-
公开(公告)号：CN114140464A
公开(公告)日：2022-03-04
申请号：CN202111510302.X
申请日：2021-12-11
Applicant: 福州大学
Abstract: 本发明涉及一种基于深度学习的八角粉掺假快速识别方法。采用纯谷壳粉以及不同掺假比例的八角粉，作为实验样本；将纯谷壳粉以及不同掺假比例的八角粉置于摄影棚中拍照，作为原始数据集；对采集到的原始图像进行分割，实现背景与目标分离；基于所获得的图像信息，以此建立用于预测纯谷壳粉以及八角粉掺假的深度学习分类模型；基于所建立的分类模型，对待测纯谷壳粉以及八角粉样本进行识别。该方法有利于简单、快捷地检测出八角粉掺假情况。
-
公开(公告)号：CN111678876A
公开(公告)日：2020-09-18
申请号：CN202010707126.8
申请日：2020-07-21
Applicant: 福州大学
Abstract: 本发明涉及一种基于机器学习的水环境中Cr6+的快速检测方法，包括以下步骤：在酸性介质中，配置一系列浓度梯度的Cr6+标准溶液；以DPCI为显色剂配置DPCI溶液；从Cr6+标准溶液选取多组Cr6+溶液分别与DPCI溶液反应，并测定吸光度，确定显色的线性范围；基于获得的线性范围配置相应浓度的Cr6+溶液，将各溶液分别与DPCI溶液进行显色反应，显色稳定后，置于暗箱中拍摄多张照片；基于获得的照片，获取对应于各浓度的多类图片样本集，以此建立用于预测的回归模型；基于建立的回归模型，对待测样品溶液进行Cr6+浓度检测。该方法有利于简单、快捷地检测出未知样品溶液中的Cr6+浓度。
-
公开(公告)号：CN113295690A
公开(公告)日：2021-08-24
申请号：CN202110534208.1
申请日：2021-05-17
Applicant: 福州大学
Abstract: 本发明提出一种基于机器学习的草莓成熟度快速判别方法：其采用不同成熟度的草莓，作为实验样本；将不同成熟度的草莓置于暗箱中拍照，作为原始数据集；对草莓的原始图像进行分割，实现背景与目标分离；提取预处理后草莓样本图像的颜色特征；基于提取到的的颜色特征，以此建立用于预测草莓成熟度的机器学习分类模型；基于建立的机器学习分类模型，对待测草莓样本进行成熟度判别。该方法有利于简单、快捷地识别出未知草莓样本的成熟度。
-
公开(公告)号：CN114140464B
公开(公告)日：2025-02-18
申请号：CN202111510302.X
申请日：2021-12-11
Applicant: 福州大学
IPC: G06T7/00 , G06V10/764 , G06V10/82 , G06N3/0464 , G06N3/0495 , G06Q30/018
Abstract: 本发明涉及一种基于深度学习的八角粉掺假快速识别方法。采用纯谷壳粉以及不同掺假比例的八角粉，作为实验样本；将纯谷壳粉以及不同掺假比例的八角粉置于摄影棚中拍照，作为原始数据集；对采集到的原始图像进行分割，实现背景与目标分离；基于所获得的图像信息，以此建立用于预测纯谷壳粉以及八角粉掺假的深度学习分类模型；基于所建立的分类模型，对待测纯谷壳粉以及八角粉样本进行识别。该方法有利于简单、快捷地检测出八角粉掺假情况。
-
公开(公告)号：CN114419366A
公开(公告)日：2022-04-29
申请号：CN202111641245.9
申请日：2021-12-30
Applicant: 福州大学
IPC: G06V10/764 , G06V10/774 , G06V10/82 , G06K9/62 , G06N3/08
Abstract: 本发明涉及一种基于深度学习的花椒粉掺假快速识别方法，其特征在于，包括以下步骤：步骤S1：制作不同掺假比例的花椒粉样品，并获取不同掺假比例花椒粉样品的原始图像数据；步骤S2:截取原始图像预设区域，将背景与目标分离，获取花椒粉样本图像;步骤S3：基于SqueezeNet深度学习分类模型，构建用于预测不同掺假比例的花椒粉掺假的深度学习分类模型，并根据花椒粉样本图像训练；步骤S4:将待识别花椒粉样本输入训练后的深度学习分类模型，得到待识别花椒粉掺假情况。本发明能够快速有效的检测出花椒粉掺假情况。
-
Patent Agency Ranking
公开(公告)号：CN113310943A
公开(公告)日：2021-08-27
申请号：CN202110562363.4
申请日：2021-05-22
Applicant: 福州大学
IPC: G01N21/359 , G06K9/00 , G06K9/62 , G06N20/00
Abstract: 本发明涉及一种基于机器学习的藕粉掺假鉴别方法，包括以下步骤：于网上购得适量鲜藕，制备纯藕粉；制备掺假藕粉样品，供上机使用；采集不同掺杂比例藕粉样品的光谱数据；基于所获得的光谱数据，以此建立用于预测的机器学习聚类模型；基于所建立的聚类模型，对待测藕粉样品进行掺假预测。本发明通过采集不同掺杂比例的藕粉样品的近红外光谱数据，作为原始的数据集，以此建立了机器学习聚类模型，模型能有效识别掺假的藕粉样品。该方法检测简单、快捷，可以显著提升检测效率，为简化藕粉品质鉴别提供新的方法，具有很强的实用性和广阔的应用前景。
-
公开(公告)号：CN113255749A
公开(公告)日：2021-08-13
申请号：CN202110533885.1
申请日：2021-05-17
Applicant: 福州大学
Abstract: 本发明提出一种基于机器学习的大米品种快速识别方法：其采用不同品种的大米，作为实验样本；将不同品种的大米置于暗箱中拍照，作为原始数据集；对大米的原始图像进行分割，实现背景与目标分离；提取预处理后大米样本图像的特征；基于所获得的特征信息，以此建立用于预测大米品种的机器学习分类模型；基于所建立的分类模型，对待测大米样本进行品种识别。该方法有利于简单、快捷地检测出大米的品种。
-
公开(公告)号：CN114419366B
公开(公告)日：2024-07-26
申请号：CN202111641245.9
申请日：2021-12-30
Applicant: 福州大学
IPC: G06V10/764 , G06V10/774 , G06V10/82 , G06N3/0464 , G06N3/084 , G06N3/0985
Abstract: 本发明涉及一种基于深度学习的花椒粉掺假快速识别方法，其特征在于，包括以下步骤：步骤S1：制作不同掺假比例的花椒粉样品，并获取不同掺假比例花椒粉样品的原始图像数据；步骤S2:截取原始图像预设区域，将背景与目标分离，获取花椒粉样本图像;步骤S3：基于SqueezeNet深度学习分类模型，构建用于预测不同掺假比例的花椒粉掺假的深度学习分类模型，并根据花椒粉样本图像训练；步骤S4:将待识别花椒粉样本输入训练后的深度学习分类模型，得到待识别花椒粉掺假情况。本发明能够快速有效的检测出花椒粉掺假情况。
-
公开(公告)号：CN113313157A
公开(公告)日：2021-08-27
申请号：CN202110562295.1
申请日：2021-05-22
Applicant: 福州大学
IPC: G06K9/62 , G06K9/00 , G06N20/00 , G01N21/359
Abstract: 本发明涉及一种基于机器学习的藕粉产地判别方法，包括以下步骤：于网上购得不同产地的鲜藕，制备纯藕粉；不同产地藕粉样品的制备，供上机使用；采集不同产地藕粉样品的光谱数据；基于获得的光谱数据，以此建立用于预测的机器学习分类模型；基于建立的分类模型，对待测藕粉样品进行产地预测。本发明简单、快捷地识别出未知藕粉样本的产地归属。
-
公开(公告)号：CN113281331A
公开(公告)日：2021-08-20
申请号：CN202110533883.2
申请日：2021-05-17
Applicant: 福州大学
Abstract: 本发明提出一种基于机器学习的水环境中铜离子的快速检测方法，包括以下步骤：在碱性介质中，配置一系列浓度梯度的Cu2+标准溶液；以DDTC为显色剂配置DDTC溶液；从Cu2+标准溶液选取多组Cu2+溶液分别与DDTC溶液反应，并测定吸光度，确定显色的线性范围；基于获得的线性范围配置相应浓度的Cu2+溶液，将各溶液分别与DDTC溶液进行显色反应，显色稳定后，置于暗箱中拍摄多张照片；基于获得的照片，获取对应于各浓度的多类图片样本集，以此建立用于预测的机器学习回归模型；基于建立的机器学习回归模型，对待测样品溶液进行Cu2+浓度检测。该方法有利于简单、快捷地检测出未知样品溶液中的Cu2+浓度。
-
-
-
-
-
-
-
-
-
Search Results
10
records
(took 0.021 seconds)
