-
公开(公告)号：CN119259000A
公开(公告)日：2025-01-07
申请号：CN202411330745.4
申请日：2024-09-24
Applicant: 中北大学
IPC: B01J20/26 , B01J20/28 , B01J20/30 , C02F1/28 , C02F101/30 , C02F101/36 , C02F101/38
Abstract: 本发明涉及阳离子染料污水处理领域。一种高效吸附亚甲基蓝染料凝胶微球（SA@PSSS‑H）的制备方法：分别将海藻酸钠（SA）、十八烷基三甲基氯化铵（STAC）、聚对苯乙烯磺酸钠（PSSS）溶于去离子水中配置成溶液，然后将三种溶液混合在一起搅拌均匀形成混合溶液，将混合溶液滴加在CaCl2溶液交联固化形成微球，将微球取出，用去离子水反复洗涤微球后，将微球置于盐酸溶液中进行H+置换，置换后的微球用去离子水反复洗涤后，干燥至恒重即得到高效吸附亚甲基蓝染料凝胶微球（SA@PSSS‑H）。本发明制备的高效吸附亚甲基蓝染料凝胶微球对阳离子染料具有高的吸附量，可以高效吸附阳离子染料。
-
公开(公告)号：CN119241849A
公开(公告)日：2025-01-03
申请号：CN202411379221.4
申请日：2024-09-30
Applicant: 中北大学
Abstract: 发明涉及高分子材料和诺氟沙星的过滤吸附，一种选择性吸附诺氟沙星的表面分子印迹聚合物的制备方法及应用，以六水合硝酸钴为钴源，对苯二甲酸PTA为有机配体，N,N＇‑二甲基甲酰胺DMF和无水乙醇为溶剂，加入多壁碳纳米管MWCNT，采用溶剂热法合成 Co‑MOF/MWCNT。以金属有机框架/多壁碳纳米管为基质，在其表面进行分子印迹，以制备出对模板诺氟沙星具有良好吸附性能和高选择性的表面分子印迹聚合物 MIP‑MOF/MWCNT。该方法制备的聚合物对诺氟沙星具有高的吸附容量。
-
公开(公告)号：CN119034701A
公开(公告)日：2024-11-29
申请号：CN202411346257.2
申请日：2024-09-26
Applicant: 中北大学
IPC: B01J20/26 , B01J20/28 , B01J20/30 , C02F1/28 , C02F101/34 , C02F101/38 , C02F101/36 , C02F103/34
Abstract: 本发明涉及高分子材料和制药废水处理领域，一种可选择性分离黄连素的表面分子印迹膜的制备方法，以壳聚糖/聚乙烯醇复合膜为固体基质，采用表面分子印迹技术将其制备为可选择性吸附分离黄连素的表面分子印迹膜Ber‑PSSS@CS/PVA‑SMIM。该表面分子印迹膜可选择性吸附黄连素，饱和吸附量可达到74.56 mg/g，印迹因子可达到2.02。该制备方法制备工艺简单、价格低廉、易于控制、性能稳定、环境友好且合成过程可以完全在水溶液中完成。本发明还涉及该可选择性分离黄连素的表面分子印迹膜的应用。
-
公开(公告)号：CN119345157A
公开(公告)日：2025-01-24
申请号：CN202411371772.6
申请日：2024-09-29
Applicant: 中北大学
Abstract: 本发明涉及手性药物选择性释放优性对映异构体领域。一种可选择性渗透优性对映异构体的透皮制剂膜的制备方法，首先制备含改性二氧化硅微球的聚砜基膜，然后将功能单体与模板分子预作用，获得预聚合物，在含改性二氧化硅微球的聚砜基膜的甲醇水溶液中加入预聚合物，得到表面分子印迹膜，将表面分子印迹膜采用洗脱液反复多次清洗膜得到(S)‑氨氯地平分子表面印迹聚砜膜即可选择性渗透优性对映异构体的透皮制剂膜。本发明还涉及该可选择性渗透优性对映异构体的透皮制剂膜的应用。
-
公开(公告)号：CN114743151B
公开(公告)日：2024-10-29
申请号：CN202210494875.6
申请日：2022-05-07
Applicant: 中北大学
IPC: G06V20/40 , G06N3/0464 , G06N3/08 , G06V10/25 , G06V10/774 , G06V10/80 , G06V10/82
Abstract: 火焰探测作为火灾防治的重要环节，其对于实时性，抗干扰性，准确度都有很高的要求。现阶段的火焰目标检测方法对于这三项指标缺乏综合研究，针对这一问题，本发明提出了一种基于改进YOLOv4‑tiny的轻量化抗干扰火焰检测方法。利用火焰随时间变化的动态特点，设计了双流结构的火焰检测模型。首先对YOLOv4‑tiny的骨干网络采用深度可分离卷积进行轻量化改进；其次在特征提取阶段，通过进一步融合多尺度特征提高网络对浅层特征的学习能力，同时在FPN中引入ECA通道注意力模块，进一步提高精度；最后采用IOU(Intersection over Union)后处理算法来有效屏蔽类火目标的干扰。在数据集方面，创建了自己的火焰检测数据集。实验证明，本发明方法在准确性，抗干扰性和检测时间上实现了综合提升。
-
Patent Agency Ranking
公开(公告)号：CN114743151A
公开(公告)日：2022-07-12
申请号：CN202210494875.6
申请日：2022-05-07
Applicant: 中北大学
Abstract: 火焰探测作为火灾防治的重要环节，其对于实时性，抗干扰性，准确度都有很高的要求。现阶段的火焰目标检测方法对于这三项指标缺乏综合研究，针对这一问题，本发明提出了一种基于改进YOLOv4‑tiny的轻量化抗干扰火焰检测方法。利用火焰随时间变化的动态特点，设计了双流结构的火焰检测模型。首先对YOLOv4‑tiny的骨干网络采用深度可分离卷积进行轻量化改进；其次在特征提取阶段，通过进一步融合多尺度特征提高网络对浅层特征的学习能力，同时在FPN中引入ECA通道注意力模块，进一步提高精度；最后采用IOU(Intersection over Union)后处理算法来有效屏蔽类火目标的干扰。在数据集方面，创建了自己的火焰检测数据集。实验证明，本发明方法在准确性，抗干扰性和检测时间上实现了综合提升。
-
公开(公告)号：CN118865120B
公开(公告)日：2025-03-21
申请号：CN202410900289.6
申请日：2024-07-05
Applicant: 中北大学
IPC: G06V20/10 , G06V10/80 , G06V10/40 , G06N3/0455
Abstract: 本发明涉及遥感图像变化检测领域，具体为一种面向遥感变化解释召回率可调的多尺度特征融合深度网络。遥感图像变化检测旨在辨识双时相图像感兴趣变化区域。然而，复杂场景下遥感图像变化区域形状、尺度的多样性极易导致相关变化检测算法出现严重漏检问题。针对上述问题，本发明首先提取双时相遥感图像分层次多尺度特征信息；然后，利用CNN、Transformer实现同尺度、跨尺度及多尺度特征局部及全局有效信息的融合；最后针对变化检测样本不平衡问题提出超期望推拉损失正则项，该损失函数可通过整体拉升正例样本的预测期望进而得到高召回率的深度学习模型。实验证明，本发明在定性、定量的指标方面都取得了显著效果。
-
公开(公告)号：CN119380210A
公开(公告)日：2025-01-28
申请号：CN202411375759.8
申请日：2024-09-29
Applicant: 中北大学
IPC: G06V20/13 , G06V10/764 , G06V10/44 , G06V10/80 , G06V10/82 , G06N3/045 , G06N3/0455 , G06N3/0464 , G06N3/084
Abstract: 本发明属于遥感图像变化检测领域，具体为一种多尺度特征提取及信息挖掘的遥感图像变化检测网络。本发明提出了针对多尺度特征信息挖掘融合的变化检测网络MSFMF‑CDNet，首先，基于对层次特征显示不同级别信息的观察，设计了一个选择性卷积注意力机制SCBAM模块来改善多尺度特征的可区分性；随后，提出级联交叉自注意力机制CCSAM模块来细化多尺度特征全局信息，最后，利用高级特征指导多尺度融合HFGFFM模块提高模型对不同大小对象的鉴别能力。通过在LEVIR‑CD、WHU‑CD和CDD两个公共光学遥感图像CD数据集上的实验表明，比其他常用方法实现了更强的遥感图像变化检测CD性能。
-
公开(公告)号：CN118865120A
公开(公告)日：2024-10-29
申请号：CN202410900289.6
申请日：2024-07-05
Applicant: 中北大学
IPC: G06V20/10 , G06V10/80 , G06V10/40 , G06N3/0455
Abstract: 本发明涉及遥感图像变化检测领域，具体为一种面向遥感变化解释召回率可调的多尺度特征融合深度网络。遥感图像变化检测旨在辨识双时相图像感兴趣变化区域。然而，复杂场景下遥感图像变化区域形状、尺度的多样性极易导致相关变化检测算法出现严重漏检问题。针对上述问题，本发明首先提取双时相遥感图像分层次多尺度特征信息；然后，利用CNN、Transformer实现同尺度、跨尺度及多尺度特征局部及全局有效信息的融合；最后针对变化检测样本不平衡问题提出超期望推拉损失正则项，该损失函数可通过整体拉升正例样本的预测期望进而得到高召回率的深度学习模型。实验证明，本发明在定性、定量的指标方面都取得了显著效果。
-
公开(公告)号：CN116797867A
公开(公告)日：2023-09-22
申请号：CN202310593113.6
申请日：2023-05-24
Applicant: 中北大学
IPC: G06V10/774 , G06V10/77 , G06V10/80 , G06V10/82 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种融合全局及局部特征的轻量化火焰识别深度学习模型，属于图像识别处理技术领域。针对目前火焰识别网络模型存在网络参量多、延迟高等问题，本发明提供了一种融合全局及局部特征的轻量化火焰识别深度学习模型，首先采集、收集火焰图像数据，构建火焰识别数据集；其次，构造轻量级Transformer模块E‑TB；再构建基于轻量级Transformer模块E‑TB和卷积神经网络的CTB模块；然后通过ShuffleNetV2模块和CTB模块的串联堆叠实现了从浅到深的逐级特征提取，并最终构建全局和局部特征提取的网络框架SConvTrans；最后将构建的火焰识别数据集划分为训练集和测试集，并利用该数据对构建的网络框架SConvTrans进行训练和测试，得到轻量化火焰识别深度学习模型。
-
-
-
-
-
-
-
-
-
Search Results
12
records
(took 0.041 seconds)
