一种基于三乙醇胺的植物生长调节剂及其合成方法、应用

    公开(公告)号:CN118420475A

    公开(公告)日:2024-08-02

    申请号:CN202410602365.5

    申请日:2024-05-15

    Inventor: 赵帅 王文贵

    Abstract: 本发明属于新型化合物合成技术领域,具体涉及一种基于三乙醇胺的植物生长调节剂及其合成方法、应用。本发明开发一种新结构的植物生长调节剂,采用便宜易得的三乙醇胺作为基础原料,通过条件优化,得到单酯化、二酯化和三酯化产物。本发明提供的植物生长调节剂中,单酯化和二酯化的产物,其分子中除了酯基以外,还有羟基,能够通过氢键和植物体内的分子产生额外的作用影响其效果。本发明合成了具有不同链长的羧酸酯,对所得到的单酯化、二酯化、三酯化以及相应的氯代物和溴代物进行了测试,本发明提供的化合物能够促进小麦苗的生长。

    一种基于人体姿态识别的摇臂钻床违规操作检测方法

    公开(公告)号:CN115527169A

    公开(公告)日:2022-12-27

    申请号:CN202211238810.1

    申请日:2022-10-11

    Applicant: 济南大学

    Abstract: 本发明公开了一种基于人体姿态识别的摇臂钻床违规操作检测方法,通过识别人体姿态,获取人体关键关节点,通过判断模块将关节点与标记点进行逻辑判断,能够识别出摇臂钻床开动前工人是否进行检查摇臂钻床上的升降机构、夹紧机构、电器系统等装置的操作;识别摇臂钻床开动后工人触碰刀具和工作台区域、隔着机床转动部分传递或拿取工具等违规操作;识别摇臂钻床运转时工人离开工作区域的违规操作;当发现工人出现违规操作后会进行语音告警,提醒工人违反摇臂钻床安全操作规程,PLC模块控制摇臂钻床停机操作,并进行当前主摄像头与副摄像头的影像记录,可选择的通知安全管理人员有工人出现违规操作,有效减少工人的违规操作,提高安全性。

    基于互信息配准消除冗余背景的模型加速方法

    公开(公告)号:CN113409276A

    公开(公告)日:2021-09-17

    申请号:CN202110689843.7

    申请日:2021-06-22

    Applicant: 济南大学

    Abstract: 本发明提出了基于互信息配准消除冗余背景的模型加速方法,在采集设备固定的基础上,生产环境光线多样性下,采集工业场景下目标检测任务的数据集;选取批量数据集,在现场确定摄像头位置后,选取一张图像为参照,其中,以下均称为参照图,将数据集中样本与参照图进行互信息图像配准;互信息图像配准时,将参照图和某个样本图转换为灰度图像,构建两个灰度图像的二维向量;参照图和样本图为刚性配准,使用直方图估计法计算两个灰度图像二维向量的联合概率密度,以确定并跳过冗余背景进行推理计算。本发明提高卷积神经网络的计算效率,满足工业生产线目标检测的实时性。

    一种基于深度学习的图像格式管道和仪表图管线识别方法

    公开(公告)号:CN116110071B

    公开(公告)日:2023-09-12

    申请号:CN202310361501.1

    申请日:2023-04-07

    Applicant: 济南大学

    Abstract: 本发明公开了一种基于深度学习的图像格式管道和仪表图管线识别方法。涉及图像识别和管道和仪表图领域。本发明通过基于深度学习的算法,在管道和仪表图P&ID中先识别并删除符号和文字区域,将长管线分割成重复短管线,在识别完成后,将符合条件的短管线合并为长管线,达到识别各种长度管线的效果,并最后输出各段管线的端点和分类。本发明与人工识别管道和仪表图中管线相比,管线识别时间大幅缩小,识别准确率不受限于人工熟练度影响,信息化程度更好。相比现有的几种方法,本发明在识别准确率较高的前提下,使用更短的识别时间识别多种类型和多种长度的管线。

    一种基于深度学习的图像格式管道和仪表图管线识别方法

    公开(公告)号:CN116110071A

    公开(公告)日:2023-05-12

    申请号:CN202310361501.1

    申请日:2023-04-07

    Applicant: 济南大学

    Abstract: 本发明公开了一种基于深度学习的图像格式管道和仪表图管线识别方法。涉及图像识别和管道和仪表图领域。本发明通过基于深度学习的算法,在管道和仪表图P&ID中先识别并删除符号和文字区域,将长管线分割成重复短管线,在识别完成后,将符合条件的短管线合并为长管线,达到识别各种长度管线的效果,并最后输出各段管线的端点和分类。本发明与人工识别管道和仪表图中管线相比,管线识别时间大幅缩小,识别准确率不受限于人工熟练度影响,信息化程度更好。相比现有的几种方法,本发明在识别准确率较高的前提下,使用更短的识别时间识别多种类型和多种长度的管线。

    基于像素特征匹配的目标检测损失优化方法

    公开(公告)号:CN114998701A

    公开(公告)日:2022-09-02

    申请号:CN202210818058.1

    申请日:2022-07-13

    Applicant: 济南大学

    Abstract: 本发明提供了一种基于像素特征匹配的目标检测损失优化方法,涉及图像识别目标检测领域。本发明根据特征提取和融合过程中下采样操作对图像像素特征的损失,从像素特征角度入手,对模型特征提取和融合后的特征图上采样融合,评估预测框和真实框在特征图上的映射区域的Dice距离,通过细化预测框和真实框的特征差异进而优化模型参数,采用巴氏距离计算预测框和真实框直方图分布相似度,增强模型对像素级别差异的感知,更直观的评估模型泛化效果,进而提高模型预测框预测的准确度。本发明中,提出基于像素特征匹配损失弥补目标检测网络中直接框回归损失计算的不足,在不增加模型参数量的基础上提高了模型的鲁棒性。

    一种基于工业互联网的智能轮辋检测与跟踪方法及系统

    公开(公告)号:CN114399504A

    公开(公告)日:2022-04-26

    申请号:CN202210297708.2

    申请日:2022-03-25

    Applicant: 济南大学

    Abstract: 本申请公开了一种基于工业互联网的智能轮辋检测与跟踪方法及系统,涉及工业智能检测与跟踪领域,系统包括图像采集器,通过信号线连接有边缘计算设备输入端口,所述边缘计算设备的输出端口通过通讯协议转换网关连接有PLC模块,所述轮辋检测工作台的一端设置有轮辋分拣处,在所述轮辋分拣处的一端安装有用于辅助轮辋流向指定分拣机的挡臂。本发明量化目标检测算法用于适配算力有限的边缘设备,通过对比图像相邻帧之间的目标相关信息并关联进行目标匹配,得到轮辋的实时流向,自定通讯协议联动PLC控制摆臂旋转方向。智能检测与跟踪方法及系统可解决传统检测缺陷,提高轮辋的生产效率。

Patent Agency Ranking