-
公开(公告)号：CN114638959B
公开(公告)日：2025-03-07
申请号：CN202210278313.8
申请日：2022-03-21
Applicant: 西北农林科技大学 , 陕西省农村科技开发中心
IPC: G06V10/25 , G06V10/44 , G06V10/774 , G06V10/80 , G06V10/82 , G06N3/0464 , G06N3/08
Abstract: 本发明提出了一种基于卷积神经网络的苹果叶部病害诊断方法，该方法针对含有不同大小的病变区域的苹果叶病检测问题，提出了多尺度特征提取、V‑空间定位分支和多尺度注意力机制相结合的苹果叶部病害检测方法，实现对不同尺度病斑的准确检测。该方法旨在对不同大小的病斑提取更可靠的特征表示，提高最终检测性能。建立多尺度特征提取，融合不同层次的特征，进一步提高苹果叶片病害，特别是小病斑的检测性能。然后提出了V‑空间定位分支，在增强病斑定位的纹理特征信息方面发挥了重要作用。同时，利用注意力机制，自动学习不同尺度的特征通道对区分不同大小的病斑的重要性。
-
公开(公告)号：CN116664480A
公开(公告)日：2023-08-29
申请号：CN202310353202.3
申请日：2023-04-04
Applicant: 西北农林科技大学 , 陕西省农村科技开发中心
IPC: G06T7/00 , G06V10/764 , G06V10/82 , G06V10/40 , G06V10/25 , G06V10/77 , G06V10/80 , G06V10/766 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种基于深度学习的层级叶片病害检测方法和系统，用于自然环境下苹果叶片病害检测。首先，前置区域提议网络在整个图像生成提议框，并筛选出叶片提议框，后置区域提议网络根据叶片提议框生成病斑提议框。其次，设计了底层特征聚合模块，以更好地利用前置区域提议网络生成的桥接特征。然后，在后置区域提议网络中引入多级ROIAlign块和GCNet，使聚合的特征缩放到相同的大小，更专注于病斑。最后，提出了一种位置锚框生成器，使预设锚框更容易根据病叶的位置捕获目标病斑。复杂自然环境下，该层级苹果叶片病害检测方法可以提高检测任务的召回率和检测精度。
-
公开(公告)号：CN115293342A
公开(公告)日：2022-11-04
申请号：CN202210264342.9
申请日：2022-03-17
Applicant: 西北农林科技大学
Abstract: 本发明提出了一种基于混合并行的深度卷积神经网络并行训练方法，用于快速训练具有大数据集的大模型。该方法包含组内并行和组间并行。对于组内并行性，首先使用自动模型划分方法将模型分割为多个分区，并将多个分区分别放置在不同的GPU上。然后，将划分后的小批量数据一个接一个地连续发送到不同的GPU上，并且以流水线并行方式训练多个分区。组间并行在每个分组上复制模型副本，独立的计算梯度，然后在组间分区上将这些梯度的汇总更新，以达到最大化计算与通信重叠，从而减少梯度同步时间。实验结果表明，与传统数据并行和最先进的并行训练torchgpipe方法相比，本发明提出的方法加速性能得到了明显提升。
-
公开(公告)号：CN109593108B
公开(公告)日：2021-10-26
申请号：CN201910063282.2
申请日：2019-01-23
Applicant: 西北农林科技大学
Abstract: 本发明公开了一种高纯度柿子单宁的提取分离方法，是通过原料处理、提取滤液、浓缩滤液、明胶沉淀、沉淀洗涤、单宁提取、溶解脱盐、提纯干燥而获得。所采用常温超声波辅助提取，提取时间短，提高了柿子单宁溶出率，防止了柿子单宁的氧化变性，利用柿子单宁与明胶结合形成明胶单宁复合沉淀物，除去了其它杂质，达到了柿子单宁的纯化目的；采用明胶单宁复合物在酸性丙酮中解离分离出柿子单宁，避免了柱层析的繁琐分离操作方法，分离提取的柿子单宁提取率高，单宁纯度高，生产成本低，是一种安全有效的柿子单宁提取方法。
-
公开(公告)号：CN103966322B
公开(公告)日：2015-08-05
申请号：CN201410172277.2
申请日：2014-04-25
Applicant: 西北农林科技大学
Abstract: 本发明公开了一种检测果汁病原微生物的PCR检测方法和试剂盒，所述的检测方法包括下述步骤：1)向增菌液中加入一定量的待测果汁样品；2)以待测样品增菌后的液体中的DNA为模板，以SEQ ID No.1、SEQ ID No.2、SEQ ID No.3、SEQ ID No.4、SEQ ID No.5、SEQ ID No.6、SEQ ID No.7、SEQ ID No.8四对引物进行PCR扩增；3)检测扩增的结果是否出现特异性扩增且在溶解曲线图中出现相应峰值，用来判断样品中是否含有目标致病菌。在此基础上本发明还公开了用于实现上述方法的试剂盒。本发明的检测方法能够准确快速的检测果汁中常见食源性致病菌，该方法具有良好的再现性和灵敏度。
-
Patent Agency Ranking
公开(公告)号：CN112056312A
公开(公告)日：2020-12-11
申请号：CN202010769911.6
申请日：2020-08-04
Applicant: 西北农林科技大学
IPC: A01N37/36 , A01N37/16 , A01N37/02 , A01N43/40 , A01N37/06 , A01N37/10 , A01N59/26 , A01N59/00 , A01P1/00 , A23L5/20
Abstract: 本发明沙门氏菌消毒杀菌剂是由月桂酸单甘油酯、无水乙醇、吐温‑60、乳酸、过氧乙酸、酸性碳酸钙与水混合，按重量百分比分别制备成微乳液、LPA溶液、CPS溶液、THC溶液，再按重量百分比分别制成三种复合消毒剂GML‑LPA、GML‑CPS和GML‑THC，震荡处理即均为沙门氏菌消毒杀菌剂。所述的沙门氏菌消毒杀菌剂是通过复合不同pH的消毒剂以改变月桂酸单甘油酯对革兰氏阴性菌的杀菌效果，可在禽畜肉的加工生产中广泛使用，月桂酸单甘油酯微乳液与不同pH消毒剂的复配制剂，针对革兰氏阴性菌沙门氏菌进行了改变，具有消毒杀菌高效、安全、无刺激、无有害残留的优点，解决了月桂酸单甘油酯针对革兰氏阴性菌的杀菌效果不好的问题，也为禽畜肉加工中的消毒剂使用提供了新的方法和思路。
-
公开(公告)号：CN110246201A
公开(公告)日：2019-09-17
申请号：CN201910516613.3
申请日：2019-06-14
Applicant: 西北农林科技大学
Abstract: 本发明提出了一种基于线程级并行的铅笔画生成方法，加快了铅笔画的实时绘制过程。通过理论分析，确定了铅笔图生成算法的并行性。然后，利用计算统一设备体系结构(CUDA)编程模型并行设计了串行算法的子算法，并通过线程级并行技术实现。之后，使用共享内存和常量内存构造了一个最佳的数据缓存模式，以减少频繁使用数据的访问时间。最后，再通过CUDA流技术实现任务级并行，使独立的子任务可以重叠执行，实现进一步加速。在CUDA平台上，实验结果表明，该并行算法可以显著提高速度。该算法在2560×1920分辨率图像上的性能比串行算法提高了448.59倍，与真实的铅笔画保持了很高的相似性。因此，该算法适用于铅笔图的实时绘制，在非真实渲染中具有广阔的应用前景。
-
公开(公告)号：CN103966322A
公开(公告)日：2014-08-06
申请号：CN201410172277.2
申请日：2014-04-25
Applicant: 西北农林科技大学
CPC classification number: C12Q1/686 , C12Q2537/143 , C12Q2527/125 , C12Q2563/107
Abstract: 本发明公开了一种检测果汁病原微生物的PCR检测方法和试剂盒，所述的检测方法包括下述步骤：1)向增菌液中加入一定量的待测果汁样品；2)以待测样品增菌后的液体中的DNA为模板，以SEQ ID No.1、SEQ ID No.2、SEQ ID No.3、SEQ ID No.4、SEQ ID No.5、SEQ ID No.6、SEQ ID No.7、SEQ ID No.8四对引物进行PCR扩增；3)检测扩增的结果是否出现特异性扩增且在溶解曲线图中出现相应峰值，用来判断样品中是否含有目标致病菌。在此基础上本发明还公开了用于实现上述方法的试剂盒。本发明的检测方法能够准确快速的检测果汁中常见食源性致病菌，该方法具有良好的再现性和灵敏度。
-
公开(公告)号：CN103266179A
公开(公告)日：2013-08-28
申请号：CN201310204589.2
申请日：2013-05-28
Abstract: 本发明公开了一种食品安全检验技术领域的鼠伤寒沙门氏菌及其血清变种多重PCR检测方法；该检测方法包括如下步骤：步骤一，根据鼠伤寒沙门氏菌的特异基因序列为模板设计扩增引物；步骤二，提取样品DNA，PCR法扩增；步骤三，凝胶电泳检测扩增产物，并对电泳结果进行判断。本发明还涉及四对特异的鉴定引物，这些引物的序列如SEQ ID NO：5和SEQ ID NO：6；SEQ ID NO：7和SEQ ID NO：8；SEQ ID NO：9和SEQ ID NO：10；SEQ ID NO：11和SEQ ID NO：12所示。采用本发明的检测方法检测鼠伤寒沙门氏菌及其血清变种，检测时间短，成本低，更加具有实用性，检测结果特异，结果判定简单。
-
公开(公告)号：CN116894461A
公开(公告)日：2023-10-17
申请号：CN202310935188.8
申请日：2023-07-27
Applicant: 西北农林科技大学
IPC: G06N3/0464 , G06N3/08
Abstract: 本发明提出了一种面向深度学习的去中心化并行梯度下降训练方法和系统，该方法属于深度学习并行化领域，提出了基于历史权重的预训练、管道通信和基于缓冲权重的并行训练相结合的方法，实现了加速分布式系统训练深度神经网络的过程。该方法旨在为分布式深度学习任务提供更高效的训练方式，实现对深度神经网络模型的快速训练。建立基于历史权重的预训练方法，保证了模型收敛的稳定性，使得网络模型在训练过程中更加稳健地收敛于全局最优解。管道通信机制，分解了通信任务，增加了通信的并行粒度，提高了工作节点之间的信息交换效率。利用基于缓冲权重的并行训练方法，实现通信和计算操作的解耦，最大化硬件设备算力资源的利用率。
-
-
-
-
-
-
-
-
-
Search Results
26
records
(took 0.09 seconds)
