-
公开(公告)号：CN117871428A
公开(公告)日：2024-04-12
申请号：CN202410017013.3
申请日：2024-01-05
Applicant: 内蒙古农业大学
IPC: G01N21/25 , G06T7/00 , G06V20/68 , G06V10/143 , G06V10/20 , G06V10/25 , G06V10/30 , G06V10/34 , G06V10/82 , G06N3/0442 , G06N3/086
Abstract: 本发明涉及食品安全技术领域，具体涉及基于高光谱成像和优化算法的牛奶掺假快速无损定量检测方法，首先配置掺假样品时，在纯牛奶样品中掺入糖、淀粉、豆浆粉等物质，掺入范围为0.5g/100mL～16g/100mL。其次以反射率模式获取高光谱图像，通过ENVI软件获取最终的数据。最后利用预处理方法、波段选择方法以及群智能算法优化后的LSTM模型对数据进行处理，得到最终的掺假物含量预测模型。实验结果表明，高光谱成像结合优化算法可以用于检测添加到牛奶中掺假物的含量。
-
公开(公告)号：CN117132814A
公开(公告)日：2023-11-28
申请号：CN202311079145.0
申请日：2023-08-25
Applicant: 内蒙古农业大学
IPC: G06V10/764 , G06V10/774 , G06V10/82 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种草地的高光谱数据分类方法，包括：采集草地样本，并对草地样本进行扫描获得草地原始高光谱数据；对草地原始高光谱数据进行预处理；获取多个模型，通过预处理后的高光谱数据对多个模型分别进行训练，并获取训练后模型的性能评价；通过草地原始高光谱数据与预处理后的高光谱数据对训练后的多个模型进行定量评估；基于性能评价与定量评估结果选取最优模型，实现草地的高光谱数据分类。本发明节约人力资源，无需大量的人力维护；提高了分类效率，降低分类过程的时间消耗；深度学习模式识别既能分类草地，又能提供其他评价指标参数详情，无需额外测量；高光谱设备和深度学习算法的相关技术成熟，价格低廉，系统成本不高。
-
公开(公告)号：CN113571133B
公开(公告)日：2022-06-17
申请号：CN202111074774.5
申请日：2021-09-14
Applicant: 内蒙古农业大学
Abstract: 本发明公开了一种基于图神经网络的乳酸菌抗菌肽预测方法，通过搜索已知乳酸菌抗菌肽建立正样本，通过从蛋白质数据库中收集长度5‑255的序列建立负样本，去冗余序列与相似；依据正负样本进行特征提取得到特征向量及初始输入图，在此基础上建立图神经网络模型；通过对图神经网络模型进行训练、评估与循环优化，确定图神经网络最佳层数、最佳训练轮数和学习率等参数；最后，依据图神经网络模型对疑似具有抗菌活性的菌株数据进行预测。本发明采用上述乳酸菌抗菌肽预测方法，以计算机模型预测代替实验室湿实验筛选，缩短乳酸菌抗菌肽类蛋白质序列的判断时长，实现准确高效批量识别，为具有抗菌特性的乳酸菌菌株筛选提供了有效替代方法。
-
公开(公告)号：CN113571133A
公开(公告)日：2021-10-29
申请号：CN202111074774.5
申请日：2021-09-14
Applicant: 内蒙古农业大学
Abstract: 本发明公开了一种基于图神经网络的乳酸菌抗菌肽预测方法，通过搜索已知乳酸菌抗菌肽建立正样本，通过从蛋白质数据库中收集长度5‑255的序列建立负样本，去冗余序列与相似；依据正负样本进行特征提取得到特征向量及初始输入图，在此基础上建立图神经网络模型；通过对图神经网络模型进行训练、评估与循环优化，确定图神经网络最佳层数、最佳训练轮数和学习率等参数；最后，依据图神经网络模型对疑似具有抗菌活性的菌株数据进行预测。本发明采用上述乳酸菌抗菌肽预测方法，以计算机模型预测代替实验室湿实验筛选，缩短乳酸菌抗菌肽类蛋白质序列的判断时长，实现准确高效批量识别，为具有抗菌特性的乳酸菌菌株筛选提供了有效替代方法。
-
公开(公告)号：CN107169695A
公开(公告)日：2017-09-15
申请号：CN201710217330.X
申请日：2017-04-05
Applicant: 内蒙古农业大学
CPC classification number: G06Q10/0833 , G06K17/00
Abstract: 本发明公开了汽车供应链技术领域的一种汽车零部件供应链RFID管理系统，包括：总控中心、GPRS无线网络、车载RFID采集终端和客户终端，所述总控中心负责实时接收车载RFID采集终端传输的汽车零部件RFID编码和地理位置信息，并实时进行数据处理、分析和传输，所述总控中心包括总控处理器、数据接收单元、无线通讯接收单元、云服务器、数据发送单元和无线通讯发送单元，该种汽车零部件供应链RFID管理系统，设计合理，通过无线网络提供端到端的广域无线IP连接和RFID射频技术，用户可以通过客户端实时监测汽车零部件的位置信息，可以对汽车零部件实时跟踪，能够有效防止伪造零件的掺入，提高零件质量。
-
Patent Agency Ranking
公开(公告)号：CN119671591A
公开(公告)日：2025-03-21
申请号：CN202411811424.6
申请日：2024-12-10
Applicant: 内蒙古农业大学
IPC: G06Q30/018 , G06Q10/047 , G06F16/23 , G06F16/27 , G06F21/60 , G06K7/14
Abstract: 本发明公开了一种基于目标标识的区块链农产品溯源系统，包括：监测数据获取模块，用于收集农产品从播种到销售各个环节的信息；数据分类模块，用于对收集到的数据按照信息类型以及重要程度进行分类；数据加密存储模块，用于分类后的数据进行加密，并对加密后的不重要数据进行存储；区块链网络模块，用于对加密后的重要数据进行存储；图形码溯源模块，用于重新制作供客户扫描的溯源图形码，以解密获取所有的农产品信息。本发明采用上述的一种基于目标标识的区块链农产品溯源系统，便于消费者通过扫码就可以准确的了解农产品从播种到销售整个过程的详细信息，且具有较高的信息安全性，可以有效减少区块链上的存储数据，有效节省了区块链的存储空间。
-
公开(公告)号：CN119648460A
公开(公告)日：2025-03-18
申请号：CN202411830690.3
申请日：2024-12-12
Applicant: 内蒙古农业大学
Abstract: 本发明公开了基于物联网的农田环境多要素实时监测系统，涉及农田环境实时监测领域，包括农田环境监测模块、二维码识别模块和区块链追溯模块，所述农田环境监测单元引入嵌入式芯片STM32单片机、传感器、摄像头以及窄带物联网NB‑IoT通信技术；利用二维码作为燕麦产品唯一标识，记录从原料采集到生产制作、仓储运输、检疫检测等全过程公开数据，该二维码将被打印出来绑定至相应的产品包装上；所述区块链追溯单元基于Hyperledger Fabric联盟区块链，包括数据存储层、服务层和接口层。本发明采用二维码识别模块和区块链追溯模块为用户提供质量数据追踪和信息监管服务，农田环境监测模块可以对植株整体生长过程进行统计使数据更加真实透明。
-
公开(公告)号：CN117607087B
公开(公告)日：2024-04-05
申请号：CN202410091166.2
申请日：2024-01-23
Applicant: 内蒙古农业大学
IPC: G01N21/3563 , G01N21/01 , G01N1/28
Abstract: 本发明公开了一种红外光谱的土壤检测设备及其检测方法，包括水平摆放的支撑架以及安装在支撑架顶部的横板，且横板的上方安装有固定架，还包括：所述固定架的上表面通过螺栓固定有第一液压杆，且第一液压杆的输出端和固定杆相连接，并且固定杆的外壁设置有顶板和取样筒，所述顶板位于取样筒的上方。该红外光谱的土壤检测设备及其检测方法，破土结构包括安装在取样筒顶部内壁的第二液压杆，且第二液压杆的输出端和压板相连接，并且压板的下表面安装有等角度分布的第一破碎齿和第二破碎齿，这样在第二液压杆工作时，会推动压板、第一破碎齿和第二破碎齿一起下降，将土壤破碎，这样土壤会落在封堵板上，使红外探头更好的检测。
-
公开(公告)号：CN114813589A
公开(公告)日：2022-07-29
申请号：CN202210367352.5
申请日：2022-04-08
Applicant: 内蒙古农业大学
IPC: G01N21/27 , G01N21/31 , G01N21/3563 , G01N21/359 , G06V10/764 , G06V10/58 , G06K9/62
Abstract: 本发明属于牧草分类技术领域，公开了一种牧草可见‑近红外高光谱分类方法、系统、介质及终端，所述牧草可见‑近红外高光谱分类方法包括：构建宏观尺度的多类别牧草种群近地高光谱图像数据集，并构建基于多元平滑映射和极限主动学习的牧草可见‑近红外高光谱分类模型；利用所述基于多元平滑映射和极限主动学习的高光谱分类模型进行牧草物种的分类。本发明通过Isomap提取低维底层流形结构特征进行光谱重建以简化模型，首次将流形学习Isomap有效推广应用到牧草高光谱领域。本发明还提出一种主动的极限梯度分类策略XAL，解决牧草高光谱标记样本成本高、数量少的问题，同时，更直观地增强光谱分类背后的物理本质。
-
公开(公告)号：CN116580241A
公开(公告)日：2023-08-11
申请号：CN202310578054.5
申请日：2023-05-22
Applicant: 内蒙古农业大学
IPC: G06V10/764 , G06N3/0455 , G06V10/26 , G06V10/82 , G06V10/80
Abstract: 本发明属于图像处理技术领域，公开了一种基于双分支多尺度语义分割网络的图像处理方法，包括：利用CNN模块为主编码器，Swin Transformer为辅助编码器，并通过跳跃连接进行编码器与解码器之间的特征融合，构建并行的双编码器结构；基于并行的双编码器结构结合多尺度融合模块、特征增强模块和通道增强模块组建双分支多尺度语义分割网络，利用所述双分支多尺度语义分割网络进行图像处理。本发明通过增强网络的全局上下文交互，并弥补CNN在全局建模能力的不足，设计了多尺度融合模块加强了不同尺度特征信息，另外设计了特征增强模块和通道增强模块加强网络的特征提取能力。
-
-
-
-
-
-
-
-
-
Search Results
50
records
(took 0.02 seconds)
