基于中空纤维膜的级联式微藻浓缩系统和方法

    公开(公告)号:CN118788148A

    公开(公告)日:2024-10-18

    申请号:CN202410905428.4

    申请日:2024-07-08

    Applicant: 浙江大学

    Inventor: 王晓萍 杨浩

    Abstract: 本发明公开了一种基于中空纤维膜的级联式微藻浓缩系统及方法,系统包括:一级膜处理器,二级膜处理器,原水容器,清水容器,控制器。本发明的级联式微藻浓缩系统基于外压式中空纤维膜组件实现微藻浓缩,具有良好的长期通量和耐污染性,由蠕动泵提供压力实现死端过滤,减小剪切力对微藻细胞的损伤,并通过级联小型和微型膜处理器实现二级浓缩,提高浓缩效率。

    1H-吡唑并[3,4-d]嘧啶类化合物在制备禾谷镰刀菌杀菌剂中的应用

    公开(公告)号:CN113287620A

    公开(公告)日:2021-08-24

    申请号:CN202110676355.2

    申请日:2021-06-18

    Applicant: 浙江大学

    Abstract: 本发明公开了1H‑吡唑并[3,4‑d]嘧啶类化合物或其农学上可接受的盐或其立体异构体在制备禾谷镰刀菌杀菌剂中的应用,属于杀菌剂领域。所述1H‑吡唑并[3,4‑d]嘧啶类化合物的结构式如式(Ⅰ)所示。本发明首次公开该类化合物具有抑制禾谷镰刀菌的促分裂原活化蛋白激酶(FgGpmk1)磷酸化方面的活性,通过抑制FgGpmk1磷酸化而发挥抗菌作用,同时能够抑制病原菌毒素的产生,且对农作物具有较好的安全性,因此,本发明所提供的化合物可用于禾谷镰刀菌侵染引起的作物赤霉病防治中,尤其针对小麦赤霉病,该类化合物作为杀菌剂具有良好的开发前景。

    一种检测移植肾功能的寡核苷酸芯片及其应用

    公开(公告)号:CN101122562A

    公开(公告)日:2008-02-13

    申请号:CN200710070244.7

    申请日:2007-07-27

    Applicant: 浙江大学

    Abstract: 本发明提供一种移植肾功能检测核苷酸芯片,由基质尼龙膜(1)、点样区(2)、固定在尼龙膜(1)表面矩阵分布的经修饰及杂交的寡核苷酸探针(3)组成,寡核苷酸探针(3),具有SEQ ID NO 1的序列,采用接触式打印的方法,将由BIO BASIC INC(Canda)公司合成的特异性代表一个基因的70bp的寡核苷酸片断点样于尼龙膜上。本发明设计合理,可早期、快速、廉价、准确检测移植肾功能,可在移植肾功能检测中应用。

    1H-吡唑并[3,4-d]嘧啶类化合物在制备禾谷镰刀菌杀菌剂中的应用

    公开(公告)号:CN113287620B

    公开(公告)日:2021-11-19

    申请号:CN202110676355.2

    申请日:2021-06-18

    Applicant: 浙江大学

    Abstract: 本发明公开了1H‑吡唑并[3,4‑d]嘧啶类化合物或其农学上可接受的盐或其立体异构体在制备禾谷镰刀菌杀菌剂中的应用,属于杀菌剂领域。所述1H‑吡唑并[3,4‑d]嘧啶类化合物的结构式如式(Ⅰ)所示。本发明首次公开该类化合物具有抑制禾谷镰刀菌的促分裂原活化蛋白激酶(FgGpmk1)磷酸化方面的活性,通过抑制FgGpmk1磷酸化而发挥抗菌作用,同时能够抑制病原菌毒素的产生,且对农作物具有较好的安全性,因此,本发明所提供的化合物可用于禾谷镰刀菌侵染引起的作物赤霉病防治中,尤其针对小麦赤霉病,该类化合物作为杀菌剂具有良好的开发前景。

    一种基于实例分割的赤潮藻密度与生物量统计方法及装置

    公开(公告)号:CN116977344A

    公开(公告)日:2023-10-31

    申请号:CN202310940574.6

    申请日:2023-07-28

    Applicant: 浙江大学

    Inventor: 王晓萍 杨浩

    Abstract: 本发明公开了一种基于实例分割的赤潮藻密度与生物量统计方法,包括:搭建显微成像系统;构建关于赤潮藻显微图像的数据集;基于数据集对实例分割模型进行训练,获得用于获取赤潮藻种群与轮廓点坐标的赤潮藻实例分割模型;将样品输入至赤潮藻实例分割模型,以获得显微图像中各赤潮藻的种群与轮廓点坐标;对每张显微图像进行赤潮藻密度和生物量计算,输出待测水样的检测结果。本发明还提供了一种赤潮藻密度与生物量统计装置。本发明提供的方法可以实现赤潮藻密度与生物量的自动化统计,并基于古鲁金第二定理估算赤潮藻体积,提高赤潮藻体积和生物量统计的准确性。

    一种基于生成对抗网络和梯度解释的对抗样本防御方法

    公开(公告)号:CN113657448B

    公开(公告)日:2023-11-24

    申请号:CN202110797650.3

    申请日:2021-07-14

    Applicant: 浙江大学

    Inventor: 孔祥维 杨浩

    Abstract: 本发明公开了一种基于生成对抗网络和梯度解释的对抗样本防御方法。对每幅原始图像进行预处理得到训练图像;构建生成对抗网络,包括由深度神经网络组成的生成器模块和鉴别器模块;将训练图像输入到生成器模块中,得到梯度解释图像;将梯度解释图像和训练图像共同输入到鉴别器中进一步训练得到最终的生成对抗网络;对于待测对象样本,输入到网络中进行预测分类,输出真实样本或者对抗样本的分类结果,对抗样本进行排除,实现对抗样本防御。本发明通过生成对抗网络约束梯度解释和原始图像之间的特征分布,使训练后的图像分类网络能够更好的抵御对抗样本。

    一种基于深度神经网络模型可解释性的对抗样本防御方法

    公开(公告)号:CN112364885B

    公开(公告)日:2022-10-11

    申请号:CN202011083892.8

    申请日:2020-10-12

    Applicant: 浙江大学

    Inventor: 孔祥维 杨浩

    Abstract: 本发明公开了一种基于深度神经网络模型可解释性的对抗样本防御方法。构建深度神经网络模型;对于每幅原始图像,通过投影梯度下降法生成原始图像对应的对抗样本图像,构成一组图像对;将图像对作为深度神经网络模型的输入,计算深度神经网络模型最后卷积层的特征图权重分布和激活图进一步训练;对于待测对象样本,输入到模型中进行预测分类,输出真实样本或者对抗样本的分类结果,对抗样本进行排除,实现对抗样本防御。本发明将模型可解释技术与深度神经网络模型图像分类模型的鲁棒性结合起来,使训练后的图像分类网络能够更好的抵御对抗样本。

Patent Agency Ranking