列越相似，两个破碎率序列的相似度值越大，任意两种工作状态对应的振动幅度序列越相似，两个振动幅度序列的相似度值越大，进而所述任意两种工作状态的相似度值越大，任意两种工作状态越相似。
优选地，根据所述工作状态相似度，利用聚类算法，对脱壳机的不同工作状态进行分组：需要将任意两种工作状态的工作状态相似度转换为聚类所需的距离，具体地，工作状态相似度的倒数为两种工作状态的状态差异距离；实施例利用DBSCAN算法，基于状态差异距离对脱壳机的若干工作状态进行聚类分组；其中，可基于状态差异距离和想要的聚类簇数人为的设置聚类半径，优选地，实施例中将脱壳机的若干工作状态分为三组。
步骤S3，基于破碎率确定工作状态最优组，基于脱壳效率在工作状态最优组中寻找最优工作状态。
对脱壳机的若干工作状态进行分组后，基于每个组中每个工作状态对应的破碎率序列，确定工作状态最优组，具体地，对于每个组，获取组内每种工作状态对应的破碎率序列的参考破碎率，获取参考破碎率均值；根据每个组对应的参考破碎率均值的大小寻找工作状态最优组，即参考破碎率均值最小的组为工作状态最优组。
基于脱壳效率在工作状态最优组中寻找最优工作状态：工作状态最优组中所脱壳的单位重量最大的工作状态为最优工作状态；对于每种工作状态，该工作状态下脱壳机对应的所脱壳的单位重量的计算方法为，该工作状态下一段时间T内脱壳机所脱壳的重量与时间T的比值为所脱壳的单位重量。
基于与上述方法实施例相同的发明构思，本发明一个实施例提供了一种确定脱壳机最优工作状态的系统，该系统包括：
破碎率计算模块，用于获取待脱壳物体在脱壳机不同工作状态下的破碎率，所述工作状态包括刀头转速和振动筛的振动幅度；
分组模块，用于基于任意两种工作状态对应的所述破碎率和振动幅度，对脱壳机的不同工作状态进行分组；
最优工作状态寻找模块，用于基于破碎率确定工作状态最优组，基于脱壳效率在工作状态最优组中寻找最优工作状态。
需要说明的是：上述本发明实施例先后顺序仅仅为了描述，不代表实施例的优劣。且上述对本说明书特定实施例进行了描述。其它实施例在所附权利要求书的范围内。在一些情况下，在权利要求书中记载的动作或步骤可以按照不同于实施例中的顺序来执行并且仍然可以实现期望的结果。另外，在附图中描绘的过程不一定要求示出的特定顺序或者连续顺序才能实现期望的结果。在某些实施方式中，多任务处理和并行处理也是可以的或者可能是有利的。
本说明书中的各个实施例均采用递进的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。
以上所述仅为本发明的较佳实施例，并不用以限制本发明，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (10)

1.一种确定脱壳机最优工作状态的方法，其特征在于，该方法包括：
获取待脱壳物体在脱壳机不同工作状态下的破碎率，所述工作状态包括刀头转速和振动筛的振动幅度；
基于任意两种工作状态对应的所述破碎率和振动幅度，对脱壳机的不同工作状态进行分组；
基于破碎率确定工作状态最优组，基于脱壳效率在工作状态最优组中寻找最优工作状态。
2.如权利要求1所述的方法，其特征在于，所述破碎率的获取具体为：
根据刀头转速和脱壳后所脱壳的重量计算破碎率，所述破碎率与所述刀头转速和重量均成正相关关系，破碎率值越大，说明壳内物体破碎的越多。
3.如权利要求2所述的方法，其特征在于，对脱壳机的不同工作状态进行分组具体为：
基于每种工作状态进行多次采样，获取破碎率序列和振动幅度序列；
基于任意两种工作状态对应的破碎率序列和振动幅度序列的相似度计算工作状态相似度；
根据所述工作状态相似度，利用聚类算法，对脱壳机的不同工作状态进行分组。
4.如权利要求3所述的方法，其特征在于，基于每种工作状态对应的破碎率序列获取该工作状态下的参考破碎率；基于任意两种工作状态对应的参考破碎率的差值和振动幅度序列的相似度计算工作状态相似度。
5.如权利要求4所述的方法，其特征在于，工作状态最优组中所脱壳的单位重量最大的工作状态为最优工作状态。
6.一种确定脱壳机最优工作状态的系统，其特征在于，该系统包括：
破碎率计算模块，用于获取待脱壳物体在脱壳机不同工作状态下的破碎率，所述工作状态包括刀头转速和振动筛的振动幅度；
分组模块，用于基于任意两种工作状态对应的所述破碎率和振动幅度，对脱壳机的不同工作状态进行分组；
最优工作状态寻找模块，用于基于破碎率确定工作状态最优组，基于脱壳效率在工作状态最优组中寻找最优工作状态。
7.如权利要求6所述的系统，其特征在于，所述破碎率的获取具体为：
根据刀头转速和脱壳后所脱壳的重量计算破碎率，所述破碎率与所述刀头转速和重量均成正相关关系，破碎率值越大，说明壳内物体破碎的越多。
8.如权利要求7所述的系统，其特征在于，对脱壳机的不同工作状态进行分组具体为：
基于每种工作状态进行多次采样，获取破碎率序列和振动幅度序列；
基于任意两种工作状态对应的破碎率序列和振动幅度序列的相似度计算工作状态相似度；
根据所述工作状态相似度，利用聚类算法，对脱壳机的不同工作状态进行分组。
9.如权利要求8所述的系统，其特征在于，基于每种工作状态对应的破碎率序列获取该工作状态下的参考破碎率；基于任意两种工作状态对应的参考破碎率的差值和振动幅度序列的相似度计算工作状态相似度。
10.如权利要求9所述的系统，其特征在于，工作状态最优组中所脱壳的单位重量最大的工作状态为最优工作状态。
CN202210989607.1A 2022-08-18 2022-08-18 一种确定脱壳机最优工作状态的方法及系统 Pending CN115055225A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210989607.1A CN115055225A (zh) 2022-08-18 2022-08-18 一种确定脱壳机最优工作状态的方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210989607.1A CN115055225A (zh) 2022-08-18 2022-08-18 一种确定脱壳机最优工作状态的方法及系统

Publications (1)

Publication Number Publication Date
CN115055225A true CN115055225A (zh) 2022-09-16

Family

ID=83207448

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210989607.1A Pending CN115055225A (zh) 2022-08-18 2022-08-18 一种确定脱壳机最优工作状态的方法及系统

Country Status (1)

Country Link
CN (1) CN115055225A (zh)

Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20080089996A1 (en) * 2006-10-13 2008-04-17 Satake Corporation Method of and apparatus for processing corn grains for production of ethanol
CN203530272U (zh) * 2013-10-14 2014-04-09 中国农业机械化科学研究院 一种亚麻籽脱壳分离装置
CN103920555A (zh) * 2013-01-13 2014-07-16 西北农林科技大学 一种苦荞麦非热脱壳方法及其脱壳装置
CN111571681A (zh) * 2020-05-22 2020-08-25 武汉轻工大学 莲子脱壳机
CN114468225A (zh) * 2021-12-28 2022-05-13 哈尔滨商业大学 一种富硒、锌全谷物重组米的制备方法
CN114534829A (zh) * 2021-12-31 2022-05-27 长沙万华机器有限公司 一种砻谷机的智能控制方法及系统、砻谷机
CN114626486A (zh) * 2022-05-13 2022-06-14 启东市鸿盛纺织有限公司 基于人工智能的纺织布料前处理工艺优化方法
CN114638280A (zh) * 2022-01-30 2022-06-17 江苏东佳电气有限公司 基于本地设备网络的防爆电机轴承温度异常监测系统
CN114742831A (zh) * 2022-06-10 2022-07-12 南通博鎏机电科技有限公司 基于人工智能的电动批头的质量检测方法

Patent Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20080089996A1 (en) * 2006-10-13 2008-04-17 Satake Corporation Method of and apparatus for processing corn grains for production of ethanol
CN103920555A (zh) * 2013-01-13 2014-07-16 西北农林科技大学 一种苦荞麦非热脱壳方法及其脱壳装置
CN203530272U (zh) * 2013-10-14 2014-04-09 中国农业机械化科学研究院 一种亚麻籽脱壳分离装置
CN111571681A (zh) * 2020-05-22 2020-08-25 武汉轻工大学 莲子脱壳机
CN114468225A (zh) * 2021-12-28 2022-05-13 哈尔滨商业大学 一种富硒、锌全谷物重组米的制备方法
CN114534829A (zh) * 2021-12-31 2022-05-27 长沙万华机器有限公司 一种砻谷机的智能控制方法及系统、砻谷机
CN114638280A (zh) * 2022-01-30 2022-06-17 江苏东佳电气有限公司 基于本地设备网络的防爆电机轴承温度异常监测系统
CN114626486A (zh) * 2022-05-13 2022-06-14 启东市鸿盛纺织有限公司 基于人工智能的纺织布料前处理工艺优化方法
CN114742831A (zh) * 2022-06-10 2022-07-12 南通博鎏机电科技有限公司 基于人工智能的电动批头的质量检测方法

Similar Documents

Publication Publication Date Title
CN110619049A (zh) 一种基于深度学习的报文异常检测方法
CN110796027A (zh) 一种基于紧密卷积的神经网络模型的声音场景识别方法
CN110718235A (zh) 异常声音检测的方法、电子设备及存储介质
CN110491392A (zh) 一种基于说话人身份的音频数据清洗方法、装置和设备
CN108478216A (zh) 一种基于卷积神经网络的癫痫病发作前期智能预测方法
CN109726822B (zh) 运算方法、装置及相关产品
Pande et al. An efficient approach to fruit classification and grading using deep convolutional neural network
CN116825131A (zh) 融合频带自向下注意力机制的电厂设备状态听觉监测方法
CN115055225A (zh) 一种确定脱壳机最优工作状态的方法及系统
CN115909675A (zh) 一种分布式边缘计算的电力设备声音监测方法
Dahiya et al. Refining of image using self-organizing map with clustering
CN117612087A (zh) 基于鸟类物种识别的输电杆塔驱鸟方法、设备及系统
CN108647085A (zh) 处理数据的方法、终端及系统
CN117725963A (zh) 一种用于Transformer模型推理计算的方法、系统及装置
CN110288604A (zh) 基于K-means的图像分割方法和装置
TWI840784B (zh) 嵌入表的產生方法與索引濃縮方法
CN114863950A (zh) 一种基于异常检测的婴儿哭声检测、网络建立方法和系统
Liao et al. Convolution filter pruning for transfer learning on small dataset
Mezni et al. Bearing fault severity classification based on EMD-KLD: A comparative study for incipient ball faults
Chen et al. Feature Analysis and Optimization of Underwater Target Radiated Noise Based on t-SNE
US20140343944A1 (en) Method of visual voice recognition with selection of groups of most relevant points of interest
CN106023062B (zh) 基于窗口运算的数据处理方法、系统以及装置
CN116703829B (zh) 一种用于荞麦剥壳机的荞麦剥壳参数在线检测方法及系统
CN113407118A (zh) 一种数据存储装置
Cai et al. A Contrastive Semi-Supervised Learning Framework For Anomaly Sound Detection.

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
WD01 Invention patent application deemed withdrawn after publication

Application publication date: 20220916

WD01 Invention patent application deemed withdrawn after publication