-
公开(公告)号：CN118425244A
公开(公告)日：2024-08-02
申请号：CN202410318344.0
申请日：2024-03-20
Applicant: 安徽农业大学
Abstract: 本发明公开了一种检测畜禽养殖丁酸恶臭气体的传感器设计方法与应用，包括：取碳球与去离子水混合并超声，再加入乙酸锌二水合物获得碳球混合液，然后将碳球混合液置于内衬为聚四氟乙烯的不锈钢反应釜中并放置在烘箱中反应得到混合液C；去除上清液，得到混合物D，离心洗涤并干燥，放置于马弗炉中进行煅烧，得到氧化锌纳米球；将氧化锌纳米球放置于马弗炉中并在4.8％的氢氩混合气氛下煅烧得到负载锌纳米颗粒的氧化锌纳米球，将制备得到的负载锌纳米颗粒的氧化锌纳米球分散在乙醇中，然后用移液枪滴涂在平板电极上烘干，最后通过精密电焊机将其焊接在传感器上，用于畜禽养殖丁酸恶臭气体的检测时，响应迅速且灵敏度高。
-
公开(公告)号：CN117743979A
公开(公告)日：2024-03-22
申请号：CN202311762300.9
申请日：2023-12-20
Applicant: 安徽农业大学
IPC: G06F18/243 , G06F18/214 , G06N3/006 , G06N3/0455
Abstract: 本发明涉及一种基于自适应随机森林算法的小麦赤霉病实时预测方法，包括获取预测小麦赤霉病的实时监测参数；将所述实时监测参数输入至预先构建的基于自适应随机森林算法的小麦赤霉病预测模型中以获取小麦赤霉病的实时预测结果。本发明在构建自适应随机森林算法模型的过程中一方面对数据集进行多次处理以满足模型需求，另一方面基于改进的正则编码器以实现模型的特征提取，通过构建的模型有效提升预测准确率，以及提高了模型的泛化性能。
-
公开(公告)号：CN117110217B
公开(公告)日：2024-01-12
申请号：CN202311374660.1
申请日：2023-10-23
Applicant: 安徽农业大学
Abstract: 本发明公开了一种立体化水质监测方法及系统，属于水质监测技术领域。本发明通过水体离散特征提取模块自适应捕获中小面积离散分布水体信息，通过水体空间分布感知模块以空间分布角度充分感知大面积连续型水体语义，并构建水体特征聚合模块将二者分别获得的关键语义信息建立依赖关系，由此对水质图像进行区域分割得到不同的区域信息，再通过每个区域信息的光谱植被指数和水质目标要素数据建立光谱植被指数的反演组合，利用光谱植被指数的反演组合构建水质目标要素反演模型，进而通过水质目标要素反演模型对水质进行大面积实时连续监测，能够及时发现并针对性地应对突发的水质问题，有效反映水质空间分布状况，具有较强的实用性和广泛适用性。(56)对比文件WO 2023000159 A1,2023.01.26赵晨曦等.改进Ｕ－Ｎｅｔ网络的遥感图像水质分割算法《.遥感信息》.2023,第137-143页.River water quality estimation basedon convolutional neural network.《Proceedings, APSIPA Annual Summit andConference 2018》.2018,第1305-1308页.Cuixiao Liang等.ColorWater: A DiverseDataset and Benchmark for Semantic WaterSurface Understanding《.2022 26thInternational Conference on PatternRecognition》.2022,第3743-3749页.陈文骏等.葡萄多模态目标检测和语义分割数据集《.中国科学数据》.2023,第1-16页.何红术等.基于改进U-Net网络的高分遥感影像水体提取.地球信息科学学报.2020,(10),第94-106页.
-
公开(公告)号：CN112464713A
公开(公告)日：2021-03-09
申请号：CN202011134197.X
申请日：2020-10-21
Applicant: 安徽农业大学
Abstract: 一种基于深度学习的通信辐射源射频指纹识别方法，其特征在于：包括以下步骤：使用通信信号接收装置，接收通信辐射源信号，并对信号进行处理，获得I/Q两路数字零中频信号；同时提取I/Q两路数字零中频信号的三种指纹信息，分别为：矩形积分双谱特征、分形盒维数特征、小波特征；将三种指纹信息数据集划分为训练集和测试集；构建多通道深度学习模型，并利用训练集和测试集训练模型直至模型精度达到98％；本发明在现有的通信辐射源射频指纹识别的传统方法上进行创新，利用信号多特征融合的方法，采用多通道深度卷积神经网络模型，进行二次特征提取，提高通信辐射源射频指纹的识别精度，从而更好地达到实际环境对通信辐射源射频指纹的识别要求。
-
公开(公告)号：CN119295778A
公开(公告)日：2025-01-10
申请号：CN202411332683.0
申请日：2024-09-24
Applicant: 安徽农业大学
IPC: G06V10/70 , G06V10/82 , G06V20/40 , G06F16/3329 , G06N5/04 , G06N3/0464
Abstract: 本发明公开了一种水产养殖鱼类管理方法、系统、设备与介质，涉及鱼类管理技术领域，包括步骤：采集养殖池内待识别目标的实时图像，待识别目标包括鱼类个体和饵料残留；将可分离逐步卷积模块嵌入YOLOv8n模型，获得LSS‑YOLOv8模型；将实时图像输入LSS‑YOLOv8模型中，学习实时图像中待识别目标与环境的上下文关系，获得饵料残留数量或鱼类个体的数量和状态；将识别结果进行文本向量映射，获得文本向量映射结果；将文本向量映射结果输入不同的大语言模型中，获得不同的回答策略和管理策略。本发明将YOLO v8n模型与大语言模型相结合，利用大语言模型丰富的知识库和庞大的参数量为投喂策略提供合理建议。
-
Patent Agency Ranking
公开(公告)号：CN118624675A
公开(公告)日：2024-09-10
申请号：CN202410588517.0
申请日：2024-05-13
Applicant: 安徽农业大学
Abstract: 本发明涉及半导体气体传感器技术领域，具体涉及一种高灵敏三甲胺恶臭气体传感器的构筑方法及应用，包括以下步骤：将硝酸铟四水合物水溶液、蔗糖和尿素混合后，在150‑180℃的烘箱中反应12‑14h；反应结束后，离心洗涤、干燥，将干燥后的物品放置马弗炉中煅烧从而制得氧化铟纳米片；将氧化铟纳米片水溶液、(NH4)2CO3和乙酰丙酮钌溶液混合，洗涤离心，烘干得到氧化铟纳米片；烘干得到的氧化铟纳米片在空气下经300‑700℃退火1‑4h，从而制得的负载钌纳米颗粒的氧化铟纳米片；本发明对于较低浓度的三甲胺气体，均具有优异的传感响应。
-
公开(公告)号：CN118604245A
公开(公告)日：2024-09-06
申请号：CN202410588731.6
申请日：2024-05-13
Abstract: 本发明涉及气体检测技术领域，公开了一种基于多传感器数据融合的畜禽养殖恶臭气体检测系统与方法，包含以下步骤：实验室环境进行有关甲烷、氨气、硫化氢三种气体的气体标定实验，利用单片机读取气体传感器数据模拟量；将获取到的数据通过串口通信上传至Labview开发的上位机监测软件并以表格形式保存数据；使用Pycharm读取数据集，并基于卡尔曼滤波器的状态估计器以及LSTM神经网络对数据进行融合操作；训练模型，使得输入三个气体传感器模拟量以及目标气体代号，输出该状态下的气体浓度预测值，最终将模型文件编译为可在目标嵌入式系统上运行的二进制模型文件并烧录至单片机中，实现畜禽养殖环境中恶臭气体浓度的实时预测。
-
公开(公告)号：CN117479160A
公开(公告)日：2024-01-30
申请号：CN202311242431.4
申请日：2023-09-25
Applicant: 安徽农业大学
Abstract: 一种基于图神经网络的物联网射频指纹识别方法，包括以下步骤：S1：基于GNU radio和通用软件无线电外设的软件无线电传感器平台上采集稳态信号，并对信号进行预处理获得I/Q信号；S2：基于差分星座图提取I/Q信号特征；S3：利用得到的差分星座图构成图结构；S4：构建图神经网络模型，并将挤压激励模块引入图神经网络模型中；S5：将图结构划分为训练样本集和测试样本集，利用训练样本集和测试样本集训练构建的图神经网络模型。本发明在基于传统神经网络的深度学习上对物联网射频指纹识别进行创新，利用加入挤压激励模块的图神经网络进行图结构的特征提取，更好的进行物联网射频指纹识别。
-
公开(公告)号：CN117110217A
公开(公告)日：2023-11-24
申请号：CN202311374660.1
申请日：2023-10-23
Applicant: 安徽农业大学
Abstract: 本发明公开了一种立体化水质监测方法及系统，属于水质监测技术领域。本发明通过水体离散特征提取模块自适应捕获中小面积离散分布水体信息，通过水体空间分布感知模块以空间分布角度充分感知大面积连续型水体语义，并构建水体特征聚合模块将二者分别获得的关键语义信息建立依赖关系，由此对水质图像进行区域分割得到不同的区域信息，再通过每个区域信息的光谱植被指数和水质目标要素数据建立光谱植被指数的反演组合，利用光谱植被指数的反演组合构建水质目标要素反演模型，进而通过水质目标要素反演模型对水质进行大面积实时连续监测，能够及时发现并针对性地应对突发的水质问题，有效反映水质空间分布状况，具有较强的实用性和广泛适用性。
-
公开(公告)号：CN112464713B
公开(公告)日：2022-11-08
申请号：CN202011134197.X
申请日：2020-10-21
Applicant: 安徽农业大学
Abstract: 一种基于深度学习的通信辐射源射频指纹识别方法，其特征在于：包括以下步骤：使用通信信号接收装置，接收通信辐射源信号，并对信号进行处理，获得I/Q两路数字零中频信号；同时提取I/Q两路数字零中频信号的三种指纹信息，分别为：矩形积分双谱特征、分形盒维数特征、小波特征；将三种指纹信息数据集划分为训练集和测试集；构建多通道深度学习模型，并利用训练集和测试集训练模型直至模型精度达到98％；本发明在现有的通信辐射源射频指纹识别的传统方法上进行创新，利用信号多特征融合的方法，采用多通道深度卷积神经网络模型，进行二次特征提取，提高通信辐射源射频指纹的识别精度，从而更好地达到实际环境对通信辐射源射频指纹的识别要求。
-
-
-
-
-
-
-
-
-
Search Results
28
records
(took 0.082 seconds)
