-
公开(公告)号：CN104934288B
公开(公告)日：2017-04-12
申请号：CN201510237939.4
申请日：2015-05-12
Applicant: 南京信息工程大学
IPC: H01J49/40
Abstract: 本发明公开了一种基于四极板设计的高时间分辨离子速度成像仪，包括MCP探测器、飞行管和一端封闭另一端敞开的中空的圆柱形腔体，所述MCP探测器、飞行管和圆柱形腔体同轴设置，MCP设置于飞行管的一端，飞行管的另一端从所述圆柱形腔体的敞开端伸入其内部，所述圆柱形腔体内部，在从圆柱形腔体的封闭端至飞行管的另一端之间还同轴依次设置有第一至第四极板，所述第一至第四极板为圆形，圆形的中心开设有圆孔，第二至第四极板的中心圆孔直径相同，第一极板的中心圆孔直径小于第二至第四极板的中心圆孔直径，第一至第四极板等间距的设置。本发明实现离子的飞行时间纵向聚焦，大大提高了探测离子的飞行时间质谱的分辨率。
-
公开(公告)号：CN106086795A
公开(公告)日：2016-11-09
申请号：CN201610377095.8
申请日：2016-05-31
Applicant: 南京信息工程大学
Abstract: 本发明公开了一种氧化锌/氮化镓复合薄膜的制备方法，采用脉冲激光沉积法低温下制备氧化锌/氮化镓复合薄膜，不仅拓展了ZnO‑GaN复合材料的制备方法，可以实现高于600nm的可见光吸收，而且和粉体相比，在衬底上制备的ZnO/GaN复合薄膜更易于重复利用。本发明所制备薄膜粒径分布均匀，具有明显的可见光响应，带隙达到1.6eV。
-
公开(公告)号：CN104538552A
公开(公告)日：2015-04-22
申请号：CN201410838886.7
申请日：2014-12-30
Applicant: 南京信息工程大学
CPC classification number: Y02E10/549 , H01L51/42 , H01L51/441
Abstract: 本发明公开了一种钙钛矿太阳能电池及其制备方法，该钙钛矿太阳能电池具有导电玻璃导电层、阻挡层、介孔层、对电极层和钙钛矿吸光层，导电玻璃导电层由绝缘带分隔成正极区域和负极区域，阻挡层涂覆于导电玻璃导电层的负极区域上，介孔层位于阻挡层上，对电极层覆盖于介孔层、绝缘带及导电玻璃导电层的正极区域上，钙钛矿吸光层涂覆于对电极层的外表面。本发明的钙钛矿太阳能电池的制备方法充分利用低成本的丝网印刷技术，生产工艺简单，能耗远低于蒸镀技术，且利于大规模生产，极具应用前景。
-
公开(公告)号：CN119206253A
公开(公告)日：2024-12-27
申请号：CN202411721104.1
申请日：2024-11-28
Applicant: 南京信息工程大学
IPC: G06V10/58 , G06V10/764 , G06V10/82 , G06N3/0455 , G06N3/042
Abstract: 本发明公开了图异常检测技术领域中的一种基于掩码图自编码器的图异常检测方法及系统，所述方法包括：对输入的待检测高光谱图像进行预处理，获取节点特征矩阵和边索引矩阵；对所述节点特征矩阵进行随机掩码操作；将随机掩码操作后的节点特征矩阵与所述边索引矩阵输入自编码器，得到重建特征矩阵；根据重建特征矩阵计算重建误差，得到异常分数；将异常分数高于设定阈值的像素标记为异常。本发明获取节点特征矩阵和边索引矩阵，对节点特征矩阵进行随机掩码，保留边索引矩阵，提高异常检测的准确性和鲁棒性。
-
公开(公告)号：CN118135205B
公开(公告)日：2024-07-16
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。
-
Patent Agency Ranking
公开(公告)号：CN118298301A
公开(公告)日：2024-07-05
申请号：CN202410384119.7
申请日：2024-04-01
Applicant: 南京信息工程大学
IPC: G06V20/10 , G06V10/44 , G06V10/52 , G06V10/774 , G06V10/82 , G06N3/0464 , G06N3/086
Abstract: 本发明公开了基于差分进化和多尺度神经网络的湖泊叶绿素反演方法，包括：采集湖泊图像及叶绿素浓度标签，构建多尺度卷积神经网络模型，包括模型的一维卷积部分、全连接层部分、激活函数部分、输出层部分；初始化差分进化算法；运行差分进化算法优化多尺度卷积神经网络，评估种群中每个个体的适应度、选择下一代个体，应用交叉和变异操作，更新种群；选择最佳个体，创建最佳的多尺度叶绿素反演模型，训练和测试最佳的多尺度叶绿素反演模型；读取湖泊高光谱图像输入最佳多尺度叶绿素反演模型，预测每个像素点的叶绿素浓度，输出湖泊叶绿素浓度热力图。本发明所设计的方法更好地反映水体中的叶绿素浓度，提高反演精度和鲁棒性。
-
公开(公告)号：CN117786617B
公开(公告)日：2024-04-30
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：CN117788538A
公开(公告)日：2024-03-29
申请号：CN202410211297.X
申请日：2024-02-27
Applicant: 南京信息工程大学
Abstract: 本发明公开了点云区间配对体积方差一致性的配准方法、装置和系统，涉及三维激光点云处理技术领域，包括：对待配准点云数据进行降采样处理，选取降采样处理后的待配准点云数据中任意一点作为中心点，运用k近邻算法找到离中心点最近的k个点；对选取的每个中心点和中心点周围的k个点计算局部方向中心性度量，得到源点云和目标点云所有点的局部方向中心性度量值；将局部方向中心性度量值进行排序，找到最大值和最小值，将最大值和最小值进行等分的区间划分，得到若干个区间；统计每个区间内局部方向中心性度量值的个数，并计算每个区间内局部方向中心性度量值的个数与局部方向中心性度量值的总数的比值；将比值进行比较，对配准精度进行判定。
-
公开(公告)号：CN117740727A
公开(公告)日：2024-03-22
申请号：CN202410182019.6
申请日：2024-02-19
Applicant: 南京信息工程大学
IPC: G01N21/359 , G01N21/3563 , G06F18/10 , G06F18/214 , G06F18/243 , G06N3/006 , G06N5/01 , G06N20/20
Abstract: 本发明公开了一种基于红外高光谱的纺织品成分定量反演方法，包括：S1利用近红外光谱分析仪对羊毛、涤纶、棉纺织样本布料进行红外高光谱数据采集；S2将采集到的样本布料的红外高光谱数据进行数据预处理；S3建立布料成分分析随机森林回归模型，获取模型的评价指标；S4利用麻雀搜索算法优化随机森林模型，寻找随机森林回归算法中的mtry最优值构建模型；S5将羊毛、涤纶、棉纺织样本布料高光谱训练集数据输入已建立的模型进行训练，将测试集数据输入至已建立的随机森林回归模型进行测试，获取模型的评价指标；S6获取待测布料的光谱数据，并按S2方法得到布料光谱处理后的数据，将数据输入到经过优化后的随机森林回归模型中，进行布料成分分析。
-
公开(公告)号：CN116863247A
公开(公告)日：2023-10-10
申请号：CN202311056294.5
申请日：2023-08-22
Applicant: 南京信息工程大学
IPC: G06V10/764 , G06V10/77 , G06V10/80 , G06V10/774 , G06V10/82 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种融合全局和局部信息的多模态遥感数据分类方法，属于高光谱图像处理技术领域，包括获取待分类的多模态遥感数据集，并输入至预先训练好的多模态遥感数据分类模型；所述多模态遥感数据分类模型基于所述待分类的多模态遥感数据集，输出多模态遥感数据分类结果。本发明解决了现有技术中多模态卷积的可解释性差，对于跨模态特征提取不够充分，且上下文独立的卷积结构难以捕获全局信息的问题，通过特征解耦的方式将多模态信息分解为共有信息和特有信息，实现多模态信息融合，充分挖掘多模态遥感数据的特征，大幅度降低了遥感图像领域中深度学习模型对于训练数据的需求，以此实现更准确的图像分类。
-
-
-
-
-
-
-
-
-
Search Results
105
records
(took 0.024 seconds)
