宽带可调谐的中红外偏振转换器

    公开(公告)号:CN105929477A

    公开(公告)日:2016-09-07

    申请号:CN201610410055.9

    申请日:2016-06-08

    CPC classification number: G02B5/30

    Abstract: 本发明公开一种宽带可调谐的中红外偏振转换器,为立方体结构,其特征在于,包括:由下至上依次设置的衬底、二氧化硅隔离层、石墨烯层,其中衬底采用0.1μm的金,其上面是0.9‑1.3μm的二氧化硅隔离层,最上面是单层石墨烯,石墨烯上设有周期性的矩形打孔阵列,周期为p=170‑210nm,所述矩形打孔的长为L1=100‑140nm、宽为L2=80‑120nm,矩形打孔为45度角朝向即矩形打孔的边与衬底、二氧化硅隔离层、石墨烯层的边夹角为45°。

    基于极化SAR图像和半监督回归的植物生长参数反演方法

    公开(公告)号:CN118711063A

    公开(公告)日:2024-09-27

    申请号:CN202410859599.8

    申请日:2024-06-28

    Abstract: 本发明公开了一种基于极化SAR图像和半监督回归的植物生长参数反演方法,包括:获取包含至少一个待测点的极化SAR图像的原始数据;每个待测点代表一个目标植物区域;对原始数据极化目标分解得到每个待测点的多维特征;从每个待测点的多维特征中选择目标维度的特征,得到每个待测点的关键特征;每个样本点的标签是该样本点代表的目标植物区域中目标植物的目标生长参数;采用训练好的随机森林回归器,根据每个待测点的关键特征进行目标生长参数预测,得到目标植物的目标生长参数;训练好的随机森林回归器是采用利用了基于半监督学习算法扩充后的训练样本训练的。本发明能够有效提升对植物生长参数的预测精度,且鲁棒性高。

    一种基于介电弹性体实现物体旋转的机械爪及其使用方法

    公开(公告)号:CN114102649B

    公开(公告)日:2024-02-02

    申请号:CN202111614376.8

    申请日:2021-12-27

    Abstract: 本发明提供一种基于介电弹性体实现物体旋转的机械爪及其使用方法。该机械爪,包括基座、夹持驱动组件和不少于两个爪体单元。各个爪体单元均安装在基座上,且能够在夹持驱动组件的驱动下进行张合运动。所述爪体单元的末端设置有旋转夹持部。旋转夹持部包括夹持主体和膨胀驱动部。夹持主体中开设有让位缺口。各爪体单元中旋转夹持部的限位边的位置沿基座中心轴线的周向保持一致。膨胀驱动部采用介电弹性体,通电时能够发生膨胀。膨胀驱动部设置在让位缺口内,并与限位边固定。当膨胀驱动部通电时,其向远离限位边的一侧膨胀。本发明相比于传统的机械爪,通过对介电弹性体材料的合理使用,可以使机械爪能够带动目标物体进行精准的扭转。

    一种基于深度学习的图像场景标注方法

    公开(公告)号:CN108681752B

    公开(公告)日:2023-08-15

    申请号:CN201810525276.X

    申请日:2018-05-28

    Abstract: 本发明公开了一种基于深度学习的图像场景标注方法,包括场景图像数据集,构建卷积神经网络,训练模型,图像标注;所述场景图像数据集,用于训练和测试深度学习场景识别模型;所述构建卷积神经网络,构建用于场景识别的卷积神经网络的模型;所述训练模型,通过训练卷积神经网络,得到场景识别模型;所述图像标注,将模型识别图像得到图像的场景标注词。本发明解决了图像场景标注的不足,解决了图像场景标注的准确率。

    一种基于Zynq UltraScale+ MPSoC的DPU部署方法

    公开(公告)号:CN116451618A

    公开(公告)日:2023-07-18

    申请号:CN202310275364.X

    申请日:2023-03-20

    Abstract: 本申请提供一种基于Zynq UltraScale+MPSoC的DPU部署方法,包括:利用Vivado软件设计DPU配置电路;所述DPU配置电路用于提供DPU工作所需的信号,所述信号包括时钟驱动信号、复位信号与中断控制信号中至少一种;将所述DPU配置电路与所述DPU进行连接,以利用所述DPU配置电路驱动所述DPU。本申请的DPU部署方法,未使用官方提供的镜像与平台,而是提供了一套定制化实现方案,增强了设计的自由度。本发明在设计DPU配置电路的同时进行自定义扩展电路的设计,增强了功能上的扩展能力。

    一种基于深度学习以及图像配准算法的飞机变化检测方法

    公开(公告)号:CN115393729A

    公开(公告)日:2022-11-25

    申请号:CN202210815924.1

    申请日:2022-07-12

    Abstract: 本发明涉及一种基于深度学习以及图像配准算法的飞机变化检测方法,包括:获取同一区域、不同时刻的第一遥感图像和第二遥感图像;对第一遥感图像和第二遥感图像进行机场检测,获取第一遥感图像中的第一机场区域的图像、第一机场区域的第一偏移量、第二遥感图像中的第二机场区域的图像、第二机场区域的第二偏移量;将第一机场区域的图像和第二机场区域的图像根据surf图像配准算法进行图像配准得到配准图像;对配准图像进行飞机检测以获取飞机目标;对飞机检测得到的结果进行变化检测;将飞机目标对应的目标框还原到第一遥感图像和第二遥感图像中。本发明可解决现有技术中存在的检测精度低和检测过程运行速度慢、占用硬件资源大的问题。

Patent Agency Ranking