-
公开(公告)号：CN118347984A
公开(公告)日：2024-07-16
申请号：CN202410457986.9
申请日：2024-04-17
Applicant: 安徽大学
Abstract: 本发明提供一种基于SERS和戊唑醇对镰孢菌孢子的检测方法，包括如下步骤：合成银纳米颗粒溶液；配置戊唑醇溶液；将待测溶液和戊唑醇溶液按1:(1～10)的体积比混合，以获得溶液a；将溶液a与银纳米颗粒溶液按1:(1～4)的体积比混合并震荡，以获得溶液b；利用拉曼光谱仪采集溶液b的拉曼光谱，得到第一光谱数据；根据第一光谱数据以及预设光谱数据求得待测溶液中镰孢菌孢子的类别和浓度。戊唑醇能够抑制真菌的麦角甾醇合成，从而改变细胞膜的通透性和吸附性，促进孢子内部物质释放以及纳米颗粒和细胞间的热点区域构筑，以提高不同孢子的特异性物质和纳米颗粒的结合概率，大大提高镰孢菌孢子的检测效果和灵敏度。
-
公开(公告)号：CN115494066A
公开(公告)日：2022-12-20
申请号：CN202211129757.1
申请日：2022-09-16
Applicant: 安徽大学
IPC: G01N21/88 , G06V20/68 , G06V10/40 , G06V10/80 , G06V10/764
Abstract: 本发明特别涉及一种融合结构光的果品表面损伤检测方法，包括如下步骤：利用投影仪向参考平面和被测水果表面投射正弦条纹图，并用摄像机采集调制后的形变条纹图；利用结构光四步相移法计算得到水果表面三维结构；提取水果表面三维结构的二值特征；采用基于贝叶斯理论的特征融合算法将均匀光照图像的特征与二值特征进行融合；采用支持向量机的方法对融合后的特征进行分类得到水果表面损伤情况。整个检测过程都是自动的，降低了人力成本，增加了检测的效率；采用无损检测技术，避免了由检测造成的损伤；整个装置只需要用到投影仪、摄像机以及计算机，实现低成本的工业要求；采用结构光和均匀光照融合的方法，提高了损伤检测的准确度。
-
公开(公告)号：CN115494066B
公开(公告)日：2025-04-29
申请号：CN202211129757.1
申请日：2022-09-16
Applicant: 安徽大学
IPC: G01N21/88 , G06V20/68 , G06V10/40 , G06V10/80 , G06V10/764
Abstract: 本发明特别涉及一种融合结构光的果品表面损伤检测方法，包括如下步骤：利用投影仪向参考平面和被测水果表面投射正弦条纹图，并用摄像机采集调制后的形变条纹图；利用结构光四步相移法计算得到水果表面三维结构；提取水果表面三维结构的二值特征；采用基于贝叶斯理论的特征融合算法将均匀光照图像的特征与二值特征进行融合；采用支持向量机的方法对融合后的特征进行分类得到水果表面损伤情况。整个检测过程都是自动的，降低了人力成本，增加了检测的效率；采用无损检测技术，避免了由检测造成的损伤；整个装置只需要用到投影仪、摄像机以及计算机，实现低成本的工业要求；采用结构光和均匀光照融合的方法，提高了损伤检测的准确度。
-
公开(公告)号：CN118521476A
公开(公告)日：2024-08-20
申请号：CN202410518449.0
申请日：2024-04-28
Applicant: 安徽大学
IPC: G06T3/4053 , G06T3/4046 , G06N3/0464 , G06N3/0455 , G06N3/084 , G06V10/44 , G06V10/52 , G06V10/80 , G06V10/774 , G06V10/776 , G06V10/82 , G06N3/048
Abstract: 本发明提供一种图像超分辨率方法、电子设备及存储介质，其中图像超分辨率方法包括如下步骤：获取待处理的低分辨率图像；利用训练得到的超分网络的编码器对低分辨率图像进行处理，以提取低分辨率图像的基本特征，得到潜码；利用超分网络的多尺度隐式Transformer对潜码进行处理，以提取潜码的多尺度信息，得到注意力潜码；利用超分网络的解码器对注意力潜码进行处理，得到高分辨率图像。该方法通过构建和训练超分网络，将待处理的低分辨率图像和超分后图像的宽高输入到训练好的超分网络中，该超分网络会自动输出设定尺寸的高分辨率图像，宽高还可以分别具有不同的放大倍率，该方法实现了在任意尺度超分辨率任务下的优异表现。
-
Patent Agency Ranking
公开(公告)号：CN119339088B
公开(公告)日：2025-03-18
申请号：CN202411874111.5
申请日：2024-12-19
Applicant: 安徽大学
IPC: G06V10/26 , G06V10/764 , G06V10/774 , G06T7/90 , G06T7/529 , G06V10/82
Abstract: 本发明提供一种基于感知增强门控网络的小麦染病麦穗分割方法，包括：获取待检测小麦图像，待检测小麦图像中包括若干小麦麦穗；将待检测小麦图像输入至训练好的感知增强门控网络模型中，得到分割图像；分割图像中的健康小麦麦穗的颜色、患病小麦麦穗的颜色、背景区域的颜色相异；感知增强门控网络模型融合了双门控机制和多尺度扩张卷积块，以实现对小麦麦穗的精确分割。该方法通过两种不同的门控单元在语义特征提取分支中保留了浅层局部特征的同时又提取到了更深层次的上下文特征，获取多样的特征细节，使得语义分割模型在复杂场景下仍然可以拥有优异的性能表现，进而得到非常精确的分割图像。
-
公开(公告)号：CN115937682A
公开(公告)日：2023-04-07
申请号：CN202211633607.4
申请日：2022-12-19
Applicant: 安徽大学
IPC: G06V20/10 , G06V10/764 , G06V10/82 , G06N3/047 , G06N3/0475 , G06N3/0895
Abstract: 本发明涉及一种标注样本缺失下的植物叶部病害视觉识别方法，包括：获取原始的植物叶部病害数据集，进行数据标注；进行数据增强处理；基于生成对抗网络GAN和分类器，构建双策略半监督学习模型GANC‑DGAN；利用增强后的植物叶部病害数据集对双策略半监督学习模型GANC‑DGAN进行训练，使用训练好的双策略半监督学习模型GANC‑DGAN进行植物叶部病害识别。本发明的实际应用价值高，通过构建双策略半监督学习模型GANC‑DGAN，针对标注图像缺少、训练样本少的问题，提高了识别效率，为农作物病害识别提供了理论指导与技术支撑，对农业作物病害监测具有重大的现实意义。
-
公开(公告)号：CN119375209A
公开(公告)日：2025-01-28
申请号：CN202411630323.9
申请日：2024-11-15
Applicant: 安徽大学
Abstract: 本发明提供一种一种空气真菌病害孢子微流控SERS采集系统及方法，该系统包括微流控纯化模块，用于对抽取的气体进行分离富集，得到富集的孢子；SERS传感模块，用于将富集的孢子和增强粒子进行混合，得到被测溶液；光谱采集模块，用于采集被测溶液的光谱后输出；以及控制模块，控制模块与微流控纯化模块、SERS传感模块以及光谱采集模块电连接，用于控制这些模块的启停时序。微流控纯化模块从物理方法上实现孢子的纯化，SERS传感单元生成被测溶液，光谱仪采集溶液的拉曼光谱数据，这些模块体积都比较小巧，使得本系统可以部署在无人机上，方便在任意位置进行数据采集，该采集过程是全自动的，无需人员参与，可大幅提高检测效率。
-
公开(公告)号：CN119339088A
公开(公告)日：2025-01-21
申请号：CN202411874111.5
申请日：2024-12-19
Applicant: 安徽大学
IPC: G06V10/26 , G06V10/764 , G06V10/774 , G06T7/90 , G06T7/529 , G06V10/82
Abstract: 本发明提供一种基于感知增强门控网络的小麦染病麦穗分割方法，包括：获取待检测小麦图像，待检测小麦图像中包括若干小麦麦穗；将待检测小麦图像输入至训练好的感知增强门控网络模型中，得到分割图像；分割图像中的健康小麦麦穗的颜色、患病小麦麦穗的颜色、背景区域的颜色相异；感知增强门控网络模型融合了双门控机制和多尺度扩张卷积块，以实现对小麦麦穗的精确分割。该方法通过两种不同的门控单元在语义特征提取分支中保留了浅层局部特征的同时又提取到了更深层次的上下文特征，获取多样的特征细节，使得语义分割模型在复杂场景下仍然可以拥有优异的性能表现，进而得到非常精确的分割图像。
-
公开(公告)号：CN119023648A
公开(公告)日：2024-11-26
申请号：CN202411141323.2
申请日：2024-08-20
Applicant: 安徽大学
Abstract: 本发明提供一种SERS探针制备方法、汞离子浓度检测方法，其中一种SERS探针制备方法，包括如下步骤：制备磁性纳米颗粒Fe3O4；利用所述磁性纳米颗粒Fe3O4，制备复合材料ZnO@Fe3O4；利用所述复合材料ZnO@Fe3O4，制备SERS探针AuNPs@ZnO@Fe3O4。该方法所制得的SERS探针AuNPs@ZnO@Fe3O4具有显著增强的表面拉曼散射信号，使得汞二价离子即使在极低浓度下也能被检测到，其检测限可达到纳摩尔级别，远高于许多传统检测方法；同时，利用该SERS探针检测汞离子时，无需复杂的样品预处理步骤，操作流程简单易行，且反应时间短，适合快速检测。
-
-
-
-
-
-
-
-
Search Results
9
records
(took 0.021 seconds)
