-
公开(公告)号：CN112597345B
公开(公告)日：2023-05-12
申请号：CN202011191114.0
申请日：2020-10-30
申请人： 深圳市检验检疫科学研究院 , 深圳海关信息中心 , 深圳海关动植物检验检疫技术中心
IPC分类号： G06F16/901 , G06F16/903
摘要： 本申请提供了一种实验室数据自动采集与匹配方法，包括：获取实验数据的创建时间，并依据所述创建时间确定对应于目标时间的目标实验数据；将所述目标实验数据进行数据块分割；依据所述数据块生成数据块索引表；其中，所述数据块索引表包括数据块标识；依据所述数据块索引表从预设匹配方式中确定目标匹配方式；当调用存储节点中的所述目标实验数据时，获取所述数据块标识，并依据所述目标匹配方式调取所述目标实验数据中对应于所述数据块标识的数据内容。具有高适应性，能运用于绝大多数的检测设备中，大量减少字符串匹配次数，降低算法计算复杂度。在降低内存占用量的同时提高了字符串匹配速度，有着更佳的性能。
-
公开(公告)号：CN112774561B
公开(公告)日：2023-02-24
申请号：CN202011483174.X
申请日：2020-12-15
申请人： 深圳市检验检疫科学研究院 , 深圳海关食品检验检疫技术中心
IPC分类号： B01F35/71 , B01F35/222 , B01F35/213 , B01F101/23
摘要： 本发明公开了一种检验用自动注液装置，包括：底座，底座内设储液容器；设置在底座上的开袋机构、设置在底座上的注液机构、主控制器、电源机构，开袋机构包括开袋件、设于开袋件上的电磁体、开袋驱动件、导向件以及设于均质袋两侧壁上的磁性件，均质袋夹设于两个开袋件之间，电磁体用于吸引均质袋上的磁性件，开袋件与导向件配合，沿导向件移动；注液机构在注液驱动件的带动下将注液口移动至与已开袋的均质袋袋口对应设置，通过注液泵向均质袋内注液。本发明从开袋到注液、封袋实现自动化，避免人工参与，改善开袋不便的问题，同时提高工作效率，使试验的准确性显著提高本发明亦可用于条件不具备的现场或实验室进行样品前处理工作。
-
公开(公告)号：CN112465054A
公开(公告)日：2021-03-09
申请号：CN202011418905.2
申请日：2020-12-07
申请人： 深圳市检验检疫科学研究院 , 合肥工业大学 , 深圳海关信息中心 , 深圳海关动植物检验检疫技术中心
摘要： 本申请提供了一种基于FCN的多变量时间序列数据分类方法，包括：确定多变量时间序列数据对应的多变量高斯模型参数；依据多变量高斯模型参数和多变量时间序列数据生成输入条件；利用人工智能模型的学习能力，建立输入条件与多变量时间序列数据的数据类别之间的对应关系；获取目标的当前多变量时间序列数据，并依据当前多变量时间序列数据确定对应的当前输入条件；通过对应关系，确定与当前输入条件对应的当前数据类别。通过将多变量时间序列数据对应的多变量高斯模型参数作为输入条件，在保证了精度的同时，极大地提高了人工智能模型的训练速度，且数据集维度越高，提升越为显著。
-
公开(公告)号：CN111860642A
公开(公告)日：2020-10-30
申请号：CN202010698044.1
申请日：2020-07-20
申请人： 深圳市检验检疫科学研究院 , 深圳海关信息中心 , 深圳海关动植物检验检疫技术中心 , 全国海关信息中心(全国海关电子通关中心)
IPC分类号： G06K9/62
摘要： 本发明实施例提供了一种不均衡样本分类方法及装置，其中一种不均衡样本分类方法包括：获取不均衡样本数据，所述不均衡样本数据包括样本数据和特征数据；利用所述样本数据和所述特征数据计算出样本贡献率；根据所述样本贡献率筛选出预设样本贡献阈值内的样本数据，确定为目标样本数据；将所述目标样本数据输入至样本分类模型中利用优化分类算法计算得到样本分类结果。通过利用特征取值贡献率和特征贡献程度两个变量，来剔除分类贡献度低的特征和样本，有效降低不均衡样本数据的处理，在此基础上利用机器学习算法，采用有效的特征或样本来实现高效的分类，在保证分类质量的前提下，同时提高了分类的效率。
-
公开(公告)号：CN112465054B
公开(公告)日：2023-07-11
申请号：CN202011418905.2
申请日：2020-12-07
申请人： 深圳市检验检疫科学研究院 , 合肥工业大学 , 深圳海关信息中心 , 深圳海关动植物检验检疫技术中心
IPC分类号： G06F18/2415 , G06F18/213 , G06F18/214 , G06N3/0464 , G06N3/047 , G06N3/048 , G06N3/08 , G06F123/02
摘要： 本申请提供了一种基于FCN的多变量时间序列数据分类方法，包括：确定多变量时间序列数据对应的多变量高斯模型参数；依据多变量高斯模型参数和多变量时间序列数据生成输入条件；利用人工智能模型的学习能力，建立输入条件与多变量时间序列数据的数据类别之间的对应关系；获取目标的当前多变量时间序列数据，并依据当前多变量时间序列数据确定对应的当前输入条件；通过对应关系，确定与当前输入条件对应的当前数据类别。通过将多变量时间序列数据对应的多变量高斯模型参数作为输入条件，在保证了精度的同时，极大地提高了人工智能模型的训练速度，且数据集维度越高，提升越为显著。
-
公开(公告)号：CN111784248B
公开(公告)日：2023-04-07
申请号：CN202010622825.2
申请日：2020-07-01
申请人： 深圳市检验检疫科学研究院 , 深圳海关信息中心 , 深圳海关动植物检验检疫技术中心
IPC分类号： G06Q10/0833
摘要： 本申请提供了一种物流溯源方法，应用于查找物流单元对应的物流链网内各物流节点中的问题节点；所述方法包括：获取物流单元对应的物流链网的链网信息，并依据链网信息确定物流单元的目标分析域及置信节点；其中，链网信息包括物流节点信息；依据链网信息，目标分析域以及物流链网中各物流节点的时效性等级确定快速节点；依据链网信息，目标分析域以及置信节点确定物流单元对应的物流估测路径；依据快速节点和物流估测路径确定物流单元的问题节点。优先确定物流单元流经的快速节点，提高追溯效率；将置信节点作为多可选流转路径物流单元追溯判定依据，提高追溯可信度。
-
公开(公告)号：CN111126274A
公开(公告)日：2020-05-08
申请号：CN201911348895.7
申请日：2019-12-24
申请人： 深圳市检验检疫科学研究院
摘要： 本申请提供了一种入境目标人群的检测方法、装置、设备及介质，所述方法包括：利用人工神经网络的自学习能力，建立目标人群与监控图像中的人物特征之间的对应关系；获取当前监控图像中的当前人物特征；通过所述对应关系，确定与所述当前人物特征对应的当前目标人群；具体地，确定与所述人物特征对应的当前目标人群，包括：将所述对应关系中与所述当前人物特征相同的人物特征所对应的目标人群，确定为所述当前目标人群。更有效的区分出目标人群和非目标人群，降低了海关人员对特定人物或人群的识别难度，提高了工作效率。
-
公开(公告)号：CN106656509B
公开(公告)日：2019-11-29
申请号：CN201611240798.2
申请日：2016-12-29
申请人： 深圳市检验检疫科学研究院
摘要： 本发明公开了一种用于输港食品监控的RFID联盟链协同认证方法，基于区块链去中心化和个性化的特点，构建去中心化的输港食品RFID监控体系，使各个CIQ部门之间建立联盟链，并可以借助联盟链的技术优势构建输港食品RFID监控体系，这样的体系体现了公平、透明、诚信的特点，其服务内容将包括在线合约认定、法律法规登记、冲突解决等，建立在联盟链技术上的输港食品RFID监控体系会更加有据可查，便于责任的认定和问题的解决。
-
公开(公告)号：CN111784159B
公开(公告)日：2024-02-02
申请号：CN202010620361.1
申请日：2020-07-01
申请人： 深圳市检验检疫科学研究院 , 深圳海关信息中心 , 深圳海关动植物检验检疫技术中心
IPC分类号： G06Q10/0635 , G06Q30/018 , G06Q50/02 , G06N3/08
摘要： 果。本发明实施例提供了一种食品风险追溯信息分级方法及装置，利用人工智能模型的自学习能力，建立食品风险追溯信息分级的深度学习神经网络模型，对深度学习神经网络模型的权值和偏置进行初始化处理，得到原始深度学习神经网络模型；获取食品风险追溯信息样本，按照预设基础追溯信息因子格式进行信息划分，得到食品风险追溯信息因子；将食品风险追溯信息因子按照预设向量化方式转化成食品风险追溯信息向量；将食品风险追溯信息向量输入到原始深度学习神经网络模型中，得到当前食品风险追溯信息的原始分级向量；将原始分级向量输入到损失函(56)对比文件吴敏宁 等.BP神经网络在水产品安全风险预警中的应用《.网络新媒体技术》.2017,第6卷(第04期),60-64.Lu Wu 等.A CNN-RBPNN Model WithFeature Knowledge Embedding and itsApplication to Time-Varying SignalClassification《.IEEE Access》.2020,第8卷108503-108513.Jing Wang 等.An improved traceabilitysystem for food quality assurance andevaluation based on fuzzy classificationand neural network《.Food Control》.2017,第1-20页.Dejun Zhang 等.Combining convolutionNeural Network and bidirectional gatedrecurrent unit for sentence semanticclassification《.Journal of latex classfiles》.2015,第14卷(第08期),第1-10页.Jing Wang 等.An improved traceabilitysystem for food quality assurance andevaluation based on fuzzy classificationand neural network《.Food Control》.2017,第1-20页.
-
公开(公告)号：CN112597345A
公开(公告)日：2021-04-02
申请号：CN202011191114.0
申请日：2020-10-30
申请人： 深圳市检验检疫科学研究院 , 深圳海关信息中心 , 深圳海关动植物检验检疫技术中心
IPC分类号： G06F16/901 , G06F16/903
摘要： 本申请提供了一种实验室数据自动采集与匹配方法，包括：获取实验数据的创建时间，并依据所述创建时间确定对应于目标时间的目标实验数据；将所述目标实验数据进行数据块分割；依据所述数据块生成数据块索引表；其中，所述数据块索引表包括数据块标识；依据所述数据块索引表从预设匹配方式中确定目标匹配方式；当调用存储节点中的所述目标实验数据时，获取所述数据块标识，并依据所述目标匹配方式调取所述目标实验数据中对应于所述数据块标识的数据内容。具有高适应性，能运用于绝大多数的检测设备中，大量减少字符串匹配次数，降低算法计算复杂度。在降低内存占用量的同时提高了字符串匹配速度，有着更佳的性能。
-
-
-
-
-
-
-
-
-
搜索结果
30 条记录 (耗时 0.065 秒)
