-
公开(公告)号：CN118152984A
公开(公告)日：2024-06-07
申请号：CN202410473038.4
申请日：2024-04-19
申请人： 中国科学院合肥物质科学研究院
IPC分类号： G06F18/25 , G06F18/213 , G06F17/18 , G01N21/65
摘要： 本发明提供一种多源SERS光谱数据融合方法及其权重计算方法，其中权重计算方法包括如下步骤：制备N种SERS基底；制备多种标准浓度的被测物标准液；利用SERS基底检测被测物标准液，得到多条光谱数据；根据多条光谱数据计算每种基底的均方误差值；根据每种基底的均方误差值计算每种基底的重要性；对重要性进行归一化得到每种基底的权重。该权重计算方法通过获取多条光谱数据，并基于这些光谱数据计算均方误差值，从而计算每种基底的重要性，最后根据重要性确定每种基底的权重，这样可以让稳定性高的基底获得更高的权重，保证融合后的光谱数据更加稳定、精准，以利于后续的分析检测。
-
公开(公告)号：CN118072000A
公开(公告)日：2024-05-24
申请号：CN202410463055.X
申请日：2024-04-17
申请人： 中国科学院合肥物质科学研究院
摘要： 本发明提供一种基于新型目标识别算法的鱼类检测方法，其中鱼类检测方法包括：获取待检测的图片；利用神经网络模型分别检测所述图片中的鱼头、鱼体以及鱼尾，得到多组检测框；根据多组检测框的位置和大小计算鱼头‑鱼体关联矩阵和鱼体‑鱼尾关联矩阵；对鱼头、鱼体、鱼尾进行匹配；根据匹配结果，对多组检测框进行合并，得到鱼类检测结果。该鱼类检测方法通过将鱼分为鱼头、鱼体和鱼尾，分别检测每个区域的检测框，对于单区域的检测，已有的算法检测起来还是非常准确的，然后建立关联矩阵，将这些区域的检测框进行关联匹配以及合并，这样鱼类检测结果是多个不同区域的检测框的组合，能够很好地应对遮挡、交叉和重叠的情况。
-
公开(公告)号：CN103823437A
公开(公告)日：2014-05-28
申请号：CN201410048431.5
申请日：2014-02-12
申请人： 中国科学院合肥物质科学研究院
IPC分类号： G05B19/418
摘要： 本发明涉及一种具有便携式监控装置的水产养殖智能控制系统，包括便携式监控装置，其输入端与用于采集水产养殖信息的数据采集模块无线通信，其输出端与用于执行输出控制信号的控制设备模块无线通信。本发明以低功耗、低成本、便捷的方式向用户及时提供水产养殖信息和专家意见，包括鱼虾的健康程度、可能发生的虫害做出防治建议，以及对不适水产生存的条件作出相对应的调整，同时不受以太网限制，具有灵活、推广性强的特点。本发明采用多路数据采集模块和多路控制设备实现对水产养殖作物的多环境参数实时监控，解决无人值守的水域环境全天候现场监控与虫害智能预警问题，最终实现高产、高效的水产养殖智能管理系统。
-
公开(公告)号：CN118090705A
公开(公告)日：2024-05-28
申请号：CN202410473039.9
申请日：2024-04-19
申请人： 中国科学院合肥物质科学研究院
IPC分类号： G01N21/65 , G01N21/01 , G06F18/213 , G06F18/25 , G06N3/0464 , G06N3/048 , G06N3/082 , G06F18/24
摘要： 本发明提供一种基于增强拉曼光谱的农药残留定量检测方法，包括如下步骤：获取待测溶液的光谱数据；输入光谱数据至农残检测模型的stem模块中，进行下采样得到第一特征；输入第一特征至农残检测模型的顺序堆叠的多个GCIR模块中得到第二特征，GCIR模块每阶段堆叠数量的比例为1:3:1；输入第二特征至农残检测模型的全连接层中得到农药浓度并输出。其由stem模块、3个堆叠的GCIR模块以及全连接层构成，GCIR模块采用残差结构、深度可分卷积和倒瓶颈结构提取局部特征信息，大大减少了参数的数量，同时，还可以在GCIR模块嵌入多维通道注意机制，以增强通道特征感知和全局关系捕获能力，提高最后获得的农残检测的准确率。
-
公开(公告)号：CN112776946A
公开(公告)日：2021-05-11
申请号：CN202011631321.3
申请日：2020-12-31
申请人： 中国科学院合肥物质科学研究院
摘要： 一种减震抗干扰装置，包括壳体、支架和电路板；壳体内腔的底部和顶部均为平面结构并相互平行，支架设置在壳体内部，支架顶部抵靠壳体顶部，支架底部设有万向轮和驱动轮，驱动轮上设置有用于驱动其运动的第一电机；支架上设有转轴，转轴的轴线方向平行于驱动轮的轴线方向；转轴上设有用于驱动其转动的第二电机，电路板安装在转轴上并与转轴同步转动。本发明中，支架与浮标内部不固定，通过转轴带动电路板转动与驱动轮带动支架线性运动的配合，实现了当标体摇荡时，通过对支架的移动和转轴的转动对电路板进行运动补偿，从而保证在纵荡方向和垂直于纵荡方向的纵摇方向上，电路板与标体运动分离但位移相同，防止电路板与壳体之间发生碰撞。
-
公开(公告)号：CN103473280B
公开(公告)日：2017-02-08
申请号：CN201310382010.1
申请日：2013-08-28
申请人： 中国科学院合肥物质科学研究院
摘要： 本发明涉及网络可比语料的挖掘方法，包括：利用网络爬虫获取源语言网页，经预处理后形成源语言文档；分析源语言文档的跨语言主题的概率，产生对应的目标语言查询词；将目标语言查询词提交搜索引擎，选取前N的文档构成目标语言候选相似文档集；计算源语言文档和目标语言候选相似文档的相似度，筛选出相似度较高的文档构建可比语料库。本发明避免词汇翻译产生歧义或消耗大量时间；源语言文档源自于网络爬虫获取的特定网站内容，目标语言文档来自于整个互联网，有效提高对源语言文档的利用率；源语言和目标语言相似文档匹配通过主题分布的相似性实现，提高了语料库建设的准确度。
-
公开(公告)号：CN104034861A
公开(公告)日：2014-09-10
申请号：CN201410245770.2
申请日：2014-06-04
申请人： 中国科学院合肥物质科学研究院
IPC分类号： G01N33/24 , G01N21/3563 , G01N21/359 , G01N27/02
CPC分类号： G01N21/3554 , G01N21/359
摘要： 本发明提供一种土壤容重实时测量方法，包括如下步骤：在线测量原状土条件下的土壤；通过频域反射法采集土壤体积含水率的电压信号，并通过标定试验方法确定土壤体积含水率的值；通过可见光-近红外反射法采集土壤质量含水率的原始光谱数据，将原始光谱数据经过预处理后代入系统预设的回归模型中，计算出土壤质量含水率；由土壤体积含水率和土壤质量含水率换算出土壤容重。本发明还提供一种土壤容重测量装置，包括：锥杆、同轴电缆、光纤、土壤体积含水率探头、土壤质量含水率探头、土壤体积含水率检测模块、土壤质量含水率检测模块以及平板电脑。本发明无需对土壤进行取样，可方便、快速、实时、准确地获得田间土壤特定剖面深度下的土壤容重。
-
公开(公告)号：CN102269705A
公开(公告)日：2011-12-07
申请号：CN201110183650.0
申请日：2011-07-01
申请人： 中国科学院合肥物质科学研究院
IPC分类号： G01N21/64
摘要： 本发明涉及一种便携式量子点荧光铜离子浓度检测装置，包括激光器，激光器发出激光的一侧设置比色皿，比色皿位于激光器和反射镜之间，比色皿下方设置滤光片，滤光片下方设置光电探测器，光电探测器通过放大器与微处理器的信号输入端相连，微处理器的信号输出端与显示屏相连。本发明还公开了一种便携式量子点荧光铜离子浓度检测装置的检测方法。采用较低成本的激光器、比色皿和滤光片，降低了系统硬件设备成本；采用量子点溶液作为铜离子淬灭试剂，量子点溶液获取简单，淬灭速度快。检测灵敏度高、检测时间短、结构简单，适合于外部环境中的铜离子快速现场检测。
-
公开(公告)号：CN102269698A
公开(公告)日：2011-12-07
申请号：CN201110184032.8
申请日：2011-07-04
申请人： 中国科学院合肥物质科学研究院
IPC分类号： G01N21/35
摘要： 本发明涉及一种基于红外吸收光谱的氧化亚氮检测装置，包括红外激光器，位于红外激光器发出红外激光的一侧设置内部充有待检测气体的气体吸收池，气体吸收池的另一侧设置光电探测器，光电探测器的信号输出端通过放大器与微处理器的信号输入端相连。当气体吸收池内的N2O气体受到红外激光照射时，N2O气体选择性地吸收某些频率的光子，从而表现为透射光的强度变小；再通过电路系统对输出激光信号的光电转换、电信号放大，完成对N2O气体浓度信号的解析；最后通过微处理器实现检测信号的相关处理和数据与图形界面的可视化。本发明设备简单、成本较低，无需气相色谱仪等大型设备；操作方便，检测数据结果可视化，无需专业人员操作。
-
公开(公告)号：CN118918321A
公开(公告)日：2024-11-08
申请号：CN202411405977.1
申请日：2024-10-10
申请人： 中国科学院合肥物质科学研究院 , 山东蓝色海洋科技股份有限公司
IPC分类号： G06V10/25 , G06N3/045 , G06N3/0464 , G06V10/82 , G06V20/05
摘要： 本发明提供一种目标识别及其关键区域检测方法、电子设备、存储介质，该方法包括：获取待处理的原始图像；将原始图像输入至训练好的第一模型中，得到多个目标检测框；利用中间模块对多个目标检测框进行处理，得到匹配第二模型输入的多个第一图像；分别将每个第一图像输入至训练好的第二模型中，得到所有第一图像对应的关键区域检测框；根据目标检测框及其对应的关键区域检测框，得到检测结果。该方法通过常规的目标检测算法来进行目标检测，然后对每个目标检测框中的目标图像进行关键区域识别，从而直接构建出目标及其关键区域的关联关系，后续无需再进行匹配，整体的算法复杂度有所降低，处理速度更快，并且不会出现误匹配现象，检测结果非常准确。
-
-
-
-
-
-
-
-
-
搜索结果
39 条记录 (耗时 0.035 秒)
