-
公开(公告)号：CN118230023A
公开(公告)日：2024-06-21
申请号：CN202410182358.4
申请日：2024-02-19
Applicant: 南京信息工程大学
IPC: G06V10/764 , G06V10/774 , G06V10/82 , G06N3/0464 , G06N3/09 , G06V10/77
Abstract: 本发明公开了一种基于二次训练的高光谱图像分类方法及系统，涉及高光谱图像分类技术领域，通过Transformer分类模型进行有监督学习得到像素的高阶分类向量，构建与分类模型相同结构的二次训练模型，将像素块中的部分像素与中心像素输入模型，输出得到二次分类向量，根据高阶分类向量与二次分类向量之间差异作为损失，优化二次训练模型的参数，连接高阶分类向量与二次分类向量并输入线性分类模型，得到像素的分类概率。利用少量有标记数据微调线性分类模型，将待分类的像素分别利用训练好的Transformer分类模型、二次训练模型、线性分类模型，得到像素的分类概率，选择最大概率所在类别作为标签，即可实现高光谱图像分类。
-
公开(公告)号：CN118135205A
公开(公告)日：2024-06-04
申请号：CN202410544586.1
申请日：2024-05-06
Applicant: 南京信息工程大学
Abstract: 本发明公开了一种高光谱图像异常检测方法，包括：对待检测的高光谱图像矩阵进行分割，获取固定窗口区域和超像素的区域；将待检测的高光谱图像矩阵转换为全局二维图像矩阵；针对全局二维图像矩阵、固定窗口区域和超像素的区域，分别使用锚点生成模型处理和局部马氏距离模型处理，获得三种异常检测结果；将三种异常检测结果考虑逻辑“或”“与”操作进行融合，得到最终异常检测结果。提升了高光谱图像异常检测的准确性。
-
公开(公告)号：CN117786617A
公开(公告)日：2024-03-29
申请号：CN202410214228.4
申请日：2024-02-27
Applicant: 南京信息工程大学
IPC: G06F18/27 , G06F18/214 , G06F18/15 , G06N3/0442 , G06N3/048 , G06N3/08 , G16C20/20 , G01N21/25
Abstract: 本发明公开了一种基于GA‑LSTM高光谱定量反演的布料成分分析方法及系统，涉及检测技术领域，包括：接收样本布料光谱数据，对样本布料光谱数据进行预处理，得到样本数据，将样本数据进行分类得到训练集和测试集；将训练集和测试集输入至预先建立的长短期记忆神经网络LSTM的布料成分分析回归模型内，输出得到一次训练LSTM的布料成分分析回归模型；优化一次训练LSTM的布料成分分析回归模型的学习率，将优化后的学习率输入至一次训练LSTM的布料成分分析回归模型内，输出得到二次训练LSTM的布料成分分析回归模型；将待测布料的融合后的光谱数据输入至二次训练LSTM的布料成分分析回归模型内，得到布料成分分析结果。
-
公开(公告)号：CN114709291A
公开(公告)日：2022-07-05
申请号：CN202210345928.8
申请日：2022-03-31
Applicant: 南京信息工程大学
IPC: H01L31/101 , H01L31/032 , H01L31/0352 , G01J5/28
Abstract: 本发明公开一种基于GeSe二维纳米材料红外光谱探测器及其制备方法，属于红外光谱探测器器件领域，该红外光谱探测器包括基底上利用泼墨打印形成的栅极电极，绝缘层，源漏电极，二维纳米材料层，半导体有源层，本发明能够感知宽光谱红外信号并且将光信号转化为电信号，结合机器学习的方法来进行光谱的分光识别和处理，代替了传统光谱传感器利用光栅进行分光，所用的二维纳米GeSe片在红外波段感光性强，提高了光谱传感器灵敏度，此外该材料构成的传感器靶面与读出电路匹配，器件的集成度高。
-
公开(公告)号：CN112436070A
公开(公告)日：2021-03-02
申请号：CN202011381986.3
申请日：2020-12-01
Applicant: 南京信息工程大学
IPC: H01L31/113 , H01L31/0352 , H01L31/18
Abstract: 本发明公开了一种量子点异质结日盲紫外探测芯片及其制备方法，该芯片自下至上依次为基底、底栅电极、栅绝缘层、p型半导体层、本征层和n型半导体层，p型半导体层上设置有源电极，n型半导体层上设置有漏电极，p型半导体层、本征层和n型半导体层构成p‑i‑n异质结场效应沟道，该芯片的制备方法包括以下步骤：(1)在基底制备底栅电极；(2)制备栅绝缘层；(3)制备p型半导体层；(4)制备源电极；(5)制备宽禁带半导体量子点本征层；(6)制备n型半导体层；(7)制备漏电极。该芯片能够在提高内量子效率同时降低暗电流，加速分离光生电子和空穴，使光生电子和空穴分别快速转移到n区和p区，继而分别到达源电极和漏电极，提高其响应度。
-
Patent Agency Ranking
公开(公告)号：CN107267142A
公开(公告)日：2017-10-20
申请号：CN201710543758.3
申请日：2017-07-05
Applicant: 南京信息工程大学
Abstract: 本发明提供了一种具有高紫外摩尔吸光系数的硫化锌量子点及其制备方法。其制备步骤如下：将70℃的乙酸锌乙醇溶液与0℃的硫代乙酰胺乙醇溶液混合，在60℃恒定温度强力搅拌下，通过控制生长时间调整ZnS量子点的尺寸。提纯过程，加入正庚烷，离心析出。再次加入正庚烷/乙醇混合溶液(体积比例4:1)，溶解后再次离心，干燥得到产物，可悬浮于乙醇中以用于喷涂、印刷工艺。与现有技术相比，其显著优点是：本发明所制备ZnS量子点具有较高的摩尔吸光系数，制备工艺非常的简单。所制备的ZnS量子点，直径在2nm附近。禁带宽度可达4.23eV，可用于日盲紫外光电探测。
-
公开(公告)号：CN119492712B
公开(公告)日：2025-04-15
申请号：CN202510073702.0
申请日：2025-01-17
Applicant: 南京信息工程大学 , 太谱(苏州)纺织科技有限公司
IPC: G01N21/47 , G06F18/23 , G06N3/084 , G06N3/096 , G06N3/0464
Abstract: 本发明涉及面料检测技术领域，具体涉及一种便携式纺织品面料多组分纤维成分识别方法及系统，采集多次待测面料正、反两面反射的红外光谱数据；对红外光谱数据进行预处理并对预处理后的光谱数据进行聚类分析获取训练数据集；通过训练数据集对模型训练，构建出多组分纤维成分模型；将构建的模型迁移部署到设备端，通过增量学习再训练获得成熟的识别模型；采集未知纤维成分面料的红外光谱数据；嵌入式端调用相应设备端部署的识别模型对预处理后的红外光谱数据进行识别。本发明能有效解决目前红外光谱法对纺织品面料成分测量不够准确并且每种模型适用范围小的问题，从而替代传统人工检测，使多组分纤维成分识别结果更客观的同时提高了检测效率。
-
公开(公告)号：CN119492712A
公开(公告)日：2025-02-21
申请号：CN202510073702.0
申请日：2025-01-17
Applicant: 南京信息工程大学 , 太谱(苏州)纺织科技有限公司
IPC: G01N21/47 , G06F18/23 , G06N3/084 , G06N3/096 , G06N3/0464
Abstract: 本发明涉及面料检测技术领域，具体涉及一种便携式纺织品面料多组分纤维成分识别方法及系统，采集多次待测面料正、反两面反射的红外光谱数据；对红外光谱数据进行预处理并对预处理后的光谱数据进行聚类分析获取训练数据集；通过训练数据集对模型训练，构建出多组分纤维成分模型；将构建的模型迁移部署到设备端，通过增量学习再训练获得成熟的识别模型；采集未知纤维成分面料的红外光谱数据；嵌入式端调用相应设备端部署的识别模型对预处理后的红外光谱数据进行识别。本发明能有效解决目前红外光谱法对纺织品面料成分测量不够准确并且每种模型适用范围小的问题，从而替代传统人工检测，使多组分纤维成分识别结果更客观的同时提高了检测效率。
-
公开(公告)号：CN118230023B
公开(公告)日：2024-12-03
申请号：CN202410182358.4
申请日：2024-02-19
Applicant: 南京信息工程大学
IPC: G06V10/764 , G06V10/774 , G06V10/82 , G06N3/0464 , G06N3/09 , G06V10/77
Abstract: 本发明公开了一种基于二次训练的高光谱图像分类方法及系统，涉及高光谱图像分类技术领域，通过Transformer分类模型进行有监督学习得到像素的高阶分类向量，构建与分类模型相同结构的二次训练模型，将像素块中的部分像素与中心像素输入模型，输出得到二次分类向量，根据高阶分类向量与二次分类向量之间差异作为损失，优化二次训练模型的参数，连接高阶分类向量与二次分类向量并输入线性分类模型，得到像素的分类概率。利用少量有标记数据微调线性分类模型，将待分类的像素分别利用训练好的Transformer分类模型、二次训练模型、线性分类模型，得到像素的分类概率，选择最大概率所在类别作为标签，即可实现高光谱图像分类。
-
公开(公告)号：CN117524340A
公开(公告)日：2024-02-06
申请号：CN202410010523.8
申请日：2024-01-04
Applicant: 南京信息工程大学
IPC: G16C20/20 , G16C20/70 , G06F18/214 , G06F18/241 , G06F18/25 , G06N3/045 , G06N3/0464 , G06N3/0475 , G06N3/084 , G06N3/094
Abstract: 本发明公开了基于多层一维CNN深度网络的纺织品成份定量表征方法，从近红外光谱样本数据中挑选出由目标成分构成的纺织品光谱数据，并对纺织品光谱数据进行预处理；构建GAN模型，利用训练集数据和随机噪声样本训练GAN模型；构建多池化融合一维卷积核神经网络，利用训练之后的生成器生成伪样本数据，利用伪样本数据训练多池化融合一维卷积核神经网络，将训练后的多池化融合一维卷积核神经网络作为分类器；利用分类器对纺织品的成分进行定量表征。本发明利用多层一维CNN深度网络、GAN模型和多池化融合一维卷积核神经网络相结合的方法，实现了对纺织品成分的高效准确定量表征，具有较好的应用前景。
-
-
-
-
-
-
-
-
-
Search Results
51
records
(took 0.029 seconds)
