-
公开(公告)号：CN101950185A
公开(公告)日：2011-01-19
申请号：CN201010248471.6
申请日：2010-08-09
Applicant: 江南大学
IPC: G05D23/19
Abstract: 本发明公开了一种黄酒前发酵过程温度控制系统，该系统由黄酒前发酵过程的温度控制决策支持系统与冷却水控制装置组成，属于智能化、网络化轻工过程控制领域。其中，温度控制决策支持系统含有数据库、数据库管理系统、推理机和人机交互界面，可根据黄酒品种、环境条件以及前发酵各阶段主要参数的变化推理出最佳温度控制方案；冷却水控制装置含有工控机、PLC、电磁先导阀、气动阀和手动阀，执行决策支持系统提供的温度控制方案。本发明为黄酒发酵过程的全自动化控制奠定了基础，具有广阔的应用前景。
-
公开(公告)号：CN120026070A
公开(公告)日：2025-05-23
申请号：CN202510067460.4
申请日：2025-01-16
Applicant: 江南大学
Abstract: 本发明涉及一种双菌耦合发酵生产6’‑岩藻糖基化几丁二糖GlcNAcβ1‑4(Fucα1‑6)GlcNAc的方法，属于发酵工程技术领域。本发明在发酵体系中以岩藻糖和N‑乙酰‑D‑氨基葡萄糖为底物，通过工程大肠杆菌菌株和酵母耦合发酵生产6’‑岩藻糖基化几丁二糖，在工程大肠杆菌中构建了包括N‑乙酰己糖胺1‑激酶nahK、岩藻糖基转移酶nodZ、L‑岩藻糖激酶Fkp和N,N‑二乙酰壳聚糖磷酸化酶Chbp在内的GlcNAcβ1‑4(Fucα1‑6)GlcNAc合成通路，添加酵母用于实现GMP到GTP的循环再生，不仅有效解决了单纯靠外源补充GTP造成寡糖生产成本高昂问题，而且实现了GlcNAcβ1‑4(Fucα1‑6)GlcNAc的高效生产，优化的耦合发酵生产技术将GlcNAcβ1‑4(Fucα1‑6)GlcNAc产量提升至25.50g/L。本发明提供了复杂型N聚糖的合成新技术，具有广阔的应用前景。
-
公开(公告)号：CN118931810A
公开(公告)日：2024-11-12
申请号：CN202410461109.9
申请日：2024-04-17
Applicant: 江南大学
Abstract: 本发明公开了一种生产乳糖‑N‑四糖的大肠杆菌及基于其的双菌耦合发酵方法。本发明首先在大肠杆菌中构建了LNT生物合成途径；然后对双质粒系统进行组合优化，构建了四株工程菌，并筛选出EP3菌株(含有galT1‑SP ase和galE‑Cvβ3GalT表达框)与酵母耦合发酵产LNT能力最优，可产生25.2g/L LNT，其摩尔转化率(mol/mol LNT II)为71.22％。接着对生产体系进行优化，比较UTP和UMP作为辅因子对LNT合成的影响，在仅添加20mM UMP作为辅因子时，即可生成29.4g/L LNT，其摩尔转化率(mol/mo l LNT II)为83.09％。最后补料分批培养EP3菌株，经全细胞催化后产生39.6g LNT。本发明为高效廉价生产LNT提供了一种新的策略。
-
公开(公告)号：CN118710916A
公开(公告)日：2024-09-27
申请号：CN202410720061.9
申请日：2024-06-05
Applicant: 江南大学
IPC: G06V10/40 , G06V10/764 , G06V10/774 , G06V10/778
Abstract: 本发明属于图像处理技术领域，涉及一种基于知识蒸馏的图像特征提取方法及装置；将多个图像样本输入教师模型，得到每个图像样本的第一特征向量；将多个图像样本输入学生模型，得到每个图像样本的第二特征向量；将多个第一特征向量中排序相同的特征值组合，得到m个第一组合向量；将多个第二特征向量中排序相同的特征值组合，得到m个第二组合向量；基于多个图像样本的目标类知识蒸馏损失函数得到第一损失函数，基于多个图像样本的皮尔逊相关系数损失函数得到第二损失函数，基于m个组合向量的皮尔逊相关系数损失函数得到第三损失函数，从而得到图像特征损失函数对学生模型进行训练，直到图像特征提取损失函数最小，得到训练好的学生模型。
-
公开(公告)号：CN118587091A
公开(公告)日：2024-09-03
申请号：CN202410733392.6
申请日：2024-06-07
Applicant: 江南大学
IPC: G06T3/4053 , G06T3/4046 , G06T7/90 , G06V10/44 , G06V10/82 , G06V10/80 , G06N3/0455 , G06N3/0464 , G06N3/084 , G06N3/096
Abstract: 本发明涉及图像处理领域，尤其是指一种基于多任务学习的图像联合处理方法及系统，该方法包括：构建图像联合处理模型；其中，所述图像联合处理模型包括浅层特征提取模块、深层特征提取模块、超分重建模块和半色调重建模块；设计联合损失函数对所述图像联合处理模型进行训练，得到训练后的图像联合处理模型；所述训练后的图像联合处理模型通过所述超分重建模块生成超分辨率图像，通过所述半色调重建模块生成半色调图像。本发明通过共享模型的方式进行联合建模，在损失函数中，设计了一种联合损失方式，分别添加了图像半色调损失和图像超分损失，同时优化图像超分和图像半色调的效果，也解决了现有多任务模型的计算复杂度高、处理速度慢的问题。
-
Patent Agency Ranking
公开(公告)号：CN112465929B
公开(公告)日：2024-02-02
申请号：CN202011493010.5
申请日：2020-12-17
Applicant: 江南大学
IPC: G06T11/20 , G06F40/211 , G06F40/289 , G06N3/0464 , G06N3/0442
Abstract: 一种基于改进图卷积网络的图像生成方法，该方法包括：一，建立输入层，利用预训练好的词向量将句子中的单词映射成一个低维、连续的词向量；二，建立Bi‑LSTM层，通过该层混合语义信息；三，构建目标向量的隐层表示，首先先通过GCN层，在句法上，来混合目标与句子中其他词的信息，再使用注意力机制来计算与目标相关的上下文表示；四，构建MDGCN层，根据依存句法树构建句子的多目标依存图，再根据多目标依存图使用图卷积网络对同一句子的多个目标进行建模；五，建立输出层，用一个全连接层转换维度，再通过softmax函数将其转换为概率表示；六，模型训练，使用交叉熵误差函数和L2权重衰退共同作为损失函数。
-
公开(公告)号：CN116452599A
公开(公告)日：2023-07-18
申请号：CN202310396263.8
申请日：2023-04-13
Applicant: 江南大学
IPC: G06T7/10 , G06T5/50 , G06N3/0464 , G06N3/08
Abstract: 本发明涉及一种基于轮廓的图像实例分割方法及系统，方法包括将目标图像输入至轻量级特征提取网络中，得到图像中目标实例的下采样特征图、中心点和轮廓顶点相对中心点的偏移量；根据中心点和轮廓顶点相对中心点的偏移量，计算得到初始轮廓；对目标实例的下采样特征图和初始轮廓进行全局特征融合，得到粗糙轮廓；对粗糙轮廓进行第一次轮廓变形，得到初步的实例轮廓，并将初步的实例轮廓进行第二次轮廓变形，得到最终的实例轮廓。本发明其摒弃了传统手工设计初始轮廓的方法，而基于网络学习更接近真值的初始轮廓，在保持算法分割精度的同时，具有较小的参数量和计算量，且具有较快的推理速度，能够应用于使用边缘平台进行现实场景中的实例分割任务。
-
公开(公告)号：CN114564157A
公开(公告)日：2022-05-31
申请号：CN202210264860.0
申请日：2022-03-17
Applicant: 江南大学
Abstract: 本发明涉及电子信息技术领域，特别涉及一种数字喷墨打印机用SOC架构，SOC架构包括主处理器、位协处理器、加速引擎、文件存储器和随机存储器，主处理器分别与位协处理器和加速引擎通信连接，主处理器分别与文件存储器和随机存储器通信连接，主处理器用于接收上位机数据进行渲染处理并下发，位协处理器用于控制打印机的喷头，位协处理器与喷头连接，加速引擎包括分色模块和缩放模块，加速引擎用于运算渲染工作的核心算法，核心算法包括分色算法和缩放算法。本发明设计一种领域专用的SOC架构来替代现有数字喷墨打印机中上位机、主控模块、喷头控制模块的方式，把系统间的通信改进为芯片内的通信，确保了高速打印时数据传输的实时性。
-
公开(公告)号：CN110334373A
公开(公告)日：2019-10-15
申请号：CN201910333233.6
申请日：2019-04-24
Applicant: 江南大学
IPC: G06F17/50
Abstract: 本发明提供一种基于机理模型和模糊加权LSSVM的发酵建模与优化方法。本发明的思路是添加模糊加权思想和使用混合核函数对LSSVM算法进行优化，并用优化的LSSVM解农杆菌ATCC31749发酵过程动力学模型，结合鸟群算法对动力学模型参数进行辨识；然后总结出溶氧浓度和各参数之间的关联函数并代入动力学模型，建立以溶氧浓度为关键控制变量的发酵动力学模型；最后，用鸟群算法对模型进行寻优，寻找使得发酵产物浓度最大的最优溶氧过程控制策略。本发明的实验仿真结果表明，混合模型的预测精度得到提高，产多糖期溶氧浓度控制为52％时产物浓度最大，为48.85g/L。本发明所建立的农杆菌发酵过程混合模型，为发酵工业上进一步通过最佳溶氧控制策略提高多糖产量提供了方向。
-
公开(公告)号：CN106569982A
公开(公告)日：2017-04-19
申请号：CN201610543007.7
申请日：2016-07-11
Applicant: 江南大学
IPC: G06F17/18
CPC classification number: G06F17/18
Abstract: 本发明涉及一种带奇异点检测补偿的GPR在线软测量方法及系统，解决了软测量方法实际应用中查询样本可能出现奇异点影响预测结果这一问题。本发明所述的方法首先对训练样本利用高斯过程回归(GPR)方法进行建模，得到GPR软测量模型；然后对新来查询样本采用拉依达准则进行奇异点检测，当新来查询样本被确定为奇异值时，利用辅助模型对奇异值进行修补，然后再利用GPR软测量模型对修补后查询样本点进行预测；否则，直接使用GPR软测量模型对新来查询样本点进行预测。本发明用于最终实现对化工过程重要指标的在线估计，提升了工业系统在运行期间的稳定性。
-
-
-
-
-
-
-
-
-
Search Results
54
records
(took 0.028 seconds)
