-
公开(公告)号：CN113592338A
公开(公告)日：2021-11-02
申请号：CN202110909891.2
申请日：2021-08-09
Applicant: 新疆大学 , 新疆艾旗斯德检测科技有限公司
Abstract: 本发明为一种食品质量管理安全风险预筛查模型。一种食品质量管理安全风险预筛查模型，包括：(1)文本数据获取及预处理；(2)预处理后的文本数据编码向量化；(3)通过有监督的深度学习中注意力得分机制，判断食品安全危害程度。本发明所述的一种食品质量管理安全风险预筛查模型，是一种基于关联注意力机制的新型食品文本挖掘技术，利用消费者评论中每个词和unsafety标签的互信息，计算出每个词与食品安全危害的关联得分，再结合有监督的深度学习中注意力得分进一步挖掘消费者与危险食品的潜在互动，从而可以快速筛查潜在的食品安全问题。
-
公开(公告)号：CN115438587A
公开(公告)日：2022-12-06
申请号：CN202211191886.3
申请日：2022-09-28
Applicant: 新疆维吾尔自治区产品质量监督检验研究院 , 新疆艾旗斯德检测科技有限公司
IPC: G06F30/27 , G01N21/65 , G06F119/02
Abstract: 本发明为一种基于深度学习结合拉曼光谱的掺假驼奶的鉴别模型及方法。一种基于深度学习结合拉曼光谱的掺假驼奶的鉴别模型，采用以下步骤建立所述的鉴别模型：(1)按照不同比例将牛奶粉和驼奶粉混合，得到多个掺杂牛奶的驼奶粉样品；(2)采集所述的驼奶粉样品的拉曼光谱数据；(3)对所述的拉曼光谱数据依次进行基线校正、平滑处理和归一化处理，得预处理后的光谱数据；(4)采用所述的预处理后的光谱数据，建立深度学习模型，即所述的鉴别模型。本发明所述的一种基于深度学习结合拉曼光谱的掺假驼奶的鉴别模型及方法，有助于准确、简单且快速的进行掺假驼奶的鉴别。
-
公开(公告)号：CN114266198A
公开(公告)日：2022-04-01
申请号：CN202111580344.0
申请日：2021-12-22
Applicant: 新疆维吾尔自治区产品质量监督检验研究院 , 新疆艾旗斯德检测科技有限公司
IPC: G06F30/27 , G06V10/44 , G06V10/764 , G06V10/77 , G06V10/82 , G06K9/62 , G06N3/04 , G06N3/08 , G06Q50/02 , G01N21/359 , G01N21/3563 , G06F111/10
Abstract: 本发明为一种葡萄干鉴别模型及其建立方法。一种葡萄干鉴别模型的建立方法，包括以下步骤：(1)对葡萄干样本的果皮、果肉进行近红外光谱测量，获得果皮和果肉的光谱数据；(2)对所述的果皮和果肉的光谱数据进行基线校正后，通过PCA进行特征提取后，进行特征融合，再建立分类模型，得所述的葡萄干鉴别模型。
-
公开(公告)号：CN111364092B
公开(公告)日：2021-06-08
申请号：CN202010222052.9
申请日：2020-03-26
Applicant: 新疆艾旗斯德检测科技有限公司
Abstract: 本发明为一种银‑多孔硅基表面增强拉曼散射的生物检测芯片的制备方法。一种银‑多孔硅基表面增强拉曼散射的生物检测芯片的制备方法，包括S10：以硅片为阳极，铂片为阴极，将阳极和阴极置于电解液中进行阳极腐蚀反应，得多层布拉格多孔硅衬底；S20：将所述的多层布拉格多孔硅基底置于硝酸银溶液中进行浸渍处理后，取出干燥，再进行热处理，得所述的银‑多孔硅基表面增强拉曼散射的生物检测芯片。本发明使用多孔硅作为光子晶体，并使用银颗粒作为增强电磁场的介质，具有放大倍数高、性质稳定、可长期使用、应用范围广、操作简便，人为操作误差较小的特点，可有效放大拉曼信号至几百万倍并减小荧光的干扰，且大大提高保质期、重复性。
-
公开(公告)号：CN118655123A
公开(公告)日：2024-09-17
申请号：CN202410745924.8
申请日：2024-06-11
Applicant: 新疆艾旗斯德检测科技有限公司 , 新疆大学
IPC: G01N21/65
Abstract: 本发明为海胆状SERS基底及制备方法、应用、SLE分类模型及建立方法、应用。海胆状SERS基底的制备方法，包括以下步骤：(1)制备PSi布拉格反射镜；(2)将所述的PSi布拉格反射镜浸泡在硝酸银溶液中40‑80s后，取出，在其表面滴加四氯金酸溶液，至少3min后，用水清洗、干燥，得具有海胆状结构的Au@Ag‑PSi，即所述的海胆状的SERS基底。本发明所述的海胆状SERS基底及制备方法、应用、SLE分类模型及建立方法、应用，采用电化学腐蚀法和原位还原法合成了以Au NPs为外壳，Ag NPs为核心，多孔硅(PSi)为基底的新型SERS基底，其具有更高的SERS增强效应和更高的灵敏度，从而可用于罗丹明检测和SLE分类中。
-
Patent Agency Ranking
公开(公告)号：CN116562615A
公开(公告)日：2023-08-08
申请号：CN202310385853.0
申请日：2023-04-12
IPC: G06Q10/0635 , G06Q10/0637 , G06Q50/26
Abstract: 本发明为一种用于乳制品食品安全的风险预警方法。一种用于乳制品食品安全的风险预警方法，包括以下步骤：(1)检测数据预处理：使用Python对各检测样本得检测数据进行标准化处理：(2)通过计算所述的各检测样本的每个检验指标的经验积累分布，以非参数的方式估计检测数据的潜在分布；(3)依据所述的潜在分布来估计各所述的检测样本每个检验指标的尾部概率，并将其聚合获得样本风险值；(4)对合格样本的可解释性风险划分，并依据各检验指标的风险得分追溯导致样本不合格的原因。本发明一种用于乳制品食品安全的风险预警方法，稳定性好，效率高，准确性好，实现了对合格样本的可解释性风险划分与不合格样本的风险追溯。
-
公开(公告)号：CN111364092A
公开(公告)日：2020-07-03
申请号：CN202010222052.9
申请日：2020-03-26
Applicant: 新疆艾旗斯德检测科技有限公司
Abstract: 本发明为一种银-多孔硅基表面增强拉曼散射的生物检测芯片的制备方法。一种银-多孔硅基表面增强拉曼散射的生物检测芯片的制备方法，包括S10：以硅片为阳极，铂片为阴极，将阳极和阴极置于电解液中进行阳极腐蚀反应，得多层布拉格多孔硅衬底；S20：将所述的多层布拉格多孔硅基底置于硝酸银溶液中进行浸渍处理后，取出干燥，再进行热处理，得所述的银-多孔硅基表面增强拉曼散射的生物检测芯片。本发明使用多孔硅作为光子晶体，并使用银颗粒作为增强电磁场的介质，具有放大倍数高、性质稳定、可长期使用、应用范围广、操作简便，人为操作误差较小的特点，可有效放大拉曼信号至几百万倍并减小荧光的干扰，且大大提高保质期、重复性。
-
公开(公告)号：CN115586172A
公开(公告)日：2023-01-10
申请号：CN202211201755.9
申请日：2022-09-29
Applicant: 新疆艾旗斯德检测科技有限公司
Abstract: 本发明为一种基于拉曼光谱和机器学习算法的识别驼奶的鉴别模型及方法。一种基于拉曼光谱和机器学习算法的识别驼奶的鉴别模型，采用以下步骤建立所述的鉴别模型：(1)采集驼奶粉的拉曼光谱数据；(2)对所述的拉曼光谱数据依次进行基线校正、平滑处理和归一化处理，得预处理后的光谱数据；(3)对所述的预处理后的光谱数据进行降维后，建立SVM分类模型，即所述的鉴别模型。本发明所述的一种基于拉曼光谱和机器学习算法的识别驼奶的鉴别模型及方法，有助于了解不同品牌驼奶之间物质的差异，在鉴别筛查中具有较大的潜在研究价值。
-
公开(公告)号：CN118641526A
公开(公告)日：2024-09-13
申请号：CN202410745215.X
申请日：2024-06-11
Applicant: 新疆艾旗斯德检测科技有限公司
IPC: G01N21/65
Abstract: 本发明为一种G@Ag@PSB复合SERS衬底及其制备方法、应用。一种G@Ag@PSB复合SERS衬底的制备方法，包括以下步骤：(1)制备多孔硅布拉格反射镜；(2)将葡萄糖溶液和硝酸银溶液混合后，加入所述的多孔硅布拉格反射镜，在160‑180℃下反应5‑7h后。冷却、清洗、干燥，得所述的G@Ag@PSB复合SERS衬底。本发明所述的一种G@Ag@PSB复合SERS衬底及其制备方法、应用，采用电化学腐蚀(EC)和水热碳化法(HTC)，以硝酸银和葡萄糖分别作为银源和碳源，合成了石墨碳(G)@银(Ag)@多孔硅布拉格反射镜(PSB)复合SERS衬底，其具有成本低的优势，同时对GA具有显著SERS增强能力，可用于小分子药物鉴定中，具有良好的潜在应用性能。
-
公开(公告)号：CN117033919A
公开(公告)日：2023-11-10
申请号：CN202311012155.2
申请日：2023-08-11
Applicant: 新疆艾旗斯德检测科技有限公司 , 北京艾旗斯德科技有限公司
IPC: G06F18/15 , G01N33/04 , G06F18/214 , G06F18/243 , G06F17/18 , G06N3/0464 , G06N3/088
Abstract: 本发明为基于无监督检测的驼乳掺假的检测模型及建立方法、检测方法。基于无监督检测的驼乳掺假的检测模型，包括：数据预处理模块、无监督异常检测模块、掺假鉴别模块；其中，所述的数据预处理模块：对数据进行归一化处理；所述的无监督异常检测模块：进行无监督异常检测算法的训练；所述的掺假鉴别模块：对样品进行鉴别。本发明所述的基于无监督检测的驼乳掺假的检测模型及建立方法、检测方法，在实际应用中无需人工标注数据，显著降低了时间成本；直接针对类别失衡的食品检测数据，突破了标签依赖，且不受小样本局限，可以充分捕获掺假样本的特征；在类别失衡的食品检测数据中表现出了优异的鉴别性能，为食品掺假检测提供了简单高效的新思路。
-
-
-
-
-
-
-
-
-
Search Results
13
records
(took 0.025 seconds)
