-
公开(公告)号:CN108172407A
公开(公告)日:2018-06-15
申请号:CN201711429800.5
申请日:2017-12-26
Applicant: 安徽大学
Abstract: 本发明公开一种复合电极,属于电子材料和器件领域,包括基底,所述基底的表面电镀有碳层,所述碳层的表面电镀有过渡金属氧化物层;该复合电极呈三维多孔褶皱结构,复合电极的质量比电容最大可达1783F·g‑1;该复合电极的制备方法,包括1)基底的准备;2)溶液的配制;3)电镀碳层;4)电镀过渡金属氧化物层;5)清洗、干燥;同时提供了该种复合电极在超级电容器中的应用。本发明的复合电极具有优良的导电性,较高的质量比电容以及循环稳定性,其质量比电容最大可达1783F·g‑1,在6A·g‑1的电流密度下循环工作2000次,比电容可保持为初始值的84.4%,具有广阔的应用前景。
-
公开(公告)号:CN108088981A
公开(公告)日:2018-05-29
申请号:CN201711328434.4
申请日:2017-12-13
Applicant: 安徽大学
IPC: G01N33/24
Abstract: 本发明公开了一种基于协同克里金插值法的土壤锰元素含量预测方法,采用协同克里金插值法来预测其含量。由于土壤中锰元素受其它较多因素的影响,所以本发明采用主成分分析法将这些影响因素组合成一个综合因子,进而将这个综合因子作为辅助变量对主变量锰元素进行协同克里金插值。首先收集了北京市房山区20个乡镇果园地、水浇地、菜地、灌溉水田和旱地这五种耕地类型的土壤重金属元素数据;然后使用方差分析法分析了这五种耕地类型对土壤中锰元素含量的影响;最后在不同的耕地类型下,运用协同克里金插值方法预测土壤中锰元素的含量,并根据标准平均值误差、均方根误差、标准化均方根对插值结果的精度进行分析。
-
公开(公告)号:CN106952738A
公开(公告)日:2017-07-14
申请号:CN201710136381.X
申请日:2017-03-09
Applicant: 安徽大学
Abstract: 本发明公开了一种具有柔性自支撑结构的电极及其制备方法,属于电化学储能技术领域,将金属基底浸泡在氧化石墨烯溶液中,蒸发处理,从而在基底上形成一层氧化石墨烯薄膜,接着用抗坏血酸还原处理,从而制得下层的还原氧化石墨烯薄膜;将过渡金属盐、铜盐、表面活性剂的混合水溶液旋涂在钛片基底上,且置于火焰中合成,从而制得中间的纳米碳薄膜;采用与下层还原氧化石墨烯薄膜相同的制备方法,制备上层的还原氧化石墨烯薄膜;将基底干燥,将制得的薄膜从基底上剥落,从而制得柔性、无金属基底的自支撑结构电极。这种电极结构独特,制备方法简单且成本低廉,用于超级电容器电极时,具有高面积比电容与优异的循环稳定性,具有广泛的应用前景。
-
公开(公告)号:CN106737698A
公开(公告)日:2017-05-31
申请号:CN201710181558.8
申请日:2017-03-24
Applicant: 安徽大学
CPC classification number: B25J9/1602 , B25J13/08 , B25J13/088
Abstract: 本发明涉及一种搬运机器人的智能控制方法,与现有技术相比解决了尚无双控制芯片协同控制方法的缺陷。本发明包括以下步骤:系统预处理,开启搬运机器人电源,搬运机器人处于上电状态,初始化各模块及相应参数;搬运机器人的控制启动,手机APP通过蓝牙模块连接搬运机器人并启动搬运机器人;搬运机器人的移动;搬运机器人进行抓取作业;搬运机器人的返回移动;搬运机器人进行放置作业。本发明针对两个控制芯片进行协同控制,将搬运机器人的移动、抓举控制方法分离开,并配以相应的PWM波电机控制方法和舵机脉宽调整,实现搬运机器人沿着预定路线自动运行,夹持并搬运指定物品。
-
公开(公告)号:CN104634165B
公开(公告)日:2016-05-11
申请号:CN201510106755.4
申请日:2015-03-11
Applicant: 安徽大学
IPC: F41F3/04
Abstract: 本发明公开了一种用于调整火箭发射平台倾角的控制系统及控制方法,控制系统包括以下部件:检测装置,用于实时检测发射平台(2)的姿态参数;控制器,预存有当火箭安全发射时发射平台(2)的基准角度范围;接收检测装置的姿态参数计算当前时刻发射平台(2)的倾角,并判断计算所得的倾角与基准角度范围的关系,然后将判断结果显示于显示装置上;显示装置,显示判断结果;该控制系统可精确获取发射平台的具体姿态参数(倾角),并进一步判断发射平台的倾角是否在基准角度范围内,操作人员可以直接根据显示装置的显示,了解模型发射平台此时的倾角和上述判断结果,进而判断是否需要对发射平台进行调整。
-
公开(公告)号:CN104634165A
公开(公告)日:2015-05-20
申请号:CN201510106755.4
申请日:2015-03-11
Applicant: 安徽大学
IPC: F41F3/04
Abstract: 本发明公开了一种用于调整火箭发射平台倾角的控制系统及控制方法,控制系统包括以下部件:检测装置,用于实时检测发射平台(2)的姿态参数;控制器,预存有当火箭安全发射时发射平台(2)的基准角度范围;接收检测装置的姿态参数计算当前时刻发射平台(2)的倾角,并判断计算所得的倾角与基准角度范围的关系,然后将判断结果显示于显示装置上;显示装置,显示判断结果;该控制系统可精确获取发射平台的具体姿态参数(倾角),并进一步判断发射平台的倾角是否在基准角度范围内,操作人员可以直接根据显示装置的显示,了解模型发射平台此时的倾角和上述判断结果,进而判断是否需要对发射平台进行调整。
-
公开(公告)号:CN103942528A
公开(公告)日:2014-07-23
申请号:CN201410042022.4
申请日:2014-01-28
Applicant: 安徽朗坤物联网有限公司 , 安徽大学
Abstract: 本发明提供一种蚜虫虫情调查方法及装置,扫描蚜虫虫情叶片样本,获取蚜虫虫情叶片图像信息;分析所述蚜虫虫情叶片图像信息,获取所述蚜虫虫情叶片样本的蚜虫数;根据预设个数的所述蚜虫虫情叶片样本的蚜虫数和预设蚜虫虫情等级标准,计算蚜虫虫情等级。采用本发明的蚜虫虫情调查方法及装置,由于采用扫描方式获得蚜虫虫情叶片图像信息,对该图像信息进行分析计算后获取蚜虫虫情等级,从而避开了目测手查方法导致蚜虫虫情调查结果不准确,误差较大的问题,使得蚜虫虫情调查规范准确。
-
公开(公告)号:CN103136632A
公开(公告)日:2013-06-05
申请号:CN201310038802.7
申请日:2013-01-31
Applicant: 安徽大学
Abstract: 本发明公开了一种作物病情处方图生成与发布系统,包括:数据获取模块,用于作物病害叶片图像采集以及采集地位置信息的记录;病情计算模块,与数据获取模块相连,用于提取作物病虫害叶片图像信息,计算病情指数、对其进行分级并储存分级结果;处方图生成模块,与上述两模块相连,根据数据获取模块获取的采集地位置信息以及病情计算模块计算的病情指数、分级结果,生成病情分布地图;处方图发布模块,与处方图生成模块相连,并连接专家数据库,将病情分布地图以及针对地图上的病情发生地的喷药指导建议传输至病情发生地管理机构。本发明系统智能、便携,能够科学、有效地指导病虫害防治工作,适宜大范围推广应用。
-
公开(公告)号:CN115049556B
公开(公告)日:2025-05-06
申请号:CN202210736142.9
申请日:2022-06-27
Applicant: 安徽大学
IPC: G06T5/77 , G06T5/60 , G06V40/16 , G06V10/26 , G06V10/44 , G06V10/42 , G06V10/80 , G06T7/194 , G06V20/70 , G06V10/82 , G06N3/045 , G06N3/0475 , G06N3/0464 , G06N3/084 , G06N3/094 , G06N3/048
Abstract: 本申请公开了一种基于StyleGAN的人脸图像修复方法,步骤包括:将真实人脸图像分割为人脸区域和背景区域,作为训练集;对数据集进行数据增强,将原始图像设置为标签;利用训练集和标签对编码器进行训练,得到编码器网络;利用编码器网络分别提取真实人脸图像的隐码向量、待修复图像人脸区域的隐码向量、待修复图像背景区域的隐码特征图;将真实人脸图像的隐码向量与待修复图像人脸区域的隐码向量进行混合,得到混合人脸的隐码向量,将混合人脸的隐码向量与待修复图像背景区域的隐码特征图一同输入到StyleGAN生成器网络中,得到修复完成的人脸图像。本申请实现了人脸图像修复能力大幅提升,并且使得修复过程中很好地保证结构相似。
-
公开(公告)号:CN119904747A
公开(公告)日:2025-04-29
申请号:CN202411963203.0
申请日:2024-12-30
Applicant: 安徽大学
Abstract: 本发明涉及一种基于提示学习的农作物病害识别方法,包括:获取农作物病害图像数据集;构建提示学习模型;将训练集输入提示学习模型进行训练;采用动态校准策略进行动态校准;校准后的提示向量通过动量缓冲机制进行更新,替换调整后的提示向量,得到更新后的提示学习模型;将待识别的农作物病害图像输入更新后的提示学习模型,得到识别结果。本发明首次将提示学习引入农作物病害识别任务,有效融合不同层次的特征信息,显著提升模型对基类的识别精度和新类的泛化性能;动态校准策略提升模型的域泛化能力,无需额外训练数据,利用CLIP模型中的跨模态知识在测试时对结果直接调优,有效解决传统熵最小化方法存在的特征偏移和性能衰减问题。
-
-
-
-
-
-
-
-
-