-
公开(公告)号：CN119059502A
公开(公告)日：2024-12-03
申请号：CN202310648569.8
申请日：2023-06-02
Applicant: 中国地质大学(北京) , 中国地质大学(北京)郑州研究院
Abstract: 本发明提供了一种新型纳米晶磷灰石的快速合成方法，涉及辐射敏感的纳米晶矿物材料制备领域。该方法是将磷灰石置于10‑3Pa～10‑7Pa的真空和2.4x105ions/(nm2·s)～1.65x106ions/(nm2·s)的电子束辐照环境下，通过电子与磷灰石晶格中的目标原子发生弹性碰撞与非弹性碰撞，引起局部晶格塌陷和原子无序化，使得磷灰石完全非晶化后局部结晶，在电子束持续辐照下得到包裹纳米晶磷灰石的非晶基质。将粉体置于pH为8～10.5的溶液中消除非晶基质，得到粒径为5～10nm的纳米晶磷灰石。可以通过对电子束的加速电压与注入剂量，以及电子束辐照时间改变，实现调控纳米晶磷灰石的合成速度和粒径。该方法可简化纳米晶磷灰石合成步骤，绿色环保，具有广泛的应用前景。
-
公开(公告)号：CN120041200A
公开(公告)日：2025-05-27
申请号：CN202510313209.1
申请日：2025-03-17
Applicant: 中国地质大学(北京) , 中国地质大学(北京)郑州研究院
IPC: C09K11/73 , C01B25/455
Abstract: 本发明公开了一种磷灰石型荧光粉的合成方法，包括：将含A离子的可溶性盐、聚乙烯吡咯烷酮及含Er3+的可溶性盐放置于去离子水中以作为溶液甲；将柠檬酸钠、含X的可溶性盐及含BO4的可溶性盐溶于去离子水中以作为溶液乙；将溶液甲和溶液乙混合均匀后，装入反应釜中，升温加热；冷却后，将得到的物质进行沉淀清洗并干燥以得到荧光粉。本发明的有益效果为：本发明合成的荧光粉具有良好的色纯度为98.06％，较高的量子效率为56.33％，较好的荧光热稳定性，在498K下仍能够保持室温状态荧光强度的50％，具有优异的物理化学稳定性。
-
公开(公告)号：CN117209180A
公开(公告)日：2023-12-12
申请号：CN202310969836.1
申请日：2023-08-03
Applicant: 中国地质大学(北京) , 中国地质大学(北京)郑州研究院
IPC: C04B12/02
Abstract: 本发明公开一种耐辐射稀土掺杂氟磷灰石水泥，它包括以下重量份的原料：3‑6份Ca(NO3)2·4H2O，1‑3份Tween80，1‑3份CTAB，8‑14份Na3Cit·2H2O，1‑2份NaF，1‑4份(NH4)2HPO4，1‑3份Ln(NO3)3粉末。掺杂磷灰石产物中没有杂质和掺杂物，通过谢乐公式计算得到磷灰石纳米晶体粒径分布集中在100nm左右。磷灰石结晶质量高，通过Jade精修得到此法生成的掺杂氟磷灰石结晶度在99.5％左右。在合成过程中，稀土元素能够充分进入磷灰石晶体结构中，有利于掺杂元素的均匀分布。水热共沉淀法工艺成熟，反应时间、温度、反应物比例均可调节，使用范围广，易于大量生产。
-
公开(公告)号：CN115148299B
公开(公告)日：2024-09-06
申请号：CN202210832809.5
申请日：2022-07-15
Applicant: 中国地质大学(北京)
IPC: G16C20/20 , G16C20/70 , G06F18/214 , G06F18/2431 , G06N20/00
Abstract: 本发明公开了一种基于XGBoost的矿床类型鉴别方法及系统，收集磷灰石微量元素数据，并构建训练集和测试集；基于XGBoost算法构建机器学习模型，使用所述训练集对机器学习模型进行训练，并使用所述测试集对训练的模型进行评估；将待鉴别的磷灰石微量元素数据输入至得到的机器学习模型，得到矿床成因类型预测结果。相比于传统方法，机器学习模型具有更高的准确率和可信度；可通过磷灰石微量元素鉴别矿床成因类型，和预测未知岩体的成矿潜力；该方法适用性更广，更加便捷。
-
公开(公告)号：CN118587271A
公开(公告)日：2024-09-03
申请号：CN202410870024.6
申请日：2024-07-01
Applicant: 中国地质大学(北京)
Abstract: 本发明公开了一种岩石CT图像分析处理方法，包括图像预处理，图像分割与自动分析，使用OpenCV和PIL对图像进行处理分析，图像预处理包括图像去噪和图像增强；通过设定阈值进行图像分割，对图像分割后的参数信息进行统计，创建与输入图像同维度的零矩阵color_mask，根据颜色的阈值范围更新out_mask和color_mask，使用cv2.findContours函数找到color_mask中的轮廓，针对每个轮廓创建与out_mask同维度的零矩阵each_mask并绘制当前轮廓；将color_mask应用到each_mask上，生成each_color_mask，对每种颜色的所有轮廓，计算总面积，面积占比，以及等效直径。本发明的一种岩石CT图像分析处理方法不仅提供了一种系统性的岩石CT图像处理方法，提高了图像质量；并且能够有效进行孔裂隙提取和不同矿物相识别，进行矿物含量和粒度的自动分析。
-
Patent Agency Ranking
公开(公告)号：CN115375642A
公开(公告)日：2022-11-22
申请号：CN202210976029.8
申请日：2022-08-15
Applicant: 中国地质大学(北京)
IPC: G06T7/00 , G01N23/223
Abstract: 本申请公开了一种基于图像处理的元素迁移检测方法及系统。首先获取待处理样品，对样品进行预处理后得到目标选取范围，并进行μ‑XRF测试得到目标选取范围的元素分布图像；然后对元素分布图像在Python的OpenCV模块进行图像处理得到元素迁移检测结果，包括元素变化曲线及迁移率结果、元素相关性结果以及元素迁移图解结果。本发明利用图像处理技术，对μ‑XRF元素分布图像进行处理，得到发生迁移的元素种类和程度，较传统方法更加便捷，准确性高，可普遍应用。
-
公开(公告)号：CN115148299A
公开(公告)日：2022-10-04
申请号：CN202210832809.5
申请日：2022-07-15
Applicant: 中国地质大学(北京)
Abstract: 本发明公开了一种基于XGBoost的矿床类型鉴别方法及系统，收集磷灰石微量元素数据，并构建训练集和测试集；基于XGBoost算法构建机器学习模型，使用所述训练集对机器学习模型进行训练，并使用所述测试集对训练的模型进行评估；将待鉴别的磷灰石微量元素数据输入至得到的机器学习模型，得到矿床成因类型预测结果。相比于传统方法，机器学习模型具有更高的准确率和可信度；可通过磷灰石微量元素鉴别矿床成因类型，和预测未知岩体的成矿潜力；该方法适用性更广，更加便捷。
-
公开(公告)号：CN118626833A
公开(公告)日：2024-09-10
申请号：CN202410690525.6
申请日：2024-05-30
Applicant: 中国地质大学(北京) , 保定市佳宇软件科技有限公司
IPC: G06F18/2132 , G06F18/214 , G06F18/241 , G06N20/00 , G06V10/764 , G06V10/774
Abstract: 本发明公开了一种基于XGboost算法的碎屑锆石物源判别方法和系统，包括以下步骤：收集A1、A2、S、I花岗岩中锆石的微量元素数据，筛选出数据较为集中的元素。构建具有地质意义的元素比值，获得数据集Dataset 1。在Dataset 1上训练XGBoost模型，选择排名前9的元素或元素比值作为最终训练模型的特征，构建新数据集Dataset 2。在训练集上选择XGBoost算法进行训练。使用优化框架调优XGBoost模型的超参数，以最大化F1分数为目标。使用训练好的XGBoost模型将预处理后的未知样本数据输入模型，进行预测，并输出输出结果。本发明的优点是：提高了数据处理的效率和物源判别的精准性，适用于全球各个地区的碎屑锆石物源判别，不受地理位置的限制。
-
公开(公告)号：CN118133007A
公开(公告)日：2024-06-04
申请号：CN202410075684.5
申请日：2024-01-18
Applicant: 中国地质大学(北京)
IPC: G06F18/214 , G06F18/213
Abstract: 本申请公开了一种基于XGBoost算法的地球化学数据综合处理方法和系统，通过使用Python将多个零散数据集自动汇总，并为汇总后的数据集提供多级标签，输出原始数据集；提取原始数据集中所有非数值数据，并将所有非数值数据替换为空值，计算每种特征的平均值与方差，并暂时剔除数据异常值，以在暂时剔除数据异常值的情况下，使用XGBoost算法训练回归模型，预测空缺值数据；基于填充后的数据重新计算每个特征的平均值与方差，并剔除异常值数据，汇编并输出填充后的填充数据集；对填充数据集进行中心对数比变换，解码成分数据，输出解码数据集。本方法为建立地学数据库提供了有效的途径，为地球科学研究提供数据基础，适用于多种岩石和矿物分析，具有广泛的适用性。
-
公开(公告)号：CN115240191A
公开(公告)日：2022-10-25
申请号：CN202210726570.3
申请日：2022-06-24
Applicant: 中国地质大学(北京)
IPC: G06V20/69 , G06V10/764 , G06V10/774 , G06V10/82
Abstract: 本发明公开了一种基于深度学习下对显微镜下金属矿物的识别方法，通过获取待识别的显微镜下未知金属矿物图像，将所述显微镜下未知金属矿物图像进行预处理，得到第一目标图像，将所述第一目标图像输入到预先训练好的神经网络模型中，得到所述未知金属矿物的种类。本发明利用图像识别的技术，对大量镜下图像进行金属矿物的识别，从而得到关于岩相特征更为全面的判断，成本低，同时该判断过程也排除了人为估计的主观性和环境因素的干扰，提高识别准确率，且扩大了使用范围，较传统图像识别方法更加注重数据驱动进行特征提取，鲁棒性、泛化能力强。
-
-
-
-
-
-
-
-
-
Search Results
10
records
(took 0.038 seconds)
