-
公开(公告)号：CN111862013A
公开(公告)日：2020-10-30
申请号：CN202010650667.1
申请日：2020-07-08
Applicant: 湘潭大学
Abstract: 本申请涉及一种基于深度卷积神经网络的绝缘子检测方法、装置及设备，基于深度卷积神经网络的绝缘子检测方法包括：采集若干原始图像，并对原始图像进行预处理，构建样本训练集；基于RPN网络、倾斜NMS算法和角度因子，构建多角度候选区域网络结构；基于多角度候选区域网络结构，利用样本训练集对深度卷积神经网络进行训练，得到训练模型；利用训练模型对待识别图像进行识别，若待识别图像中存在绝缘子，则输出带有目标框的绝缘子图像。如此，有效提高了对绝缘子信息的提取精度，避免了在检测时对背景复杂且目标较小的绝缘子出现漏检的情况，也避免了绝缘子图像中因部分重叠或遮挡而造成的检测效果不佳的情况。
-
公开(公告)号：CN110643835A
公开(公告)日：2020-01-03
申请号：CN201911092009.9
申请日：2019-11-08
Applicant: 湘潭大学
Abstract: 本发明公开了用仲酰胺型溶剂从含镁卤水中分离镁提取锂的萃取体系、萃取方法和其应用。萃取体系中含有仲酰胺由其单一化合物或两种以上的混合物组成，其中R1选自C2～C12烷基或含有单环结构的C3～C12环烷基，R2选自C1～C11烷基或含有单环结构的C3～C11环烷基，分子中碳原子总数为12～18，萃取体系的凝固点小于0℃。在有机相与卤水相体积比1～10:1、卤水密度为1.25～1.38g/cm3和温度0～50℃下进行单级或多级逆流萃取，反萃取得到低镁锂比水相，经过浓缩、除杂与制备，分别得到氯化锂、碳酸锂和氢氧化锂。本发明的仲酰胺分子结构简单，Li+多级萃取率高，锂镁分离系数大；用水反萃取，酸碱消耗大大减少；萃取分离工艺流程短，萃取体系溶损小，具有工业应用价值。
-
公开(公告)号：CN112837281B
公开(公告)日：2022-10-28
申请号：CN202110109172.2
申请日：2021-01-27
Applicant: 湘潭大学
IPC: G06T7/00 , G06T5/50 , G06V10/764 , G06V10/82 , G06N3/08
Abstract: 本申请涉及一种基于级联卷积神经网络的销钉缺陷识别方法、装置和设备。其中，所述方法包括：基于原始MTCNN算法进行改进，并构建改进后的MTCNN算法模型；在不同环境下利用无人机拍摄得到输电线路中连接处的电力金具图像样本，并对所述电力金具图像样本进行预处理，构建样本训练集；基于改进后的MTCNN算法模型，利用所述样本训练集对级联卷积神经网络进行训练，得到训练模型；利用所述训练模型对待识别图像进行销钉缺陷识别：将无人机巡检获取的电力金具图像输入所述训练模型中，获得销钉状态识别结果。如此设置，相对传统识别方法，本申请在识别速度和精度上都有较大的提高，模型在移动设备上的移植和应用也更具优势。
-
Patent Agency Ranking
公开(公告)号：CN110643833B
公开(公告)日：2021-04-20
申请号：CN201911088307.0
申请日：2019-11-08
Applicant: 湘潭大学
Abstract: 本发明公开了用仲酰胺/叔酰胺复合溶剂从含镁卤水中分离镁提取锂的萃取体系、萃取方法和其应用。萃取体系中含有仲酰胺和叔酰胺分别由其单一化合物或两种以上的混合物组成，分子中碳原子总数分别为12～18和18～32，萃取体系的凝固点小于0℃。在有机相与卤水相体积比1～10:1、卤水密度为1.25～1.38g/cm3和温度0～50℃下进行单级或多级逆流萃取，反萃取得到低镁锂比水相，经过浓缩、除杂与制备，分别得到氯化锂、碳酸锂和氢氧化锂产品。本发明的优异效果：仲酰胺萃取剂分子结构简单，容易生产，叔酰胺改进复合溶剂的粘度等物理性质；Li+多级萃取率高，锂镁分离系数大，用水反萃取，酸碱消耗大大减少；萃取分离工艺流程短，萃取体系溶损小，具有良好的工业应用价值。
-
公开(公告)号：CN110643835B
公开(公告)日：2021-04-20
申请号：CN201911092009.9
申请日：2019-11-08
Applicant: 湘潭大学
Abstract: 本发明公开了用仲酰胺型溶剂从含镁卤水中分离镁提取锂的萃取体系、萃取方法和其应用。萃取体系中含有仲酰胺由其单一化合物或两种以上的混合物组成，其中R1选自C2～C12烷基或含有单环结构的C3～C12环烷基，R2选自C1～C11烷基或含有单环结构的C3～C11环烷基，分子中碳原子总数为12～18，萃取体系的凝固点小于0℃。在有机相与卤水相体积比1～10:1、卤水密度为1.25～1.38g/cm3和温度0～50℃下进行单级或多级逆流萃取，反萃取得到低镁锂比水相，经过浓缩、除杂与制备，分别得到氯化锂、碳酸锂和氢氧化锂。本发明的仲酰胺分子结构简单，Li+多级萃取率高，锂镁分离系数大；用水反萃取，酸碱消耗大大减少；萃取分离工艺流程短，萃取体系溶损小，具有工业应用价值。
-
公开(公告)号：CN111862013B
公开(公告)日：2024-02-02
申请号：CN202010650667.1
申请日：2020-07-08
Applicant: 湘潭大学
IPC: G06T7/00 , G06V10/25 , G06V10/26 , G06V10/774 , G06V10/80 , G06V10/82 , G06N3/0464
Abstract: 本申请涉及一种基于深度卷积神经网络的绝缘子检测方法、装置及设备，基于深度卷积神经网络的绝缘子检测方法包括：采集若干原始图像，并对原始图像进行预处理，构建样本训练集；基于RPN网络、倾斜NMS算法和角度因子，构建多角度候选区域网络结构；基于多角度候选区域网络结构，利用样本训练集对深度卷积神经网络进行训练，得到训练模型；利用训练模型对待识别图像进行识别，若待识别图像中存在绝缘子，则输出带有目标框的绝缘子图像。如此，有效提高了对绝缘子信息的提取精度，避免了在检测时对背景复杂且目标较小的绝缘子出现漏检的情况，也避免了绝缘子图像中因部分重叠或遮挡而造成的检测效果不佳的情况。
-
公开(公告)号：CN112837281A
公开(公告)日：2021-05-25
申请号：CN202110109172.2
申请日：2021-01-27
Applicant: 湘潭大学
Abstract: 本申请涉及一种基于级联卷积神经网络的销钉缺陷识别方法、装置和设备。其中，所述方法包括：基于原始MTCNN算法进行改进，并构建改进后的MTCNN算法模型；在不同环境下利用无人机拍摄得到输电线路中连接处的电力金具图像样本，并对所述电力金具图像样本进行预处理，构建样本训练集；基于改进后的MTCNN算法模型，利用所述样本训练集对级联卷积神经网络进行训练，得到训练模型；利用所述训练模型对待识别图像进行销钉缺陷识别：将无人机巡检获取的电力金具图像输入所述训练模型中，获得销钉状态识别结果。如此设置，相对传统识别方法，本申请在识别速度和精度上都有较大的提高，模型在移动设备上的移植和应用也更具优势。
-
公开(公告)号：CN110643833A
公开(公告)日：2020-01-03
申请号：CN201911088307.0
申请日：2019-11-08
Applicant: 湘潭大学
Abstract: 本发明公开了用仲酰胺/叔酰胺复合溶剂从含镁卤水中分离镁提取锂的萃取体系、萃取方法和其应用。萃取体系中含有仲酰胺和叔酰胺分别由其单一化合物或两种以上的混合物组成，分子中碳原子总数分别为12～18和18～32，萃取体系的凝固点小于0℃。在有机相与卤水相体积比1～10:1、卤水密度为1.25～1.38g/cm3和温度0～50℃下进行单级或多级逆流萃取，反萃取得到低镁锂比水相，经过浓缩、除杂与制备，分别得到氯化锂、碳酸锂和氢氧化锂产品。本发明的优异效果：仲酰胺萃取剂分子结构简单，容易生产，叔酰胺改进复合溶剂的粘度等物理性质；Li+多级萃取率高，锂镁分离系数大，用水反萃取，酸碱消耗大大减少；萃取分离工艺流程短，萃取体系溶损小，具有良好的工业应用价值。
-
-
-
-
-
-
-
Search Results
8
records
(took 0.017 seconds)
