-
公开(公告)号：CN117265270A
公开(公告)日：2023-12-22
申请号：CN202310963329.7
申请日：2023-07-31
Applicant: 东北大学
Abstract: 本公开提供一种还原分离锂电池黑粉的方法。一种还原分离锂电池黑粉的方法，所述分离方法包括以下步骤：S1，将包括NaF‑AlF3基或KF‑AlF3基或NaF‑KF‑AlF3基的熔盐盛装于石墨钳锅中，同时将黑粉和金属还原剂盛装于石墨钳锅中；S2，将石墨坩埚整体放置于不锈钢坩埚中；S3，将不锈钢坩埚整体放置于高温电阻炉中，升温使石墨坩埚内的物质融化，同时对不锈钢坩埚进行转动，S4，拆解不锈钢坩埚和石墨坩埚，获得白色熔盐和Ni、Mn、Co金属合金，通过将黑粉与熔盐和金属还原剂进行反应，使Ni、Co、Mn化合物在熔盐和金属还原剂中转变为对应的金属合金，进而在熔盐底部沉积，最后通过扒渣等操作，可将沉淀取出。
-
Patent Agency Ranking
公开(公告)号：CN117247058A
公开(公告)日：2023-12-19
申请号：CN202310952178.5
申请日：2023-07-31
Applicant: 东北大学
Abstract: 本公开提供一种溶解分离锂电池黑粉的方法。一种溶解分离锂电池黑粉的方法，其特征在于，所述分离方法包括以下步骤：S1将包括NaF‑AlF3基或KF‑AlF3基或NaF‑KF‑AlF3基的熔盐盛装于石墨钳锅中，将所述石墨坩埚整体放置于高温电阻炉中，升温使熔盐融化；S2将锂电池黑粉压装成片状，分批次加入S1中的所述石墨坩埚中，与熔盐进行反应；S3拆解所述石墨坩埚，获得白色熔盐和黑色沉淀并且分离；S4将S3中的黑色沉淀与铝盐溶液溶解，对所述溶解液进行过滤、洗涤和干燥，得到Ni、Mn、Co氧化物的混合物干粉，从而实现黑粉组元中Ni、Co和Mn的分离。
-
公开(公告)号：CN110223281A
公开(公告)日：2019-09-10
申请号：CN201910489713.1
申请日：2019-06-06
Applicant: 东北大学
Abstract: 本发明涉及计算机视觉技术领域，提供一种数据集中含有不确定数据时的肺结节图像分类方法。首先，收集肺结节CT图像集并利用专家投票法通过多数投票原则确定图像的类别，经过预处理后得到肺结节CT图像数据集；然后，基于知识蒸馏法，构建包括教师模型、学生模型的肺结节图像分类模型；接着，获取确定标签数据集，在确定标签数据集上训练教师模型，并在肺结节CT图像数据集上计算软标签；然后，在联合硬标签和软标签的数据集上训练学生模型；最后，将预处理后的待分类肺结节CT图像输入训练后的肺结节图像分类模型中，获得其类别。本发明能够有效利用数据集中的不确定标签数据，提升肺结节诊断的准确性和效率，且易用性和鲁棒性高。
-
公开(公告)号：CN110298397A
公开(公告)日：2019-10-01
申请号：CN201910553736.4
申请日：2019-06-25
Applicant: 东北大学
Abstract: 本发明提出基于压缩卷积神经网络的加热金属图像的多标签分类方法，包括：获取加热金属图像，组成训练集和验证数据集；设计应用图像分类的压缩卷积神经网络模型框架；使用压缩卷积神经网络模型及训练集对应的文件进行模型训练，得到用于加热金属图像的自动分类模型；对验证数据集中的加热金属图像的进行预测，得到加热金属图像预测分类。与传统的方法比较，本发明有效利用深度学习特征的特征提取能力以及泛化能力，提高加热金属图像检测识别的准确度。而且压缩网络的深度学习模型占用存储空间小，对硬件的性能要求低，训练所需的时间更少。大大提高了训练模型的效率，图像识别率准确度降低相对较小，便于在于移动或嵌入式设备上实现场景。
-
公开(公告)号：CN109902736A
公开(公告)日：2019-06-18
申请号：CN201910136884.6
申请日：2019-02-25
Applicant: 东北大学
Abstract: 本发明提供一种基于自动编码器构建特征表示的肺结节图像分类方法，涉及计算机视觉技术领域。该方法首先将肺结节图像通过超像素分割为局部斑块；然后使用无监督深度自动编码器将这些斑块变换为固定长度的局部特征向量；并基于局部特征构建视觉词汇，通过视觉词袋描述肺结节图像的全局特征；用softmax算法对肺结节类型分类，完成用于肺结节图像特征表示的模型框架的设计；使用设计的模型框架及ELCAP数据集进行训练，得到用于肺结节图片自动分类模型；最后使用得到的肺结节图像分类模型，进行肺结节图像分类。本发明提供的基于自动编码器构建特征表示的肺结节图像分类方法，提升了肺结节分类模型的特征提取能力，提高了肺结节自动分类的准确率。
-
公开(公告)号：CN110223281B
公开(公告)日：2022-06-28
申请号：CN201910489713.1
申请日：2019-06-06
Applicant: 东北大学
IPC: G06T7/00 , G06V10/774 , G06K9/62
Abstract: 本发明涉及计算机视觉技术领域，提供一种数据集中含有不确定数据时的肺结节图像分类方法。首先，收集肺结节CT图像集并利用专家投票法通过多数投票原则确定图像的类别，经过预处理后得到肺结节CT图像数据集；然后，基于知识蒸馏法，构建包括教师模型、学生模型的肺结节图像分类模型；接着，获取确定标签数据集，在确定标签数据集上训练教师模型，并在肺结节CT图像数据集上计算软标签；然后，在联合硬标签和软标签的数据集上训练学生模型；最后，将预处理后的待分类肺结节CT图像输入训练后的肺结节图像分类模型中，获得其类别。本发明能够有效利用数据集中的不确定标签数据，提升肺结节诊断的准确性和效率，且易用性和鲁棒性高。
-
-
-
-
-
Search Results
6
records
(took 0.017 seconds)
