-
公开(公告)号：CN118521887A
公开(公告)日：2024-08-20
申请号：CN202410584497.X
申请日：2024-05-12
Applicant: 浙江农林大学
IPC: G06V20/10 , G06V20/17 , G06V40/10 , G06V10/44 , G06V10/774 , G06V10/82 , G06N3/0464
Abstract: 本发明公开了一种面向复杂干扰环境的无人机遥感图像松材线虫病识别模型构建方法及系统，构建原始松材线虫病数据集，经人工标注后划分为训练集、验证集和测试集，并制作干扰样本；构建YOLOv8‑RDD模型，将其主干网络中的Bottleneck模块替换为多级残差块ResNet2模块；在ResNet2模块中引入DPM特征增强模块，对ResNet2模块中传递的低频细节特征进行增强，并滤除高频噪声；在YOLOv8‑RDD模型的Neck网络中，将最邻近插值法替换为动态上采样算子DySample；利用训练集对YOLOv8‑RDD模型进行对抗训练后获得最佳权重，并将最佳权重用于测试集进行检测，得到具备抗干扰能力的松材线虫病识别模型。本发明真实反应无人机遥感图像在采集过程中可能遇到的大雾等干扰情况，运用YOLOv8‑RDD模型可以使无人机系统在复杂干扰环境下，依然保持较高的识别精度和鲁棒性。
-
公开(公告)号：CN117733972A
公开(公告)日：2024-03-22
申请号：CN202410087620.7
申请日：2024-01-22
Applicant: 浙江农林大学
Abstract: 本发明公开了一种弧形竹材定弧与旋切制备竹单板的方法，包括以下步骤：[1]选材；[2]制备竹筒；[3]剖竹开片；[4]竹片软化；[5]整形：采用直径由小到大的球型预热渐变辊对照弧形竹片进行辊压，将弧形竹片逐渐整成弧度一致的同心圆；[6]弧形竹片固定：将扩展到相同弧度的竹片固定于同弧度的圆柱形旋转轴表面；[7]旋切：根据需求旋切弧形竹片，加工成所需厚度的竹单板；[8]干燥与定型。本发明将弧形竹材定弧后旋切成片，可获得大幅面的优质竹单板，含留青竹单板；可保留竹青层旋切，进而大幅提高竹材利用率；突破了原材料尺寸的限制，可将任意径级竹筒制成相同的弧度后，再固定于轴辊表面进行旋切加工，大大提高成品率；简化了加工工序，提高了生产效率。
-
公开(公告)号：CN117799024A
公开(公告)日：2024-04-02
申请号：CN202410088854.3
申请日：2024-01-22
Applicant: 浙江农林大学
Abstract: 本发明公开了一种留青竹单板及其展平竹的生产方法，包括以下步骤：[1]选材；[2]制备竹筒；[3]剖竹开片；[4]竹片软化；[5]整形：采用直径由小到大的球型预热渐变辊对照弧形竹片进行辊压，将弧形竹片逐渐整成弧度一致的同心圆；[6]弧形竹片固定：将扩展到相同弧度的竹片固定于同弧度的圆柱形旋转轴表面；[7]旋切：根据需求旋切弧形竹片，加工成所需厚度的竹单板；[8]展平：将旋切后留下的留青竹单板放入平压辊进行展平；[9]干燥与定型：将展平的留青竹单板置于网带干燥机进行干燥与定型。本发明将弧形竹材定弧后旋切成片，可获得大幅面的优质竹单板，含留青竹单板，可保留竹青层旋切，留青竹单板可单独展平供给所需使用场景，进而大幅提高竹材利用率。
-
公开(公告)号：CN119589775A
公开(公告)日：2025-03-11
申请号：CN202411909456.X
申请日：2024-12-24
Applicant: 浙江农林大学
Abstract: 本发明提供了一种高强防霉型竹材的制备方法，属于复合材料技术领域。本发明通过将竹材脱除部分木质素和半纤维素，能够增加竹材的孔隙率，使改性剂能够进入孔隙内，提高改性效果；本发明在脱木素竹材试件中原位形成表面富含羟基的二氧化钛，然后再进行疏水改性，表面富含羟基的二氧化钛与疏水改性剂之间能够发生反应，使疏水改性剂稳定结合在竹材上，二者协同作用，提高竹材的抗菌性和疏水性，进而提高防霉效果；本发明通过对二氧化钛疏水竹试样进行预热、热压和定型，并控制高强防霉型竹材的压缩率为20～50％，能够保证高强防霉型竹材具有较高的致密性，使高强防霉型竹材维持较高的力学性能。
-
Patent Agency Ranking
公开(公告)号：CN119722412A
公开(公告)日：2025-03-28
申请号：CN202411836050.3
申请日：2024-12-13
Applicant: 浙江农林大学
IPC: G06Q50/26 , G06Q10/047 , G06Q10/0635 , G06V20/17 , G06V10/82 , G06N5/01 , G06N3/0455 , G06N3/0464 , G06N20/00 , G05D1/46 , G05D1/695 , H04W4/90 , H04W84/06 , H04W4/02 , H04B7/185 , G01S19/17 , G05D109/20
Abstract: 本发明涉及山洪灾害应急救援技术领域，具体公开了一种天地协同山洪灾害应急救援方法，包括基于联邦学习框架，部署和训练以下应急救援关键技术；首先，提出基于双目标多臂老虎机的无人机灾区集群广域最优部署算法，平衡无人机集群的覆盖范围与通信效率；其次，开发天地协同的两阶段半定松弛灾区定位方法，确保灾区被精准定位；最后，提出基于无人机遥感视觉与动态路径优化的应急救援方法，提高了应急救援及撤退效率。
-
公开(公告)号：CN118419546A
公开(公告)日：2024-08-02
申请号：CN202410676838.6
申请日：2024-05-29
Applicant: 浙江农林大学
IPC: B65G47/248 , B65G47/14 , B65G47/26 , B65G15/24
Abstract: 本发明公开了一种竹制杯盖生产线自动翻转设备，包括下料漏斗、传送带一、传送带二和传送带三；所述下料漏斗设置于所述传送带一的首端，所述传送带一水平设置，所述传送带二斜向上倾斜设置，且所述传送带二的底部首端与所述传送带一的尾端衔接，所述传送带二的顶部尾端与所述传送带三的首端衔接，所述传送带三水平设置；所述传送带一的顶部设置有限位横杆，所述限位横杆的高度高于一个杯盖的高度并低于两个杯盖堆叠到一起的高度，所述传送带二上分布有若干凸出所述传送带二表面的隔带；本发明中的竹制杯盖生产线自动翻转设备，具有结构简单、使用寿命长、工作效率高和耗能小的优点。
-
公开(公告)号：CN119720093A
公开(公告)日：2025-03-28
申请号：CN202411836296.0
申请日：2024-12-13
Applicant: 浙江农林大学
IPC: G06F18/25 , G08B31/00 , G08B21/10 , G06V20/17 , G06V10/82 , G06Q50/26 , G06N5/04 , G06N3/0455 , G06N3/08 , G06F123/02
Abstract: 本发明涉及一种天地协同山洪灾害预报方法，包括以下步骤：综合处理多源数据，基于三维空间插值、二阶网格精化与强变异空间感知技术得到监测区域内的山洪态势数据；融合山洪态势数据和无人机遥感图像数据，综合分析水位变化以及地形变化，搭建多模态山洪预警大模型；采用P‑Tuning V2和低秩自适应LoRA相结合的技术对多模态山洪预警大模型进行微调；采用非自回归式解码以加速大模型的推理速度。本发明山洪预警大模型提升了预警精准性和时效性，优化应急响应，为防洪救灾提供技术支持。且微调后的山洪预警大模型能够更加精准、实时、高效地预测山洪风险，处理多模态数据，为防灾减灾提供强有力的技术支持。
-
公开(公告)号：CN118784305A
公开(公告)日：2024-10-15
申请号：CN202410880915.X
申请日：2024-07-02
Applicant: 浙江农林大学
Abstract: 本发明公开了一种基于联邦学习的车联网入侵检测模型构建方法，将本地模型按照特征提取器和分类器进行解耦；选择与每个参与训练的车辆客户端相似度较高的其它车辆客户端；服务器收集各车辆客户端的本地特征提取器，并与上一轮次所得全局分类器分发给各车辆客户端；将本地分类器与服务器分发的其它车辆客户端的特征提取器进行聚合，形成评估模型；更新权重，得到更新后的车辆客户端本地特征提取器，将其与上一轮的全局分类器结合，更新本地模型；利用更新前后的车辆客户端本地特征提取器对本地数据集提取的特征表示进行聚合后，得到当前特征表示；服务器收集所有当前特征表示训练全局分类器，并分发给参与下一轮训练的车辆客户端，本发明保障了数据隐私和安全性。
-
公开(公告)号：CN118432906A
公开(公告)日：2024-08-02
申请号：CN202410584498.4
申请日：2024-05-12
Applicant: 浙江农林大学
IPC: H04L9/40 , G06F18/2115 , G06F18/214 , G06N3/0442 , G06N3/048 , G06N3/08
Abstract: 本发明公开了一种抵御攻击的网络攻击识别方法、装置及设备，接收包含有若干网络流量样本的网络流量数据集；将网络流量样本中的字符特征映射为数值特征，并将映射后的数值特征与原始数值特征整合为数值样本#imgabs0#标准化数值样本#imgabs1#得到标准化后的数值型样本xz；构建抵御攻击的网络流量攻击识别模型，输入数值型样本xz，得到网络流量样本属于网络攻击的概率p，若概率p大于所设定的阈值时，则网络流量样本被识别为网络攻击样本。本发明充分考虑了识别模型受攻击对标准化后的数值样本的影响，大大提高了检测效率，经过试验验证，模型正常情况下，准确率达到0.9904，召回率分别0.9898；模型受攻击情况下，准确率为0.9564，召回率0.9661，能准确识别网络流量攻击数据。
-
-
-
-
-
-
-
-
Search Results
9
records
(took 0.031 seconds)
