一种基于格氏栲凋落物浸提液对马尾松生长的抑制剂

    公开(公告)号:CN110558339B

    公开(公告)日:2021-04-27

    申请号:CN201910997578.1

    申请日:2019-10-21

    Abstract: 本发明公开了一种基于格氏栲凋落物浸提液对马尾松生长的抑制剂,属于植物保护技术领域。该抑制剂由格氏栲凋落物浸提液原液与蒸馏水按一定比例混合配置而成。其格氏栲凋落物浸提液原液的制备方法为:将格氏栲凋落物粉碎,然后按一定比例加入蒸馏水,浸泡一段时间,然后用干净纱布过滤,最后将滤液经真空泵抽滤,得到格氏栲凋落物浸提液原液。本发明的马尾松生长的抑制剂其原料简单易得,且无环境污染,制备方法简便快捷。该抑制剂对马尾松种子萌发具有显著的抑制作用。本发明的抑制剂从化感效应角度对格氏栲实施保护,对于珍稀树种群落的保护具有重要的指导意义。

    一种基于格氏栲凋落物浸提液对木荷生长的抑制剂

    公开(公告)号:CN110558338A

    公开(公告)日:2019-12-13

    申请号:CN201910997567.3

    申请日:2019-10-21

    Abstract: 本发明公开了一种基于格氏栲凋落物浸提液对木荷生长的抑制剂,属于植物保护技术领域。该抑制剂由格氏栲凋落物浸提液原液与蒸馏水按一定比例混合配置而成。其格氏栲凋落物浸提液原液的制备方法为:将格氏栲凋落物粉碎,然后按一定比例加入蒸馏水,浸泡一段时间,然后用干净纱布过滤,最后将滤液经真空泵抽滤,得到格氏栲凋落物浸提液原液。本发明木荷生长的抑制剂其原料简单易得,且无环境污染,制备方法简便快捷。该抑制剂对木荷种子萌发具有显著的抑制作用。本发明的抑制剂从化感效应角度对格氏栲实施保护,对于珍稀树种群落的保护具有重要的指导意义。

    一种基于增强现实技术的拍卖方法

    公开(公告)号:CN108564455A

    公开(公告)日:2018-09-21

    申请号:CN201810010814.1

    申请日:2018-01-05

    Abstract: 本发明提供一种基于增强现实技术的拍卖方法,其包括以下步骤:步骤S1:在移动终端上进行用户信息认证;步骤S2:调用终端的摄像头在现实背景下捕捉标识物,识别到标识物之后显示商品的模型;在显示出模型之后进行用户互动;通过在终端上的触摸屏对商品的模型进行缩放、旋转;步骤S3:模拟传统拍卖会进行拍卖的功能,用户在移动终端界面上进行拍卖显示,显示内容包括商品展示部分、拍卖历史部分和用户竞拍部分,商品展示部分包括商品详细信息,商品模型和用于用户放大查看商品的放大功能;拍卖历史部分包括拍卖的历史记录;用户竞拍部分包括计时器、提示文本和竞拍键。通过增强现实技术,提供更好的拍卖体验。

    一种基于虚拟现实技术的室内装修方法

    公开(公告)号:CN108089713A

    公开(公告)日:2018-05-29

    申请号:CN201810011381.1

    申请日:2018-01-05

    Abstract: 本发明的目的是提供一种基于虚拟现实技术的室内装修方法,其包括以下步骤:步骤S1:获取用户头部旋转信息和用户位置;步骤S2:识别身体数据,建立一操作手势库,所述操作手势库存储有手势及与手势对应的操作指令;步骤S3:用户在沉浸式设备中通过视角来选中物体,用户的每一个操作将被深度摄像机实时捕捉到;通过深度摄像机实时抓取用户双手位置座标,根据双手位置坐标更新模拟指针,以达到使用模拟指针替代双手功能的技术;步骤S4:在获取到用户双手位置座标数据之后,处理器用户手势是否为操作手势库中的手势,如果是则执行相应的操作。通过虚拟现实设备应用于室内设计,提供更好的人机交互体验,提供更人性化的设计操作,更好的交互体验。

    一种基于增强现实技术的拍卖方法

    公开(公告)号:CN108564455B

    公开(公告)日:2022-02-18

    申请号:CN201810010814.1

    申请日:2018-01-05

    Abstract: 本发明提供一种基于增强现实技术的拍卖方法,其包括以下步骤:步骤S1:在移动终端上进行用户信息认证;步骤S2:调用终端的摄像头在现实背景下捕捉标识物,识别到标识物之后显示商品的模型;在显示出模型之后进行用户互动;通过在终端上的触摸屏对商品的模型进行缩放、旋转;步骤S3:模拟传统拍卖会进行拍卖的功能,用户在移动终端界面上进行拍卖显示,显示内容包括商品展示部分、拍卖历史部分和用户竞拍部分,商品展示部分包括商品详细信息,商品模型和用于用户放大查看商品的放大功能;拍卖历史部分包括拍卖的历史记录;用户竞拍部分包括计时器、提示文本和竞拍键。通过增强现实技术,提供更好的拍卖体验。

    基于室外影像多时空融合的降水强度监测方法及系统

    公开(公告)号:CN113552656A

    公开(公告)日:2021-10-26

    申请号:CN202110843024.3

    申请日:2021-07-26

    Abstract: 本发明公开了基于室外影像多时空融合的降水强度监测方法及系统,方法包括:S01、通过室外摄像机按照预设时间间隔获取N个不同地点的降雨图片;S02、按预设时间间隔统计各地点在预设时间周期内所拍摄获取的降雨图片数量,对降雨图像进行归纳整理形成降雨图像集,且降雨图像集内关联有与其对应的降水强度信息及降雨量数值信息;S03、将各地点获取所得的降雨图像集进行汇集,建立降水数据库;S04、按照预设条件对降水数据库内的降雨图像数据进行特征挖掘和提取后,将其导入神经网络模型中进行训练,获得降水强度监测模型;S05、调取降水强度监测模型,将需监测区域的降雨图像导入其中,获得降水强度监测数据;本方案实施可靠、监测灵活且参考性佳。

    一种基于格氏栲凋落物浸提液对马尾松生长的抑制剂

    公开(公告)号:CN110558339A

    公开(公告)日:2019-12-13

    申请号:CN201910997578.1

    申请日:2019-10-21

    Abstract: 本发明公开了一种基于格氏栲凋落物浸提液对马尾松生长的抑制剂,属于植物保护技术领域。该抑制剂由格氏栲凋落物浸提液原液与蒸馏水按一定比例混合配置而成。其格氏栲凋落物浸提液原液的制备方法为:将格氏栲凋落物粉碎,然后按一定比例加入蒸馏水,浸泡一段时间,然后用干净纱布过滤,最后将滤液经真空泵抽滤,得到格氏栲凋落物浸提液原液。本发明的马尾松生长的抑制剂其原料简单易得,且无环境污染,制备方法简便快捷。该抑制剂对马尾松种子萌发具有显著的抑制作用。本发明的抑制剂从化感效应角度对格氏栲实施保护,对于珍稀树种群落的保护具有重要的指导意义。

    一种基于格氏栲凋落物浸提液对伴生种杉木生长的抑制剂

    公开(公告)号:CN109953043A

    公开(公告)日:2019-07-02

    申请号:CN201910349668.X

    申请日:2019-04-28

    Abstract: 本发明涉及一种基于格氏栲凋落物浸提液对伴生种杉木生长的抑制剂,将采集的格氏栲凋落枝、叶、皮、果壳粉碎研磨,加入适量蒸馏水,常温下浸泡48 h然后用干净纱布过滤,最后将滤液经真空泵过滤,得到枝、叶、皮、果四种1:5浓度浸提液并将1:5浸提液浓度定为原液,再将原液加蒸馏水稀释1倍,5倍,9倍,19倍,制成1:10、1:30、1:50、1:100四种不同浓度的浸提液。用不同浓度的浸提液处理杉木种子,结果表明,叶浸提液易取材,抑制作用较其他凋落物类型更明显,实验中发现1:5浓度的叶浸提液抑制作用最强,但能维持杉木正常的生命体征,是一种良好的种苗抑制剂且安全环保对环境无污染。

    基于室外影像多时空融合的降水强度监测方法及系统

    公开(公告)号:CN113552656B

    公开(公告)日:2022-05-24

    申请号:CN202110843024.3

    申请日:2021-07-26

    Abstract: 本发明公开了基于室外影像多时空融合的降水强度监测方法及系统,方法包括:S01、通过室外摄像机按照预设时间间隔获取N个不同地点的降雨图片;S02、按预设时间间隔统计各地点在预设时间周期内所拍摄获取的降雨图片数量,对降雨图像进行归纳整理形成降雨图像集,且降雨图像集内关联有与其对应的降水强度信息及降雨量数值信息;S03、将各地点获取所得的降雨图像集进行汇集,建立降水数据库;S04、按照预设条件对降水数据库内的降雨图像数据进行特征挖掘和提取后,将其导入神经网络模型中进行训练,获得降水强度监测模型;S05、调取降水强度监测模型,将需监测区域的降雨图像导入其中,获得降水强度监测数据;本方案实施可靠、监测灵活且参考性佳。

    一种基于对位叠加操作的鸟类识别方法、系统及存储介质

    公开(公告)号:CN114494879A

    公开(公告)日:2022-05-13

    申请号:CN202210109512.6

    申请日:2022-01-28

    Abstract: 本发明公开了一种基于对位叠加操作的鸟类识别方法、系统及存储介质,方法包括:S01、获取鸟类全局图像及鸟类局部部位图像;S02、将鸟类局部部位图像输入到基于DenseNet网络的局部特征提取分支,获取Dense Block(1)后的浅层局部特征和全局平均池化后的深层局部特征以及该局部分支的损失;S03、将鸟类全局图像输入到基于DenseNet网络的全局特征提取主分支,进行获取在Dense Block(1)后与局部特征提取分支同位置的特征,即局部图像,然后根据局部图像在鸟类全局图像上的位置坐标进行对位叠加,并在全局平均池化后与局部特征提取分支同位置的特征进行串联,以此进行鸟类识别并得到损失,将该损失与局部特征提取分支损失作为总损失用于模型训练时的网络更新,本方案实施可靠、识别效果佳。

Patent Agency Ranking