一种烟丝的形态检测方法、装置、设备及可读存储介质

    公开(公告)号:CN117906504A

    公开(公告)日:2024-04-19

    申请号:CN202410020362.0

    申请日:2024-01-05

    Applicant: 厦门大学

    Abstract: 本发明提供了一种烟丝的形态检测方法、装置、设备及可读存储介质,先获取由图像采集装置对传送带上的烟丝进行采集的烟丝图像,对所述烟丝图像进行预处理以生成所述烟丝的目标框位置;接着,对所述烟丝图像进行多流处理,以生成所述烟丝图像的边缘特征图;再接着,对所述边缘特征图进行骨架细化处理,以生成所述烟丝图像的中心线特征图;最后根据所述目标框位置,在所述边缘特征图和所述中心线特征图上计算所述烟丝的形态学,以生成烟丝宽度与长度。解决了现有烟丝检测存在功能单一、速度慢、精度低的问题。

    一种微流控芯片固相肽合成方法及装置

    公开(公告)号:CN116375790A

    公开(公告)日:2023-07-04

    申请号:CN202310656834.7

    申请日:2023-06-05

    Abstract: 本发明涉及一种微流控芯片固相肽合成方法及装置,步骤:往微通道内注入溶胀后的树脂颗粒;利用进样器和逆推器的双向推拉作用使得脱保护液与树脂颗粒在微通道和管道内往返混流并进行脱保护反应;排液与洗涤;利用进样器和逆推器的双向推拉作用使得缩合反应液与树脂颗粒在微通道和管道内往返混流并进行缩合反应;再排液与洗涤;重复上述循环反应得到带保护基的N肽树脂;脱保护反应、切割、沉淀、烘干。本发明在反应芯片两端设置进样器和逆推器,使得反应液与固载树脂在微通道中进行双向连续流循环反应,充分接触反应,实现单步缩合反应的时间降至5min内,有效提高合成反应效率,首次实现八肽及更长链肽的片上合成,且芯片能够重复利用。

    一种基于迭代学习控制的批次反应釜控制方法的生成方法

    公开(公告)号:CN113050412B

    公开(公告)日:2023-03-21

    申请号:CN202110255704.3

    申请日:2021-03-09

    Applicant: 厦门大学

    Abstract: 本发明涉及一种基于迭代学习控制的批次反应釜控制方法的生成方法,所述迭代学习控制包含迭代学习控制算法和强化学习算法,所述方法包含以下步骤:S1,调试批次反应釜;S2,通过迭代学习控制算法对所述批次反应釜进行多批次的轨迹跟踪;采集所述批次反应釜的多批次数据并存入经验回放池中;S3,通过强化学习控制算法提取所述多批次数据,生成初始控制策略;S4,通过强化学习控制算法对所述批次反应釜实时轨迹跟踪;采集所述批次反应釜的实时数据并存入经验回放池中;S5,通过强化学习控制算法利用所述多批次数据和所述实时数据对所述初始控制策略进行多次更新优化,直到得到稳定控制策略。

    一种基于改进SAC算法的温室环境参数优化决策方法

    公开(公告)号:CN114859734A

    公开(公告)日:2022-08-05

    申请号:CN202210675362.5

    申请日:2022-06-15

    Applicant: 厦门大学

    Abstract: 本发明涉及一种基于改进SAC算法的温室环境参数优化决策方法,包括以下步骤:S1,将温室状态数据、温室环境参数决策数据、温室产出数据作为SAC算法的强化学习要素,利用历史人工种植经验数据提前填充经验缓冲区;S2,生成温室模拟器用于模拟温室种植过程;S3,设计SAC算法批判者神经网络的数量,设计SAC算法行动者神经网络的目标函数,得到改进SAC算法;S4,利用所述改进SAC算法生成新的温室环境参数决策数据,将所述新的温室环境参数决策数据输入所述温室模拟器进行新的种植周期,数据放入经验缓冲区,利用经验缓冲区数据更新所述批判者神经网络的参数和行动者神经网络的参数;S5,重复执行步骤S4,直至完成若干种植周期,得到神经网络。

    一种基于迁移学习的拉曼光谱智能分析方法

    公开(公告)号:CN110210464A

    公开(公告)日:2019-09-06

    申请号:CN201910616759.5

    申请日:2019-07-09

    Applicant: 厦门大学

    Inventor: 洪文晶 张蕊 胡勇

    Abstract: 本发明涉及拉曼光谱技术领域,提供了一种基于迁移学习的拉曼光谱智能分析方法。所述方法包括:在共焦显微拉曼光谱仪上进行拉曼实验;实验拉曼数据的预处理:包括插值处理、基线校正和归一化;大规模标准拉曼数据库的预处理:包括数据增强和插值处理;构建深度学习模型:构建两种广泛应用的深度学习模型DNN和CNN;迁移学习用于实验拉曼数据的分类;数据分析。通过上述方式,解决了深度学习模型对大规模数据的依赖,为未来将拉曼光谱分析技术推向实际应用提供了一个新思路。

    一种用于机械可控裂结技术的石墨烯电极芯片

    公开(公告)号:CN107179343B

    公开(公告)日:2019-07-23

    申请号:CN201710461800.7

    申请日:2017-06-19

    Applicant: 厦门大学

    Abstract: 一种用于机械可控裂结技术的石墨烯电极芯片,涉及石墨烯电极芯片。包括不锈钢片、石墨烯金属丝和环氧树脂;所述不锈钢片用于制备石墨烯芯片的基底,所述石墨烯金属丝安装在不锈钢片的悬空上方并通过环氧树脂进行固定。1)不锈钢基底的制备;2)环氧树脂的制备;3)环氧树脂的涂抹;4)一侧石墨烯电极的构造;5)环氧树脂的固化;6)另一侧石墨烯电极的构造;7)环氧树脂的滴涂;8)环氧树脂的固化。采用价格相对便宜的石墨烯金属丝和简单的不锈钢片结构制作了一种适用于MCBJ的新型石墨烯芯片,成功克服了金属电极的一些缺点,具有成本低廉、操作简便且分子结稳定性高等优点。可在普通化学实验室进行,具有良好的普适性。

Patent Agency Ranking