-
公开(公告)号：CN113702455B
公开(公告)日：2022-08-30
申请号：CN202110891840.1
申请日：2021-08-04
Applicant: 华南农业大学
Abstract: 本发明属于电化学传感器技术领域，具体涉及一种碳纳米管/氧化亚铜/金纳米颗粒/碳纤维丝电极、电化学传感器及制备与应用。本发明采用导电银胶将碳纤维单丝和铜丝粘结，然后用毛细玻璃管封装，得到碳纤维丝电极；将上述电极、对电极和参比电极插入氯金酸溶液中进行电沉积，得到金纳米颗粒/碳纤维丝电极；将上述电极、对电极和参比电极插入到硝酸铜溶液中进行沉积，得到氧化铜/金纳米颗粒/碳纤维丝电极；将上述电极、对电极和参比电极插入到碳纳米管悬浮液中进行电沉积，得到碳纳米管/氧化亚铜/金纳米颗粒/碳纤维丝电极，该电极应用于制备电化学传感器，具有低检测限、高测试灵敏度、稳定性好、抗干扰能力强等特点。
-
公开(公告)号：CN112816441A
公开(公告)日：2021-05-18
申请号：CN202011537614.5
申请日：2020-12-23
Applicant: 华南农业大学
Abstract: 本发明公开一种设施园艺作物生长状况检测方法及装置，该方法包括以下步骤：(1)园艺大棚作物在自然光照条件下，采用由高光谱相机和光纤光谱仪构成的差分光路，采集作物反射高光谱图像，并同步获得动态标准白板；(2)对作物反射高光谱图像进行目标分割，获得作物的ROI区域，从ROI区域中获取植株的外形参数，提取ROI区域中的平均反射率光谱，使用动态标准白板对反射率校正，得到植株反射率光谱，对植株进行营养检测；(3)结合外形参数和营养检测结果，实时对作物生长状况进行追踪。该方法在高光谱图像采集过程中，利用差分光路同步获得动态标准白板，解决了自然光的变化影响特征波段的选择的问题，实现精确地对作物生长状况实时跟踪。
-
公开(公告)号：CN112485312A
公开(公告)日：2021-03-12
申请号：CN202011132569.5
申请日：2020-10-21
Applicant: 华南农业大学
IPC: G01N27/327 , C25D7/00 , C25D15/00 , C25F3/02
Abstract: 本发明属电流型传感器技术领域，公开了一种Nafion/葡萄糖氧化酶/氧化石墨烯/纳米多孔铂电极及其制备方法和应用，所述Nafion/葡萄糖氧化酶/氧化石墨烯/纳米多孔铂电极是将铂丝电极和对电极插入电解液中，用直流电对铂丝进行电化学腐蚀；然后将所得纳米多孔铂电极、对电极和参比电极浸入到氧化石墨烯溶液中，电沉积制得氧化石墨烯/纳米多孔铂电极；再将该电极浸入到葡萄糖氧化酶溶液，得到葡萄糖氧化酶/氧化石墨烯/纳米多孔铂电极；最后在该电极表面滴涂Nafion溶液制得。本发明操作方便，成本低，该传感器具有检测限低，测试灵敏度和准确度高，再现性、重复性、稳定性好，可用于植物果实中的葡萄糖的快速灵敏检测。
-
公开(公告)号：CN110837823A
公开(公告)日：2020-02-25
申请号：CN201911298813.2
申请日：2019-12-17
Applicant: 华南农业大学
Abstract: 本发明提供了一种种子品种鉴定模型的生成方法、鉴定方法及装置，该方法包括：通过分别在多个光源波长下采集多粒至少一个品种的样品种子的高光谱图像；提取各粒所述样品种子在各所述光源波长下采集的高光谱图像中的种子轮廓；计算各所述样品种子的各种子轮廓内的单位像素平均光谱反射率；根据每粒所述样品种子对应于所有所述光源波长的单位像素平均光谱反射率生成一个训练样本；利用所有所述样品种子对应的训练样本对初始分类模型进行训练，得到所述品种种子的鉴定模型。通过利用训练好的模型，便能够快速、无损的对种子的品种进行检测。
-
公开(公告)号：CN118890481A
公开(公告)日：2024-11-01
申请号：CN202410661876.4
申请日：2024-05-27
Applicant: 华南农业大学
IPC: H04N19/172 , G06V20/40 , G06V10/80 , G06V10/82 , G06N3/0455 , G06N3/0464 , H04N19/70 , H04N19/593
Abstract: 本发明涉及视频编码技术领域领域，尤指一种基于Transformer和CNN结构的VVC的CU预测方法，其包括从公开数据集中获取VVC测试视频序列，使用VTM源码对测试视频序列进行编码并获取原始图像帧；从原始图像帧中提取32x32CU，构建32x32尺寸CU样本集；选择T‑CNN模型，利用样本集训练T‑CNN模型，通过训练好的T‑CNN模型预测CU分区模式，通过本发明可以避免传统的RDO蛮力搜索过程,大幅降低VVC帧内编码的计算复杂度,同时通过T‑CNN模型结构和阈值决策,保持较高的编码效率。
-
Patent Agency Ranking
公开(公告)号：CN118799575A
公开(公告)日：2024-10-18
申请号：CN202410914804.6
申请日：2024-07-09
Applicant: 华南农业大学
IPC: G06V10/26 , G06V20/70 , G06V20/10 , G06V20/17 , G06V10/20 , G06V10/82 , G06V10/80 , G06T7/62 , G06N3/0464 , G06N3/045 , G06N3/08 , G06N5/04 , G06Q50/02
Abstract: 本发明公开了一种基于语义分割算法的冠层荔枝花分割方法和系统，涉及深度学习和计算机视觉技术领域，其中方法包括：使用无人机在不同高度采集荔枝树图像；对所述荔枝树图像进行预处理，得到多株预处理后图像；使用Unet网络模型对多株预处理后图像进行语义分割，得到多株荔枝树冠层图像；使用改进的语义分割模型Upernet将每株荔枝树冠层图像的冠层荔枝花分割出来，得到冠层荔枝花图像。本发明采用了包括Twins‑PCPVT、CBAM以及改进的网络模型检测头等在内的先进模块，构建了一个综合的深度学习网络模型，从而显著提升了对荔枝树冠层及花朵特征的分割精度。通过上述方法可以显著提升荔枝花生长状况监测的效率和准确性，为荔枝树的精准农业管理提供强有力的技术支持。
-
公开(公告)号：CN110391314B
公开(公告)日：2024-06-14
申请号：CN201910575835.2
申请日：2019-06-28
Applicant: 华南农业大学
IPC: H01L31/108 , H01L31/0232 , H01L31/18 , G01J1/42
Abstract: 本发明公开了一种窄带光电探测器及其制备方法，包括基底、第一一维光子晶体、第一空间层薄膜、第一金属层薄膜、第一半导体层薄膜、第二金属层薄膜、第二空间层薄膜和第二一维光子晶体。制备方法如下：在基底表面溅射两种材料制得第一一维光子晶体；在第一一维光子晶体表面溅射介质材料制得第一空间层薄膜；在第一空间层薄膜表面蒸镀金属材料制得第一金属层薄膜；在第一金属层薄膜表面溅射半导体材料制得第一半导体层薄膜，再在其上表面蒸镀金属材料，制得第一金属层薄膜；在第二金属层薄膜表面溅射介质材料制得第二空间层薄膜，在第二空间层薄膜表面溅射两种材料制得第二一维光子晶体。本发明还具有光电响应波长可调、响应带宽窄等优点。
-
公开(公告)号：CN117636459A
公开(公告)日：2024-03-01
申请号：CN202311453572.0
申请日：2023-11-03
Applicant: 华南农业大学
IPC: G06V40/20 , G06V10/82 , G06V10/80 , G06V10/40 , G06N3/0464 , G06N3/0455 , G06N3/08
Abstract: 本发明公开了一种基于视觉Transformer的步态识别方法，步骤如下：步态数据的预处理、步态黑白轮廓图特征的提取、人体关键点特征的提取、基于视觉Transformer的融合、联合多特征协同字典的步态识别。本发明引入了一种独特的联合步态骨骼特征和步态黑白轮廓图的协同识别方案，能够更加精准地提取出具有显著差异性的步态特征。同时，它还能够将多种类型的步态特征进行合理的联合和互补，充分发挥各种特征的优势。通过本发明公开的步态识别方法可以进一步应用于身份识别领域。
-
公开(公告)号：CN117592366A
公开(公告)日：2024-02-23
申请号：CN202311561972.3
申请日：2023-11-21
Applicant: 华南农业大学
Abstract: 本申请涉及一种水杨酸浓度检测方法、装置、设备及介质，方法包括：获取水杨酸溶液相对应的电化学数据，基于多项式平滑算法对电化学数据进行平滑处理，采用主成分分析法对平滑处理后的电化学数据进行降维处理以确定训练集；将训练集输入至预设的水杨酸浓度检测模型，对水杨酸浓度检测模型进行权重更新，当水杨酸浓度检测模型当前学习器的误差达到预设阈值时，完成水杨酸浓度检测模型的训练；基于铅笔芯电极对水杨酸溶液进行电化学实验测试确定电化学实验数据，将电化学实验数据输入至可视化终端设备中的水杨酸浓度检测模型，确定水杨酸溶液相对应的水杨酸浓度。本申请能够显著提高检测精确度高，快速便捷，大大节省人力物力以及时间成本。
-
公开(公告)号：CN116863057A
公开(公告)日：2023-10-10
申请号：CN202310950070.2
申请日：2023-07-31
Applicant: 华南农业大学
Abstract: 本发明公开了一种高光谱图像重建网络和方法，其中方法包括如下步骤：S1：将RGB图像输入通道扩张变换模块，得到输出特征立方体E1；通道扩张变换模块包括二维卷积层和第一Reshape函数；S2：将输出特征立方体E1输入三维深层特征提取模块，得到输出特征立方体E2；三维深层特征提取模块包括M个特征提取单元和相应M个特征融合单元通过上下采样按照U型网络连接而成；S3：将输出特征立方体E2输入光谱特征融合模块，得到重建高光谱图像；光谱特征融合模块包括三维卷积层和第二Reshape函数。本发明以深度可分离三维卷积为基础，对特征进行有效提取，并且能融合相邻通道的光谱信息进而提高重建算法的效果；同时该方法所述网络的参数量更少，所需内存更小。
-
-
-
-
-
-
-
-
-
Search Results
93
records
(took 0.022 seconds)
