|
搜索
搜 索
高等教育領(lǐng)域數(shù)字化綜合服務(wù)平臺(tái)
.jpg){kind=logo}
空間相機(jī)幾何與時(shí)相分辨率檢測(cè)方法及移動(dòng)檢測(cè)車
本發(fā)明涉及一種空間相機(jī)的幾何分辨率檢測(cè)方法,和一種空間相機(jī)時(shí)相分辨率檢測(cè)方法,以及一種可用于空間相機(jī)幾何和時(shí)相分辨率檢測(cè)的移動(dòng)檢測(cè)車。本發(fā)明改變常規(guī)的地面固定靶標(biāo)形式,將幾何分辨率靶標(biāo)與移動(dòng)車輛結(jié)合,形成移動(dòng)靶標(biāo),實(shí)現(xiàn)幾何分辨率檢測(cè)、不同時(shí)相移動(dòng)定標(biāo)功能,提高了光學(xué)相機(jī)任意方向幾何分辨率的測(cè)試精度。車艙內(nèi)可存放常規(guī)的地面固定靶標(biāo),可在應(yīng)急條件快速布設(shè),也可起到車體硬性靶標(biāo)與常規(guī)軟性靶標(biāo)互補(bǔ)的作用。
北京大學(xué)
2021-02-01
.jpg){kind=logo}
污染土電導(dǎo)率測(cè)量及電滲過程電學(xué)參數(shù)變化實(shí)時(shí)監(jiān)測(cè)裝置
本實(shí)用新型公開了一種污染土電導(dǎo)率測(cè)量及電滲過程電學(xué)參數(shù)變化實(shí)時(shí)監(jiān)測(cè)裝置，包括計(jì)算機(jī)、數(shù)據(jù)采集系統(tǒng)、有機(jī)玻璃圓筒、程控電源箱、TDR100測(cè)試儀、溫度檢測(cè)模塊、電壓檢測(cè)模塊、電流檢測(cè)模塊、LAQUA電導(dǎo)率測(cè)試儀、電子稱和過濾收集瓶；有機(jī)玻璃圓筒的中軸線上設(shè)置金屬管作為陰極，內(nèi)壁纏繞EKG土工布作為陽(yáng)極；金屬管側(cè)壁開有小孔，外層包裹土工布；電滲排水通過土工布進(jìn)入金屬管然后通過有機(jī)玻璃圓筒底部的排水孔經(jīng)排水導(dǎo)管進(jìn)入過濾收集瓶；三個(gè)溫度傳感器分別插入陰極土體、陽(yáng)極土體和陰極陽(yáng)極之間的土體中；本實(shí)用新型裝置由計(jì)算機(jī)來統(tǒng)一管理數(shù)據(jù)采集系統(tǒng)下的節(jié)點(diǎn)裝置的工作狀態(tài)，電導(dǎo)率測(cè)量更加準(zhǔn)確有效。
浙江大學(xué)
2021-04-13
.jpg){kind=logo}
基于非監(jiān)督特征學(xué)習(xí)的高分辨率遙感影像場(chǎng)景分類方法
一種基于非監(jiān)督特征學(xué)習(xí)的高分辨率遙感影像場(chǎng)景分類方法，包括對(duì)輸入的原始高分辨率遙感圖像 進(jìn)行劃分得到場(chǎng)景，從每個(gè)場(chǎng)景中隨機(jī)地提取若干個(gè)訓(xùn)練圖像塊，將訓(xùn)練圖像塊聚集起來做預(yù)處理操作; 計(jì)算所有訓(xùn)練圖像塊的低維流形表示，聚類得到一組聚類中心;對(duì)每一幅場(chǎng)景密集采樣得到局部圖像塊， 對(duì)每個(gè)局部圖像塊做預(yù)處理操作后映射到相同的低維流形空間中，然后進(jìn)行編碼獲得場(chǎng)景的所有局部特 征;將所有場(chǎng)景的局部特征集合起來進(jìn)行特征量化，統(tǒng)計(jì)每一幅場(chǎng)景的局部特征直方圖，得到場(chǎng)景的全 局特征表達(dá);隨機(jī)挑選若干幅場(chǎng)景作為訓(xùn)練樣本，由分類器得到每一幅場(chǎng)景的預(yù)測(cè)類別標(biāo)號(hào)，完成原始 高分辨率遙感場(chǎng)景的標(biāo)注任務(wù)。
武漢大學(xué)
2021-04-13
.jpg){kind=logo}
一種基于孔隙率的黏土掃描電鏡照片圖像分割方法
本發(fā)明提供一種基于孔隙率的黏土掃描電鏡照片圖像分割方法，包括步驟有：采用土力學(xué)常規(guī)實(shí)驗(yàn)方法測(cè)得黏土試樣的干密度，算出干密度的三分之二次冪；實(shí)驗(yàn)室制備黏土試樣的微結(jié)構(gòu)樣品；采用ZD-A3凍干儀將制作的樣品凍干并抽真空，真空度達(dá)到到10-6Pa時(shí)進(jìn)行掃描電鏡，觀察樣品的微結(jié)構(gòu)并獲得掃描照片；采用圖像分析軟件提取兩個(gè)閾值對(duì)應(yīng)的二值化數(shù)據(jù)；對(duì)比兩個(gè)閾值條件下抽取到顆粒體和孔隙率的參數(shù)特征，算出孔隙體面積比；當(dāng)孔隙體面積比等于干密度的三分之二次冪時(shí)，停止逼近，此時(shí)的閾值即為與所測(cè)干密度相對(duì)應(yīng)的圖像分割閾值。有
天津城建大學(xué)
2021-01-12
大學(xué).jpg){kind=logo}
區(qū)域大氣污染高分辨率排放清單關(guān)鍵技術(shù)與應(yīng)用
北京工業(yè)大學(xué)
2021-04-14
州大學(xué).jpg){kind=logo}
有機(jī)光電器件中的薄膜電導(dǎo)率提高機(jī)理技術(shù)研究
本成果通過有機(jī)光電器件中有機(jī)薄膜的缺陷態(tài)來揭示： 1. 有機(jī)半導(dǎo)體薄膜中的缺陷起源； 2. 界面能級(jí)排布或者出現(xiàn)的界面能級(jí)釘扎的機(jī)理； 3. 缺陷態(tài)的存在對(duì)器件中載流子傳輸?shù)挠绊懀?4. 使用有效的有機(jī)、無機(jī)材料摻雜來極大的提高有機(jī)半導(dǎo)體薄膜的電導(dǎo)率。從而獲得以有效、簡(jiǎn)單的使用方法來提高有機(jī)光電器件的性能。
揚(yáng)州大學(xué)
2021-04-14
.jpg){kind=logo}
一種基于光譜分辨率校正提高光信噪比測(cè)量精度的方法
本發(fā)明公開了一種基于光譜分辨率校正提高光信噪比測(cè)量精度 的方法，通過測(cè)量一定帶寬內(nèi)寬光譜信號(hào)的實(shí)際功率，以及采用光譜 分析儀測(cè)量該寬光譜信號(hào)在該帶寬內(nèi)的采樣點(diǎn)的功率之和，獲取光譜 分析儀的校正分辨率；并用校正分辨率代替光譜分析儀的設(shè)置分辨率， 獲取光信噪比，提高其測(cè)量精度；本發(fā)明提供的這種基于光譜分辨率 校正提高光信噪比測(cè)量精度的方法能有效地解決光譜分析儀的設(shè)置分 辨率與實(shí)際分辨率不同導(dǎo)致光信噪比測(cè)量誤差較大的問題；本發(fā)明提 供的方法適用于所有光譜分析儀分辨率的校正，也適用于所有基于光 譜分析的光信
華中科技大學(xué)
2021-04-14
一種基于光譜分辨率校正提高光信噪比測(cè)量精度的方法
本發(fā)明公開了一種基于光譜分辨率校正提高光信噪比測(cè)量精度 的方法，通過測(cè)量一定帶寬內(nèi)寬光譜信號(hào)的實(shí)際功率，以及采用光譜 分析儀測(cè)量該寬光譜信號(hào)在該帶寬內(nèi)的采樣點(diǎn)的功率之和，獲取光譜 分析儀的校正分辨率；并用校正分辨率代替光譜分析儀的設(shè)置分辨率， 獲取光信噪比，提高其測(cè)量精度；本發(fā)明提供的這種基于光譜分辨率 校正提高光信噪比測(cè)量精度的方法能有效地解決光譜分析儀的設(shè)置分 辨率與實(shí)際分辨率不同導(dǎo)致光信噪比測(cè)量誤差較大的問題；
華中科技大學(xué)
2021-04-14
大學(xué).jpg){kind=logo}
干熄焦系統(tǒng)焦炭燒損率自動(dòng)檢測(cè)與控制系統(tǒng)
成果簡(jiǎn)介干熄焦技術(shù)因具有可回收 83%的紅焦顯熱用于蒸汽發(fā)電、 提高焦炭質(zhì)量、 節(jié)約水資源等優(yōu)點(diǎn)而被廣泛應(yīng)用于煉焦企業(yè)。 但我國(guó)干熄焦的控制參數(shù)大多是參照國(guó)外上世紀(jì)六七十年代的干熄焦操作經(jīng)驗(yàn)進(jìn)行工藝參數(shù)設(shè)定， 沒有考慮到目前的技術(shù)進(jìn)步和我國(guó)的行業(yè)政策要求， 尤其是在焦炭燒損率和產(chǎn)汽率的最佳運(yùn)行控制以及相應(yīng)的運(yùn)行參數(shù)優(yōu)化方面缺少研究， 導(dǎo)致我國(guó)干熄焦系統(tǒng)在運(yùn)行過程中的焦炭燒損率偏高（據(jù)中國(guó)煉焦行業(yè)協(xié)會(huì) 2008 年底在浙江寧波的全國(guó)干熄焦會(huì)議上指出我國(guó)干熄焦的平均燒損率為 2.5%～3.
安徽工業(yè)大學(xué)
2021-04-14
基于快速二值編碼的高分辨率遙感影像場(chǎng)景分類方法
本發(fā)明提供了一種基于快速二值編碼的高分辨率遙感影像場(chǎng)景分類方法，包括步驟:步驟 1，劃分 待分類遙感影像獲得場(chǎng)景單元;步驟 2，從場(chǎng)景單元中提取尺寸相同的圖像塊作為局部圖像塊訓(xùn)練樣本; 步驟 3，采用非監(jiān)督學(xué)習(xí)法學(xué)習(xí)局部圖像塊訓(xùn)練樣本獲得濾波器組;步驟 4，將場(chǎng)景單元與濾波器組中 各濾波器分別做卷積獲得各場(chǎng)景單元的幅濾波器響應(yīng)圖，采用二值編碼法分別融合各場(chǎng)景單元的幅濾波 器響應(yīng)圖獲得各場(chǎng)景單元的全局特征描述;步驟 5，基于場(chǎng)景單元的全局特征描述進(jìn)行場(chǎng)景單元分類。 本發(fā)明在保證場(chǎng)景分類精度的前提下，大大降低了非監(jiān)學(xué)習(xí)法的計(jì)算代價(jià)。
武漢大學(xué)
2021-04-13