-
Patent Agency Ranking
公开(公告)号：CN105181761A
公开(公告)日：2015-12-23
申请号：CN201510537111.0
申请日：2015-08-26
Applicant: 安徽农业大学
IPC: G01N27/12
Abstract: 本发明公开了鉴别茶叶是否辐照及辐照吸收剂量的方法和一种电子鼻的新用途，鉴别方法包括：采用已知不同剂量辐照处理的茶叶样品；电子鼻检测已知辐照吸收剂量的茶叶样品；绘制电子鼻对茶叶的挥发性物质响应图；确定鉴别取值时间；计算各主成分电子鼻传感器特征值的方差贡献率和对初始分组案例回报判别的正确率，优选有效传感器；计算得出不同辐照剂量的分类函数系数，得到鉴别茶叶样品辐照剂量的分类函数；用电子鼻检测未知茶叶样品，代入分类函数中，得到茶叶的辐照剂量。所述鉴别方法较现有鉴别茶叶的方法具有方法简单，步骤少，快速，鉴别效率高，准确度高等特点，适用于鉴别茶叶辐照与否或茶叶辐照吸收剂量。
-
公开(公告)号：CN106262793B
公开(公告)日：2019-11-29
申请号：CN201610825868.4
申请日：2016-09-18
Applicant: 安徽农业大学
Abstract: 本发明公开了一种保持原有颜色形状风味香菇干的制备方法，属于香菇干制备方法的技术领域，所述制备方法包括如下步骤：将预处理后的香菇置于CO2气调包装中密封静置；预冷冻；将真空冷冻微波干燥设备内的真空度调整到100±10Pa；保持真空冷冻微波干燥设备的内部压强为80~100Pa，调整微波功率为130±5 W/kg，维持0.5~0.6h；调整真空冷冻微波干燥设备的压强为50~80Pa，微波功率调整为330±10 W/kg，维持2.5~3.5h；继续调整真空冷冻微波干燥设备的压强为80~100Pa，将微波功率调整为200±5 W/kg，维持1.5~2h；包装得到具有原有颜色形状风味香菇干。本发明方法简单，制备成本低，制备出的香菇干与鲜香菇相差无几，保留了香菇中的营养成分，具有很好的市场前景。
-
公开(公告)号：CN106262793A
公开(公告)日：2017-01-04
申请号：CN201610825868.4
申请日：2016-09-18
Applicant: 安徽农业大学
Abstract: 本发明公开了一种保持原有颜色形状风味香菇干的制备方法，属于香菇干制备方法的技术领域，所述制备方法包括如下步骤：将预处理后的香菇置于CO2气调包装中密封静置；预冷冻；将真空冷冻微波干燥设备内的真空度调整到100±10Pa；保持真空冷冻微波干燥设备的内部压强为80~100Pa，调整微波功率为130±5 W/kg，维持0.5~0.6h；调整真空冷冻微波干燥设备的压强为50~80Pa，微波功率调整为330±10 W/kg，维持2.5~3.5h；继续调整真空冷冻微波干燥设备的压强为80~100Pa，将微波功率调整为200±5 W/kg，维持1.5~2h；包装得到具有原有颜色形状风味香菇干。本发明方法简单，制备成本低，制备出的香菇干与鲜香菇相差无几，保留了香菇中的营养成分，具有很好的市场前景。
-
公开(公告)号：CN105181761B
公开(公告)日：2018-02-16
申请号：CN201510537111.0
申请日：2015-08-26
Applicant: 安徽农业大学
IPC: G01N27/12
Abstract: 本发明公开了鉴别茶叶是否辐照及辐照吸收剂量的方法和一种电子鼻的新用途，鉴别方法包括：采用已知不同剂量辐照处理的茶叶样品；电子鼻检测已知辐照吸收剂量的茶叶样品；绘制电子鼻对茶叶的挥发性物质响应图；确定鉴别取值时间；计算各主成分电子鼻传感器特征值的方差贡献率和对初始分组案例回报判别的正确率，优选有效传感器；计算得出不同辐照剂量的分类函数系数，得到鉴别茶叶样品辐照剂量的分类函数；用电子鼻检测未知茶叶样品，代入分类函数中，得到茶叶的辐照剂量。所述鉴别方法较现有鉴别茶叶的方法具有方法简单，步骤少，快速，鉴别效率高，准确度高等特点，适用于鉴别茶叶辐照与否或茶叶辐照吸收剂量。
-
公开(公告)号：CN118940185A
公开(公告)日：2024-11-12
申请号：CN202411056962.9
申请日：2024-08-02
Applicant: 安徽农业大学
IPC: G06F18/2433 , G06F18/243 , G06F16/29 , G06F123/02
Abstract: 本发明属于地理空间智能数据分析和机器学习技术领域，具体涉及一种基于拓扑持久性谱理论的时序异常智能化检测方法。本发明将拓扑数据分析理论与机器学习方法相结合，开展特定领域异常智能化检测；首先将数据通过窗口转换为点云数据，然后对数据进行重塑和欧几里得距离计算，得到点之间的距离矩阵；通过生成和分析边界算子，将复形转化为边界矩阵；计算边界矩阵的拉普拉斯矩阵，并求解其特征值，从而得到各过滤值下的拓扑不变量；将各过滤值下的拓扑特征数据得到的特征值输入机器学习从而发现时间序列的异常点；本发明具有较高的准确性和适应性，将在地理空间智能领域有效提升部分领域应用智能化异常检测水平。
-
-
-
-
Search Results
5
records
(took 0.019 seconds)
