-
公开(公告)号：CN115858838A
公开(公告)日：2023-03-28
申请号：CN202211630728.3
申请日：2022-12-19
Applicant: 珠海高凌信息科技股份有限公司 , 上海大学
IPC: G06F16/535 , G06V10/774 , G06V10/82 , G06N3/0499 , G06N3/084
Abstract: 本申请公开了基于深度学习的质谱图搜索匹配方法、装置和存储介质，本申请将数据集分为训练集、验证集、测试集；对所述训练集、验证集、测试集进行数据增强；提取所述训练集的分子指纹，计算所述分子指纹的相似度分数，将所述相似度分数作为两个质谱图的真实相似度分数；将两个所述质谱图转化成质谱图向量，分别将两个质谱图向量输入到相同的前馈神经网络中，抽取质谱图的隐含特征，得到质谱图的高阶向量表示；将两个质谱图向量经过相似度计算层交互，得到两个质谱图的相似度预测分数。本申请基于在质谱谱数据库搜索引擎的结果中增强方法的能力，能够提升质谱图匹配的成功率的成份匹配的准确率。
-
公开(公告)号：CN115810409A
公开(公告)日：2023-03-17
申请号：CN202211573587.6
申请日：2022-12-08
Applicant: 珠海高凌信息科技股份有限公司 , 上海大学
Abstract: 本申请公开了一种VOCs污染物分析方法及其装置、电子设备、存储介质，VOCs污染物分析方法包括：获取组分分析模型训练数据、超标VOCs组分数据和构建的企业污染源知识图谱；根据组分分析模型训练数据进行深度学习模型训练处理得到组分分析模型；根据超标VOCs组分数据和企业污染源知识图谱进行深度学习模型训练处理得到溯源追踪模型；根据组分分析模型和溯源追踪模型建立污染源溯源模型；采集环境中的VOCs数据；将VOCs数据输入污染源溯源模型进行溯源分析处理，得到VOCs组分信息和VOCs污染源头企业排序信息。本申请实施例能够通过污染源溯源模型对污染物进行溯源分析，有效地提高溯源分析效率和溯源分析准确性。
-
公开(公告)号：CN115798626A
公开(公告)日：2023-03-14
申请号：CN202211630709.0
申请日：2022-12-19
Applicant: 珠海高凌信息科技股份有限公司 , 上海大学
Abstract: 本申请公开了基于深度学习的Vocs组分分子质谱图预测方法、装置和存储介质，本申请的方法包括根据NIST数据库中的分子和质谱图数据训练DeepVocsMass模型；向所述DeepVocsMass模型输入质谱图，得到相似度函数；根据所述相似度函数计算质谱图的相似度；输出相似度最高的质谱图。本申请通过深度学习技术对Vocs分子进行质谱图预测，通过训练深度神经网络模型，预测Vocs分子的质谱图，并通过与标准库进行对比，确定Vocs质谱图，实现对Vocs质谱监测结果的成份分析，对于大气环境Vocs治理和监测具有重要意义。
-
公开(公告)号：CN116798539A
公开(公告)日：2023-09-22
申请号：CN202310568650.5
申请日：2023-05-18
Applicant: 珠海高凌信息科技股份有限公司 , 上海大学
IPC: G16C20/30 , G16C20/70 , G06N3/0464 , G06N3/048 , G06N3/0499
Abstract: 本发明公开了一种基于深度学习的VOCs组分分子毒性预测方法，包括：根据毒性预测标准，预处理VOCs组分分子数据；使用深度学习算法处理所述预处理后的VOCs组分分子数据，构建VOCs毒性预测模型；向所述VOCs毒性预测模型中输入VOCs物质的组分分子参数，得到所述VOCs物质的毒性预测结果。本发明利用深度学习技术手段实现VOCs挥发性有机物组分分子毒性预测，并与现有的VOCs毒性预测方法进行对比，结果表明基于深度学习的VOCs毒性预测方法表现效果明显优于当前基于相似度和基于特征的方法，且该方法简单易用，输入相应的参数即可得到测试结果，对测试人员更加友好。
-
公开(公告)号：CN116500118A
公开(公告)日：2023-07-28
申请号：CN202310233026.X
申请日：2023-03-10
Applicant: 珠海高凌信息科技股份有限公司 , 上海大学
IPC: G01N27/62 , G01N27/626 , G01B11/28 , G01B21/28 , G06N3/0464
Abstract: 本发明提出了一种基于深度学习的Vocs质谱图离子碎片峰区域识别方法及装置，该方法包括：获取目标Vocs质谱图，将目标Vocs质谱图输入至训练好的目标DeepGCMSPeak模型，目标DeepGCMSPeak模型包括第一CNN网络和第二CNN网络；通过第一CNN网络从目标Vocs质谱图中识别出目标离子碎片峰区域；将目标离子碎片峰区域输入至第二CNN网络，通过第二CNN网络识别出目标离子碎片峰区域的目标区域面积；将目标离子碎片峰区域和目标区域面积确定为目标Vocs质谱图的目标识别结果。根据本发明实施例的技术方案，能够在通过目标DeepGCMSPeak模型的两个深度学习网络分别识别出目标离子碎片峰区域和目标区域面积，有效提高离子碎片峰区域的识别效率，为提高Vocs质谱图的分析效率提供数据基础。
-
Patent Agency Ranking
公开(公告)号：CN115827615A
公开(公告)日：2023-03-21
申请号：CN202211570760.7
申请日：2022-12-08
Applicant: 珠海高凌信息科技股份有限公司 , 上海大学
IPC: G06F16/215
Abstract: 本申请公开了一种数据质量检测方法、装置和存储介质，本申请的方法包括构建Vision Transformer预训练模型；通过所述Vision Transformer预训练模型对Vocs质谱监测数据进行调整，得到质谱图图片的特征信息；使所述Vocs质谱监测数据经过一个多层感知机和Softmax激活函数，得到预测正负类别的概率；根据所述正负类别的概率得到并输出对所述Vocs质谱监测数据的质量分析结果。本申请通过基于迁移学习的深度分类模型，解决Vocs监测数据质量监测问题，能够在数据质量监测方面取得良好的效果。
-
公开(公告)号：CN117910050A
公开(公告)日：2024-04-19
申请号：CN202311689962.8
申请日：2023-12-08
Applicant: 珠海高凌信息科技股份有限公司
Abstract: 本发明提出了基于拟态裁决的测量数据处理方法、装置、测量系统，该方法包括：基于初始校准数据同步生成第一校准参数和第二校准参数，将第二校准参数保存至EEPROM；基于第一校准参数生成第三校准参数；当件获取到目标测量数据，基于第三校准参数确定第一测量结果，基于第二校准参数确定第二测量结果；基于第一测量结果和第二测量结果的参考数值差和预设误差确定拟态裁决标识；裁决通过后将目标测量结果和拟态裁决标识确定为目标输出结果。根据本发明实施例的技术方案，能够利用EEPROM存储的只读数据实现初始校准数据的全景回溯；基于拟态裁决对数据的进行实时评判，能够进行实时拦截或报警，提高测量系统的防篡改能力和可靠性。
-
公开(公告)号：CN115544297A
公开(公告)日：2022-12-30
申请号：CN202211162960.9
申请日：2022-09-23
Applicant: 珠海高凌信息科技股份有限公司
IPC: G06F16/683 , G06F16/61 , G06N5/02
Abstract: 本发明公开了一种声音数据库构建及智能检索方法、系统及存储介质，方法包括：获取原始音频数据；对原始音频数据进行数据预处理，得到声音元数据；根据原始音频数据和声音元数据，构建声音数据库及知识图谱；响应于目标对象的检索数据，基于声音数据库及知识图谱匹配返回检索结果；其中，检索数据包括检索文本和检索音频。本发明通过对原始音频数据的预处理，提取声音元数据；进而构建声音数据库及知识图谱，实现基于声音元数据以及原始音频数据声音检索的全文索引。通过声音数据库的创建，并基于知识图谱实现了基于元数据和音频数据的检索功能，能够实现包含多特性的声音检索技术，可广泛应用于数据检索技术领域。
-
公开(公告)号：CN110174376A
公开(公告)日：2019-08-27
申请号：CN201910290690.1
申请日：2019-04-11
Applicant: 珠海高凌信息科技股份有限公司
Abstract: 本发明提出了一种基于摄像机的空气能见度的监控系统及方法，包括下端连接箱，所述下端连接箱的上表面通过短轴连接有上端转动盘，短轴的下端贯穿并延伸至下端连接箱的内部，且短轴的下端通过螺栓连接有齿轮，所述下端连接箱的上内部一侧通过螺栓连接有电动伸缩杆，本基于摄像机的空气能见度的监控系统结构简单，操作简便，不但可以对空气质量检测，而且可以进行拍摄，使得监测更加全面，且通过电动伸缩杆可以带动齿轮转动，通过齿轮带动上端转动盘转动，通过上端转动盘带动摄像机转动，使得拍摄更加全面，且该基于摄像机的空气能见度的监控系统的方法步骤简单，操作简便，能够满足人们的需求，为人们提供了方便。
-
公开(公告)号：CN116502174A
公开(公告)日：2023-07-28
申请号：CN202310113211.5
申请日：2023-02-13
Applicant: 珠海高凌信息科技股份有限公司
IPC: G06F18/25 , G10L25/03 , G10L25/51 , G10L25/30 , G06F18/243 , G06N3/0464 , G06N3/044 , G06N3/045 , G06N3/084 , G06V10/80 , G06V10/764 , G06V10/82
Abstract: 本发明公开了一种基于多模态深度学习的环境识别方法及装置，方法包括：利用归一化方法从气象数据中提取定长维度的第一特征向量；从音频数据中提取声学场景声音序列的第二特征向量；从图像数据中提取包含2D特征的第三特征向量；气象数据、音频数据及图像数据为在同一时间对目标环境采集得到的数据；将第一特征向量、第二特征向量及第三特征向量输入包括卷积神经网络与循环神经网络的多模态深度模型，得到包括气象数据、音频数据及图像数据融合特征的融合特征向量；通过MKL多核分类器根据融合特征向量各个通道对应的权重确定目标环境的类别。本发明可以提高环境识别的准确性，可广泛应用于环境学习领域。
-
-
-
-
-
-
-
-
-
Search Results
47
records
(took 0.069 seconds)
