一种基于神经网络结构搜索的食源性病菌分类方法

    公开(公告)号:CN119007823B

    公开(公告)日:2025-01-24

    申请号:CN202411336424.5

    申请日:2024-09-25

    Abstract: 本发明公开了一种基于神经网络结构搜索的食源性病菌分类方法,包括:采集多种食源性病菌各自对应的多种子类病菌的表面增强拉曼光谱数据,进行预处理;根据混合网络自动化设计U‑Net神经网络模型架构;对U‑Net神经网络模型进行训练,使用分块可微分神经架构搜索策略,调整U‑Net神经网络模型各个模块的权重;经过预训练优化的权重分布,对超网络进行采样,确定U‑Net神经网络模型每一层的最优模块组合;使用采样得到的架构信息,构建新的U‑Net结构,训练并生成分类器,实现对未知食源性病菌样本进行分类。该方法通过混合网络自动化设计U‑Net模型架构,能够自适应地优化网络的结构和参数,使得模型在不同子类病菌分类时表现更优,显著提高了分类的准确性。

    一种GNS/MIL-101(Fe)复合材料SERS基底的制备方法

    公开(公告)号:CN118961676A

    公开(公告)日:2024-11-15

    申请号:CN202411045900.8

    申请日:2024-08-01

    Abstract: 本发明提供一种GNS/MIL‑101(Fe)复合材料SERS基底的制备方法。该方法分为四步:第一步制备MIL‑101(Fe):通过将三氯化铁(III)六水合物、对苯二甲酸和N,N‑二甲基甲酰胺混合反应得到MIL‑101(Fe)。第二步金纳米颗粒(AuNPs)的制备:用去离子水、氯金酸和柠檬酸钠,进行油浴反应获得AuNPs溶液。第三步制备金纳米星(GNS)溶液:在第二步的基础上通过用金纳米颗粒、盐酸、硝酸银和抗坏血酸,进行混合反应合成GNS。第四步:将活化的MIL‑101(Fe)粉末溶于去离子水中与不同量的GNS溶液充分搅拌混合后,制备得到GNS/MIL‑101(Fe)复合材料,并将其溶解并滴涂到硅片上,干燥得到SERS衬底。这种方法具有制备工艺简单成本低,而且所制备的基底均匀性好、信号重复性好、灵敏度高、结构稳定性好等优点。

    一种基于神经网络结构搜索的食源性病菌分类方法

    公开(公告)号:CN119007823A

    公开(公告)日:2024-11-22

    申请号:CN202411336424.5

    申请日:2024-09-25

    Abstract: 本发明公开了一种基于神经网络结构搜索的食源性病菌分类方法,包括:采集多种食源性病菌各自对应的多种子类病菌的表面增强拉曼光谱数据,进行预处理;根据混合网络自动化设计U‑Net神经网络模型架构;对U‑Net神经网络模型进行训练,使用分块可微分神经架构搜索策略,调整U‑Net神经网络模型各个模块的权重;经过预训练优化的权重分布,对超网络进行采样,确定U‑Net神经网络模型每一层的最优模块组合;使用采样得到的架构信息,构建新的U‑Net结构,训练并生成分类器,实现对未知食源性病菌样本进行分类。该方法通过混合网络自动化设计U‑Net模型架构,能够自适应地优化网络的结构和参数,使得模型在不同子类病菌分类时表现更优,显著提高了分类的准确性。

    一种基于深度学习的拉曼光谱异常数据检测方法及系统

    公开(公告)号:CN119939226A

    公开(公告)日:2025-05-06

    申请号:CN202510429388.5

    申请日:2025-04-08

    Abstract: 本发明公开了一种基于深度学习的拉曼光谱异常数据检测方法及系统,属于拉曼光谱异常检测技术领域。其方法包括根据检测到的光谱峰值位置得到对应的峰值注意力指导系数;基于原始光谱数据的局部增强特征和全局特征得到多尺度注意力系数;将峰值注意力指导系数和多尺度注意力系数进行组合,并在此基础上得注意力拉曼光谱特征数据;利用降维网络对注意力拉曼光谱特征数据进行多层逐步降维,并利用升维网络进行重构;利用降维后的拉曼光谱特征数据以及重构拉曼光谱数据,得到拉曼光谱异常数据检测结果。本发明通过峰值感知注意力机制,能够同时分析拉曼光谱的整体特征和小尺度特征峰,对于拉曼光谱特征的提取和重构有较强针对性和提升。

    一种基于深度学习的电磁干扰诊断方法

    公开(公告)号:CN118013345A

    公开(公告)日:2024-05-10

    申请号:CN202311768549.0

    申请日:2023-12-21

    Abstract: 本发明公开了一种基于深度学习的电磁干扰诊断方法,涉及电磁干扰诊断领域,具体包括:选用DM‑WGAN网络对样本进行数据增强;选用小波包分解方法和自适应阈值峰值提取法进行数据预处理,得到降维后的一维能量综合特征值和峰值特征矩阵;将得到的特征矩阵输入到基于EMSC的多通道double‑1D‑CNN模型中进行模型的预训练;训练完成后将处理后的测试集输出到模型中进行结果预测,得到最终的电磁干扰诊断结果。本发明是基于深度学习的方法进行电磁干扰诊断系统,针对电磁干扰小样本特性提出了一种针对信号数据进行数据增强的方法DM‑WGAN,来提高模型的可靠性,针对模型在不同维度上特征学习能力,使用多特征以及基于EMSC的多通道double‑1D‑CNN模型来实现,使得电磁干扰诊断更加精准。

    一种焊缝缺陷X射线底片读片系统
    6.
    发明公开

    公开(公告)号:CN115575423A

    公开(公告)日:2023-01-06

    申请号:CN202211162888.X

    申请日:2022-09-23

    Abstract: 本发明公开了一种焊缝缺陷X射线底片读片系统,包括X射线底片采集装置、PC终端;PC终端通过USB数据线连接X射线底片采集装置;所述的X射线底片采集装置包括:基座、自动变焦追踪摄像头、机械臂;所述的基座上设有LED发光板、LED发光板亮度调节旋钮,所述的机械臂通过基座上的机械臂固定卡槽固定于基座上;所述机械臂与基座之间通过总线连接;自动变焦追踪摄像头通过摄像头卡块与效应器卡槽连接安装在机械臂上,自动变焦追踪摄像头与机械臂通过总线连接;本发明采用基座和机械臂相结合的一体结构,提高了图像采集的效率;采用自动变焦追踪摄像头与机械臂相结合的方式,可快速聚焦图像的焦点,提高图像采集的清晰度。

    一种便携式拉曼光谱仪
    7.
    实用新型

    公开(公告)号:CN221528386U

    公开(公告)日:2024-08-13

    申请号:CN202323004455.4

    申请日:2023-11-07

    Abstract: 本实用新型提出了一种便携式拉曼光谱仪,涉及光谱检测技术领域。包括彼此连接的上壳体和下壳体,上壳体和下壳体通过电控锁相连,下壳体内设置有拉曼光谱仪及控制面板,控制面板与电控锁连接,上壳体内设置有显示屏,拉曼光谱仪与显示屏通过信号传输线连接,下壳体的外壁设置有与控制面板连接的身份证识别插槽,上壳体的外壁设置有手提把手;本实用新型采用电控锁与上下壳体进行密封,需要进行身份识别后,才能够使用便携式拉曼光谱仪进行检测操作,具有一定的数据保密性,同时上下壳体还可保护便携式拉曼光谱仪,增加仪器对外界环境的抗干扰能力。

    一种焊缝缺陷X射线底片读片系统

    公开(公告)号:CN219179261U

    公开(公告)日:2023-06-13

    申请号:CN202222523556.1

    申请日:2022-09-23

    Abstract: 本实用新型公开了一种焊缝缺陷X射线底片读片系统,包括X射线底片采集装置、PC终端;PC终端通过USB数据线连接X射线底片采集装置;所述的X射线底片采集装置包括:基座、自动变焦追踪摄像头、机械臂;所述的基座上设有LED发光板、LED发光板亮度调节旋钮,所述的机械臂通过基座上的机械臂固定卡槽固定于基座上;所述机械臂与基座之间通过总线连接;自动变焦追踪摄像头通过摄像头卡块与效应器卡槽连接安装在机械臂上,自动变焦追踪摄像头与机械臂通过总线连接;本实用新型采用基座和机械臂相结合的一体结构,提高了图像采集的效率;采用自动变焦追踪摄像头与机械臂相结合的方式,可快速聚焦图像的焦点,提高图像采集的清晰度。

    一种多通道光路同时接入光谱仪的连接结构

    公开(公告)号:CN219474794U

    公开(公告)日:2023-08-04

    申请号:CN202320936901.6

    申请日:2023-04-21

    Abstract: 本实用新型公开了一种多通道光路同时接入光谱仪的连接结构,涉及多通道光路同时接入光谱仪技术领域,具体为包括光谱仪和插接在所述光谱仪侧壁的光纤束式连接器,所述光纤束式连接器包括壳体和开设在光谱仪侧壁插接槽,所述壳体的内侧壁设有束纤组件,所述束纤组件包括滑动连接在壳体内侧壁的若干个卡线板,所述卡线板的底壁固定连接有主纤座。通过光纤束式连接器、壳体、滑槽、弹性限位柱、束纤组件、卡线板、主纤座、放线管、第一弹簧、球形卡扣、固定限位柱、滑块,将光纤放入放线管中,通过移动束纤组件,将束纤组件与聚光组件相卡接同时固定于放线管中的光纤与固定在固定板上的光路通道相嵌合,以达到聚合光路的效果。

Patent Agency Ranking