基于集成学习校准模型的松子蛋白质含量预测方法

    公开(公告)号:CN112002377B

    公开(公告)日:2021-04-27

    申请号:CN202010854838.2

    申请日:2020-08-24

    Abstract: 基于集成学习校准模型的松子蛋白质含量预测方法,它属于食品成分检测技术领域。本发明解决了利用现有近红外校准模型对松子中蛋白质含量预测的准确率低的问题。本发明对松子的近红外光谱数据进行预处理,并在预处理结束后选用局部切线空间对齐、等距特征映射、局部线性嵌入与主成分分析对预处理后光谱数据进行特征提取;然后使用提取的特征数据集建立松子蛋白质含量与光谱数据的偏最小二乘模型;最后依据stacking法作为集成策略,以BP神经网络为次级学习器,输出最终松子蛋白质含量结果。本发明方法对光谱数据利用程度更高,充分利用了近红外光谱中复杂的空间特征,提高了校准模型预测的准确率。本发明可以应用于松子中蛋白质含量预测。

    一种碳纤维布增强杨木单板层积材的制备方法

    公开(公告)号:CN104493917B

    公开(公告)日:2016-08-24

    申请号:CN201410723714.5

    申请日:2014-12-02

    Abstract: 一种碳纤维布增强杨木单板层积材的制备方法,它涉及单板层积材的制备方法。本发明的目的是要解决现有杨木单板层积材的力学强度不高,碳纤维和木材的界面结合能力差,易出现品层离的问题。一种碳纤维布增强杨木单板层积材由7块杨木单板和2块碳纤维布制备而成,且由上至下依次为杨木单板、表面处理后的碳纤维布、杨木单板、杨木单板、杨木单板、杨木单板、杨木单板、表面处理后的碳纤维布和杨木单板。制备方法:首先对碳纤维布预处理,然后再进行涂胶,最后进行热压,得到碳纤维布增强杨木单板层积材。本发明可获得一种碳纤维布增强杨木单板层积材及其制备方法。

    碳纤维木质电磁屏蔽材料及其制备方法

    公开(公告)号:CN103214865A

    公开(公告)日:2013-07-24

    申请号:CN201310138822.1

    申请日:2013-04-22

    Abstract: 碳纤维木质电磁屏蔽材料及其制备方法,属于电磁屏蔽材料领域。本发明的碳纤维增强木质功能复合材料由拌胶碳纤维与拌胶木质纤维按照质量比为3:7~1:1的比例经热压模工艺制备而成,所述拌胶碳纤维由碳纤维和异氰酸酯按照质量比为10:1的比例混合而成,拌胶木质纤维由木质纤维和脲醛胶按照质量比为5:1的比例混合而成。本发明将碳纤维作为增强体与木质纤维材料(木材剩余物)在简单、有效的复合工艺方式下制备功能型木质复合材料,在提高木质复合材料力学性能的同时,赋予复合材料良好的导电性及电磁屏蔽特征,且实现废弃物再利用的木材优化使用目的。

    多参数监控的木材干燥方法

    公开(公告)号:CN105180640A

    公开(公告)日:2015-12-23

    申请号:CN201510679813.2

    申请日:2015-10-19

    Abstract: 多参数监控的木材干燥方法,属于木材干燥技术领域。本发明是为了解决现有常压过热蒸汽干燥中由于无法控制木材的升温速度和内外温差,造成木材内裂或表裂的问题。它包括以下步骤:选定干湿球温度监测点和材芯监测点;采集所有监测点传感器的初始检测数据;进入升温阶段;进入干燥阶段和中间处理阶段,并使两个阶段交替进行,在干燥阶段根据干燥窑内当前干球温度平均值和干燥窑内当前湿球温度平均值,对待干燥木材的含水率采用含水率基准进行控制;在中间处理阶段;根据预设定此阶段干燥窑内预期湿球温度值,对干燥窑内当前湿球温度采用时间基准进行控制;再依次进入平衡处理阶段、终了处理阶段、降温阶段。本发明用于木材干燥。

    一种基于改进YOLO对梢斑螟森林病害程度检测方法

    公开(公告)号:CN119672517A

    公开(公告)日:2025-03-21

    申请号:CN202411633009.6

    申请日:2024-11-15

    Abstract: 本发明涉及计算机视觉技术领域,具体涉及一种基于改进YOLO对梢斑螟森林病害程度检测方法,通过无人机获取自制梢斑螟虫蛀图像数据集预处理及分类,再将分类后的训练集和验证集输入到YOLOv7网络模型中进行训练和验证,添加CloFormer注意力增强局部特征模块、增加分类对比损失函数Focal Loss和小目标检测损失函数NWD(NormalizedWasserstein Distance)替换现YOLOv7网络模型中的损失函数,得到改进网络模型,基于训练集和验证集对改进网络模型进行模型训练,得到优化后的最终YOLO网络模型;利用最终YOLO网络模型对梢斑螟虫蛀数据集进行检测。经实验证明,本发明在各种光照条件下均能保持高精度检测,使YOLOv7模型在识别梢斑螟虫蛀树木方面达到了更高的准确度,有效解决了漏检问题。

    基于集成学习校准模型的松子蛋白质含量预测方法

    公开(公告)号:CN112002377A

    公开(公告)日:2020-11-27

    申请号:CN202010854838.2

    申请日:2020-08-24

    Abstract: 基于集成学习校准模型的松子蛋白质含量预测方法,它属于食品成分检测技术领域。本发明解决了利用现有近红外校准模型对松子中蛋白质含量预测的准确率低的问题。本发明对松子的近红外光谱数据进行预处理,并在预处理结束后选用局部切线空间对齐、等距特征映射、局部线性嵌入与主成分分析对预处理后光谱数据进行特征提取;然后使用提取的特征数据集建立松子蛋白质含量与光谱数据的偏最小二乘模型;最后依据stacking法作为集成策略,以BP神经网络为次级学习器,输出最终松子蛋白质含量结果。本发明方法对光谱数据利用程度更高,充分利用了近红外光谱中复杂的空间特征,提高了校准模型预测的准确率。本发明可以应用于松子中蛋白质含量预测。

    短切碳纤维增强木质功能复合材料及其制备方法

    公开(公告)号:CN102602065A

    公开(公告)日:2012-07-25

    申请号:CN201210053924.9

    申请日:2012-03-05

    Abstract: 短切碳纤维增强木质功能复合材料及其制备公布了一种用碳纤维作为增强体的功能型木质复合材料及其制备方法,属于功能复合材料领域。所述碳纤维增强木质复合材料,由5mm的5%-6%质量百分比的短切碳纤维、木材剩余物(木质纤维)及脲醛胶、异氰酸酯等化学添加剂,经碳纤维分散处理、纤维拌胶、分层铺装后,以热压模工艺方式制得。利用此方法不但提高了木质复合材料的力学性能,而且赋予其良好的导电功能,且甲醛含量明显降低。本发明避免了表面金属化导电木质材料实现工艺复杂、石墨或炭黑填充导电材料受影响因素多、填充导电材料中金属纤维制造困难的问题,具有复合工艺简单,操作方便,成本低的特点,实现废物再利用,适合大型工业生产。

    基于隐马尔科夫模型与粒子群优化的木材含水率控制方法

    公开(公告)号:CN111578690B

    公开(公告)日:2020-12-18

    申请号:CN202010340275.5

    申请日:2020-04-26

    Abstract: 基于隐马尔科夫模型与粒子群优化的木材含水率控制方法,它属于木材干燥过程控制技术领域。本发明解决了采用现有方法在减速干燥阶段对木材含水率的控制精度低的问题。本发明首先测量出当前时刻木材的含水率、温度和湿度数据,再将测量的当前时刻数据输入隐马尔科夫模型,获得模型输出的下一时刻木材的含水率、温度和湿度数据。将当前时刻的木材温度、湿度数据、模型输出的下一时刻木材含水率、温度和湿度数据以及含水率基准数据代入适应度函数,对适应度函数进行优化得到当前时刻干燥系统需要设定的最佳温度和湿度,实现对干燥过程中木材含水率的控制,且通过本发明方法可以显著提高减速干燥阶段中对木材含水率的控制精度。本发明可以应用于木材干燥过程含水率控制。

    基于隐马尔科夫模型与粒子群优化的木材含水率控制方法

    公开(公告)号:CN111578690A

    公开(公告)日:2020-08-25

    申请号:CN202010340275.5

    申请日:2020-04-26

    Abstract: 基于隐马尔科夫模型与粒子群优化的木材含水率控制方法,它属于木材干燥过程控制技术领域。本发明解决了采用现有方法在减速干燥阶段对木材含水率的控制精度低的问题。本发明首先测量出当前时刻木材的含水率、温度和湿度数据,再将测量的当前时刻数据输入隐马尔科夫模型,获得模型输出的下一时刻木材的含水率、温度和湿度数据。将当前时刻的木材温度、湿度数据、模型输出的下一时刻木材含水率、温度和湿度数据以及含水率基准数据代入适应度函数,对适应度函数进行优化得到当前时刻干燥系统需要设定的最佳温度和湿度,实现对干燥过程中木材含水率的控制,且通过本发明方法可以显著提高减速干燥阶段中对木材含水率的控制精度。本发明可以应用于木材干燥过程含水率控制。

Patent Agency Ranking