公开(公告)号：CN110876871A

公开(公告)日：2020-03-13

申请号：CN201911165410.0

申请日：2019-11-25

Applicant: 中国矿业大学

Inventor： 谢彪 ,  李逸舟 ,  李宇轩 ,  李世航 ,  户书达 ,  刘浩 ,  靳昊 ,  谭晓宇 ,  蔡莲

IPC: B01D39/14 ,  B01D39/20 ,  B01D39/16 ,  B01D46/00 ,  H01F41/02

Abstract: 一种过滤纳米金属氧化物粉尘颗粒复合滤料的制备方法，包括以下步骤：制备永磁体基底：准备具有交叉网孔的金属网，除杂干燥后，在金属网下表面粘结永磁体颗粒；制备中间隔层：在金属网上表面依次铺设一层热塑性聚氨酯橡胶膜和聚丙烯丝网，热压粘合；调制纺丝液：将聚乙烯吡咯烷酮粉末溶解在无水乙醇中配置成聚乙烯吡咯烷酮溶液，再加入磁性纳米颗粒，搅拌后转移至密封罐中，将密封罐放置于温水中超声波震荡；制备纳米纤维层：将纺丝液装入自动注射器内，开启自动注射器，使其向聚丙烯丝网喷出纺丝液，纺丝液最终固化形成纳米纤维层；清洗及干燥。通过本发明制备得到的复合滤料在保持较低阻力的同时能够高效的除去空气中的纳米金属氧化物颗粒。

公开(公告)号：CN118470528B

公开(公告)日：2025-01-03

申请号：CN202410600683.8

申请日：2024-05-15

Applicant: 中国矿业大学

Inventor： 赵金奇 ,  李宇轩 ,  刘子蓉 ,  舒菲娅 ,  陈志盛 ,  毕英楠 ,  胥瀚文 ,  牛玉芬 ,  时洪涛 ,  蒋文娟

IPC: G06V20/10 ,  G06V10/762

Abstract: 本发明公开了耦合多维K‑Means与GMM的洪水自动检测方法，通过时间序列极化SAR数据构建4D‑SAR数据，并针对特征维度中的极化信息，利用不同的距离函数改进K‑Means聚类使其能够更好分辨水体特征。同时，利用聚类结果初始化4D‑GMM，利用多个矩阵高斯分布更好拟合4D‑SAR数据特征的分布特性，能够有效解决“硬聚类”造成的部分特征分类不合理的问题，为高效获取洪涝危害范围提供了基础，从根本上克服了SAR影像无监督变化检测方法中存在的信息利用不充分以及无法较好拟合SAR影像特征分布的问题。

公开(公告)号：CN110876871B

公开(公告)日：2020-12-08

申请号：CN201911165410.0

申请日：2019-11-25

Applicant: 中国矿业大学

Inventor： 谢彪 ,  李逸舟 ,  李宇轩 ,  李世航 ,  户书达 ,  刘浩 ,  靳昊 ,  谭晓宇 ,  蔡莲

IPC: B01D39/14 ,  B01D39/20 ,  B01D39/16 ,  B01D46/00 ,  H01F41/02

Abstract: 一种过滤纳米金属氧化物粉尘颗粒复合滤料的制备方法，包括以下步骤：制备永磁体基底：准备具有交叉网孔的金属网，除杂干燥后，在金属网下表面粘结永磁体颗粒；制备中间隔层：在金属网上表面依次铺设一层热塑性聚氨酯橡胶膜和聚丙烯丝网，热压粘合；调制纺丝液：将聚乙烯吡咯烷酮粉末溶解在无水乙醇中配置成聚乙烯吡咯烷酮溶液，再加入磁性纳米颗粒，搅拌后转移至密封罐中，将密封罐放置于温水中超声波震荡；制备纳米纤维层：将纺丝液装入自动注射器内，开启自动注射器，使其向聚丙烯丝网喷出纺丝液，纺丝液最终固化形成纳米纤维层；清洗及干燥。通过本发明制备得到的复合滤料在保持较低阻力的同时能够高效的除去空气中的纳米金属氧化物颗粒。

公开(公告)号：CN118470528A

公开(公告)日：2024-08-09

申请号：CN202410600683.8

申请日：2024-05-15

Applicant: 中国矿业大学

Inventor： 赵金奇 ,  李宇轩 ,  刘子蓉 ,  舒菲娅 ,  陈志盛 ,  毕英楠 ,  胥瀚文 ,  牛玉芬 ,  时洪涛 ,  蒋文娟

IPC: G06V20/10 ,  G06V10/762

Abstract: 本发明公开了耦合多维K‑Means与GMM的洪水自动检测方法，通过时间序列极化SAR数据构建4D‑SAR数据，并针对特征维度中的极化信息，利用不同的距离函数改进K‑Means聚类使其能够更好分辨水体特征。同时，利用聚类结果初始化4D‑GMM，利用多个矩阵高斯分布更好拟合4D‑SAR数据特征的分布特性，能够有效解决“硬聚类”造成的部分特征分类不合理的问题，为高效获取洪涝危害范围提供了基础，从根本上克服了SAR影像无监督变化检测方法中存在的信息利用不充分以及无法较好拟合SAR影像特征分布的问题。

公开(公告)号：CN116563308A

公开(公告)日：2023-08-08

申请号：CN202310517307.8

申请日：2023-05-09

Applicant: 中国矿业大学

Inventor： 赵金奇 ,  姬琳霞 ,  赵争 ,  李丁 ,  霍雯浩 ,  李宇轩 ,  舒菲娅 ,  陈志盛 ,  刘子蓉 ,  曹婧淼 ,  孙玮苧

IPC: G06T7/11 ,  G06T7/30 ,  G06T5/00 ,  G06V10/762 ,  G06V10/774 ,  G06N3/084 ,  G06N3/088

Abstract: 本发明公开了联合超像素分割与孪生网络的SAR影像端到端变化检测方法，首先利用预处理后的不同时相SAR影像生成差异图并选取伪样本；并利用数据增强技术进行样本扩充；进一步，构建超像素分割网络，获得不同时相的包含超像素分割信息的高级特征，并将其输入孪生变化检测网络；端到端训练超像素分割网络与孪生网络获得全局最优参数，突破了传统超像素分割与变化检测相互分离，检测精度严重受限于分割精度的问题。本发明利用无监督思想，充分兼顾多时相信息挖掘与利用的独立性与协同性，生成了高质量、任务自适应的超像素，增强了模型感知语义的能力，提升了噪声鲁棒性与细节保持能力，提高了变化边界的分割精度以及小面积变化区域的检测效果。