-
公开(公告)号：CN116106291B
公开(公告)日：2023-07-11
申请号：CN202310351238.8
申请日：2023-04-04
Applicant: 季华实验室
IPC: G01N21/65
Abstract: 本发明涉及样品光谱检测技术领域，特别涉及一种样品检测设备及系统，在每一个样品放置区域上分别放置一个待检测的液态样品，然后通过光谱收发器将第一射出光束射至液态样品，并经液态样品反射之后形成反射光束，反射光束再从第一收发端进入光谱收发器并从第二收发端射出至一检测机构，最后再利用检测机构对反射光束进行检测，使得本发明采用对液态样品反射的反射光束进行检测的方式能够准确的得到液态样品的检测结果，解决了相关技术在对液态农产品进行检测时，存在无法准确获得样品的检测结果的缺陷的技术问题。
-
公开(公告)号：CN116106291A
公开(公告)日：2023-05-12
申请号：CN202310351238.8
申请日：2023-04-04
Applicant: 季华实验室
IPC: G01N21/65
Abstract: 本发明涉及样品光谱检测技术领域，特别涉及一种样品检测设备及系统，在每一个样品放置区域上分别放置一个待检测的液态样品，然后通过光谱收发器将第一射出光束射至液态样品，并经液态样品反射之后形成反射光束，反射光束再从第一收发端进入光谱收发器并从第二收发端射出至一检测机构，最后再利用检测机构对反射光束进行检测，使得本发明采用对液态样品反射的反射光束进行检测的方式能够准确的得到液态样品的检测结果，解决了相关技术在对液态农产品进行检测时，存在无法准确获得样品的检测结果的缺陷的技术问题。
-
公开(公告)号：CN113989578B
公开(公告)日：2022-04-26
申请号：CN202111608055.7
申请日：2021-12-27
Applicant: 季华实验室
IPC: G06V10/77 , G06V10/764 , G06K9/62 , G01N21/65
Abstract: 本发明公开了一种拉曼光谱的峰位分析方法、系统、终端设备以及计算机可读存储介质，该拉曼光谱的峰位分析方法的步骤包括：基于预设的滑动PCA模型和预设的分类预测模型对所述拉曼光谱进行划分得到多个光谱区间和多个所述光谱区间对应的F1分数，并基于多个所述F1分数从多个所述光谱区间确定最优光谱区间；获取所述最优光谱区间内的原始光谱和所述原始光谱中的多个光谱峰位，并确定多个所述光谱峰位对应的峰位区间的中间位置；根据所述中间位置确定峰均值组，基于多个所述峰均值组对所述原始光谱中的多个所述光谱峰位进行排序，并针对排序后的多个光谱峰位进行分析。本发明能够提高针对拉曼光谱峰位进行分析时的分析效率。
-
公开(公告)号：CN113971747B
公开(公告)日：2022-04-26
申请号：CN202111593447.0
申请日：2021-12-24
Applicant: 季华实验室
IPC: G06V10/77 , G06V10/764 , G06K9/62 , G01N21/65
Abstract: 本发明公开了一种拉曼光谱数据处理方法、装置、设备与可读存储介质，属于数字信号处理技术领域。本发明通过获取原始光谱数据，对所述原始光谱数据进行降维，得到降维后的光谱信息；并基于所述原始光谱数据，获取平移特征信息；将所述光谱信息和所述平移特征信息进行特征拼接，以得到新的特征表示方法，使用本发明中的新的特征表示方法进行预测,能够有效地避免测试时间不同引起的采样点平移的影响，并且显著提升预测模型的预测精度以及模型的泛化能力，提高了检测效率。
-
公开(公告)号：CN113963225B
公开(公告)日：2022-04-26
申请号：CN202111584922.8
申请日：2021-12-23
Applicant: 季华实验室
IPC: G06V10/77 , G06V10/764 , G06K9/62 , G01N21/31 , G01N21/33 , G01N21/3577 , G01N21/65 , G01N23/00
Abstract: 本申请公开了一种目标类别判定方法，所述目标类别判定方法包括：获取待测样本集对应的目标光谱数据，基于树状种类判别结构和所述待测样本集对应的目标光谱数据，对所述待测样本集进行逐级预测，获得所述待测样本集对应的种类预测结果，其中，所述树状种类判别结构包括多层级样本种类判别模型，不同层级的样本种类判别模型为基于不同光谱区分程度的白酒样本集对应的光谱数据进行训练得到。本申请解决白酒样品种类检测的效率低以及准确性低的技术问题。
-
Patent Agency Ranking
公开(公告)号：CN113963225A
公开(公告)日：2022-01-21
申请号：CN202111584922.8
申请日：2021-12-23
Applicant: 季华实验室
IPC: G06V10/77 , G06V10/764 , G06K9/62 , G01N21/31 , G01N21/33 , G01N21/3577 , G01N21/65 , G01N23/00
Abstract: 本申请公开了一种目标类别判定方法，所述目标类别判定方法包括：获取待测样本集对应的目标光谱数据，基于树状种类判别结构和所述待测样本集对应的目标光谱数据，对所述待测样本集进行逐级预测，获得所述待测样本集对应的种类预测结果，其中，所述树状种类判别结构包括多层级样本种类判别模型，不同层级的样本种类判别模型为基于不同光谱区分程度的白酒样本集对应的光谱数据进行训练得到。本申请解决白酒样品种类检测的效率低以及准确性低的技术问题。
-
公开(公告)号：CN117576099B
公开(公告)日：2024-05-10
申请号：CN202410060718.3
申请日：2024-01-16
Applicant: 季华实验室
IPC: G06T7/00 , G06V10/42 , G06V10/44 , G06V10/766 , G06N3/042 , G06N3/0442 , G06N3/045 , G01N9/24 , G01N25/00
Abstract: 本申请公开了一种液体隔瓶检测方法、装置及计算机可读存储介质，其方法包括：获取各个待预测热成像图对应的第一超像素；将第一超像素图输入目标检测模型，通过空域图神经网络预测第一超像素图对应的第一局部特征；将各个第一局部特征输入长短期记忆网络进行预测，获得第一时序全局特征；基于第一时序全局特征确定瓶装液体的预测指标对应的预测指标数据，并将预测指标数据输入目标回归模型进行预测，获得所述预测指标对应的预测结果。本申请通过热成像图实现了对瓶装液体的无损检测，检测过程可兼顾热成像图的局部特征和全局特征，提升了瓶装液体进行隔瓶检测的准确性以及准确度。
-
公开(公告)号：CN113989578A
公开(公告)日：2022-01-28
申请号：CN202111608055.7
申请日：2021-12-27
Applicant: 季华实验室
IPC: G06V10/77 , G06V10/764 , G06K9/62 , G01N21/65
Abstract: 本发明公开了一种拉曼光谱的峰位分析方法、系统、终端设备以及计算机可读存储介质，该拉曼光谱的峰位分析方法的步骤包括：基于预设的滑动PCA模型和预设的分类预测模型对所述拉曼光谱进行划分得到多个光谱区间和多个所述光谱区间对应的F1分数，并基于多个所述F1分数从多个所述光谱区间确定最优光谱区间；获取所述最优光谱区间内的原始光谱和所述原始光谱中的多个光谱峰位，并确定多个所述光谱峰位对应的峰位区间的中间位置；根据所述中间位置确定峰均值组，基于多个所述峰均值组对所述原始光谱中的多个所述光谱峰位进行排序，并针对排序后的多个光谱峰位进行分析。本发明能够提高针对拉曼光谱峰位进行分析时的分析效率。
-
公开(公告)号：CN117745302A
公开(公告)日：2024-03-22
申请号：CN202311761667.9
申请日：2023-12-20
Applicant: 季华实验室
IPC: G06Q30/018 , G06F18/2135 , G06F18/24 , G06F18/25 , G01N21/64 , G01N21/65 , G01N21/71 , G01N21/3563 , G01N1/28
Abstract: 本申请属于食品检测技术领域，公开了一种基于多模态光谱的食品产地溯源方法及其相关设备，所述方法包括：获取食品样品的多种模态的单模态光谱数据；对各单模态光谱数据进行归一化处理；根据归一化处理后的各单模态光谱数据的各个维度的解释率，对归一化处理后的各单模态光谱数据进行降维处理，得到对应的降维光谱数据对归一化处理后的各单模态光谱数据计算各个维度的解释率，筛选具有高解释率的维度，进行降维处理，得到对应的降维光谱数据；把所有降维光谱数据进行拼接融合，得到融合光谱数据；把融合光谱数据输入预先训练好的识别模型，得到识别模型输出的产地识别结果；从而能够提高溯源结果的准确性和可靠性。
-
公开(公告)号：CN116429709A
公开(公告)日：2023-07-14
申请号：CN202310680666.5
申请日：2023-06-09
Applicant: 季华实验室
IPC: G01N21/25 , G01J3/28 , G06F18/10 , G06F18/22 , G06F18/214
Abstract: 本发明公开了一种光谱检测方法、装置及计算机可读存储介质，其方法包括：获取光谱特征矩阵对应的光谱第一角相似度矩阵，并获取所述光谱第一角相似度矩阵对应的正则化拉普拉斯矩阵；基于所述光谱特征矩阵、正则化拉普拉斯矩阵、辅助变量以及稀疏约束噪声，确定光谱检测模型，其中，所述光谱检测模型的输出为去噪光谱特征矩阵；将所述光谱训练数据输入所述光谱检测模型进行迭代训练；若训练后的光谱检测模型收敛，则将训练后的光谱检测模型作为目标光谱检测模型，并将当前迭代的去噪光谱特征矩阵作为目标去噪光谱特征矩阵。本发明通过引入辅助变量对多个约束进行交替迭代优化，以从光谱数据中抽取出有效信息，可以准确地滤除光谱中的噪声。
-
-
-
-
-
-
-
-
-
Search Results
20
records
(took 0.019 seconds)
