-
公开(公告)号：CN112766384A
公开(公告)日：2021-05-07
申请号：CN202110092792.X
申请日：2021-01-24
Applicant: 湖南大学
Abstract: 本发明公开了一种基于深度学习的藻类絮体去除率评估方法，本发明先获取混凝过程中藻絮体图像，将藻絮体图像和对应去除率建立数据标签，对藻类絮体图像进行预处理，将预处理后的图像制作成数据包，将数据集中的絮体图像根据数据标签分成不同的去除率类别。同时将数据包内的数据分为训练集，验证集和测试集；建立DenseNet卷积神经网络模型，将数据集输入至卷积神经网络中进行迁移学习，得到训练好的卷积神经网络模型，并用验证集进行验证，保证模型的准确性；使用训练好的模型对测试集藻絮体进行识别。本发明将深度学习算法应用于絮体图像识别中，能够优化传统自动混凝流程，同时对高藻水的去除率进行预测。
-
公开(公告)号：CN109928555A
公开(公告)日：2019-06-25
申请号：CN201910324666.5
申请日：2019-04-22
Applicant: 湖南大学
IPC: C02F9/06 , C02F101/30
Abstract: 本发明公开了一种多用途的电化学/纳滤循环水处理装置，包括电化学氧化单元和纳滤膜过滤单元，其还包括一电解液循环单元，待处理的污水与所述纳滤膜过滤单元出来的错流浓水一起进入所述电解液循环单元内与电解液混合后形成混合液，送入所述电化学氧化单元进行电化学氧化，经过电化学氧化后的污水送入所述纳滤膜过滤单元进行处理。本发明优点在于：本发明将纳滤错流浓水内循环利用，以达到减少二次污染和减少外源化学药品投加和降低能耗的目的；本发明通过电化学氧化单元和纳滤膜过滤单元，降解水中难降解有机物浓度和截留电化学氧化单元出水中电解液类物质，以达到减轻纳滤膜过滤单元处理有机物负荷电解液和深度处理电化学氧化单元出水的目的。
-
公开(公告)号：CN105688991A
公开(公告)日：2016-06-22
申请号：CN201610154749.0
申请日：2016-03-18
Applicant: 湖南大学
IPC: B01J31/04 , B01J31/02 , B01J31/28 , C02F1/72 , C02F101/30
CPC classification number: B01J31/04 , B01J31/0201 , B01J31/0209 , B01J31/28 , C02F1/722 , C02F1/725 , C02F2101/30
Abstract: 本发明公开了一种绿茶提取物-四氧化三铁复合催化剂及其应用，绿茶提取物-四氧化三铁复合催化剂由以下方法制备：将FeCl3·6H2O、乙酸钠和聚乙二醇溶于乙二醇后置于反应釜中，升温至195-205℃并保持8-72h，然后自然冷却至室温，得到黑色固体；将黑色固体分别用乙醇和超纯水清洗，真空干燥后即得到四氧化三铁粉末；按1:5-5:1的质量比分别称取四氧化三铁和绿茶提取物，置于超纯水中，超声0.5-2h，固液分离；将得到的固体真空干燥，即得到绿茶提取物-四氧化三铁复合催化剂；绿茶提取物为原儿茶酸、表没食子儿茶素没食子酸酯、表儿茶素中的至少一种。绿茶提取物具有较强还原性，可提高四氧化三铁的催化效率；复合催化剂绿色环保，分离方便，不会带来二次污染。
-
公开(公告)号：CN119001031B
公开(公告)日：2025-01-28
申请号：CN202411469292.3
申请日：2024-10-21
Applicant: 湖南大学
IPC: G01N33/00 , G06F18/10 , G06N3/042 , G06N3/0464 , G06N3/082 , G06N3/096 , G06F18/213 , G06F18/241 , G06F18/25 , G06F18/27
Abstract: 本发明公开了一种基于电子鼻拓扑指纹的水中嗅味特征识别方法及系统，涉及水中嗅味特征识别技术领域；该方法包括以下步骤：数据采集：利用电子鼻传感器阵列与嗅味物质发生反应产生相应的电信号响应，采集电信号数据；数据预处理；拓扑指纹构建：将预处理后的电信号数据转换为拓扑指纹，拓扑指纹中节点代表传感器，边表示传感器之间的相互关系和互动模式；图神经网络模型处理：将拓扑指纹数据输入到图神经网络模型中，图神经网络模型通过多层图卷积操作，逐层提取和融合节点及其邻居节点的特征，生成高层次的特征表示；基于图神经网络模型中特征表示进行嗅味物质的嗅味类别识别和嗅味阈值预测。本发明提高了对复杂气味和低浓度嗅味物质的检测能力。
-
公开(公告)号：CN119001031A
公开(公告)日：2024-11-22
申请号：CN202411469292.3
申请日：2024-10-21
Applicant: 湖南大学
IPC: G01N33/00 , G06F18/10 , G06N3/042 , G06N3/0464 , G06N3/082 , G06N3/096 , G06F18/213 , G06F18/241 , G06F18/25 , G06F18/27
Abstract: 本发明公开了一种基于电子鼻拓扑指纹的水中嗅味特征识别方法及系统，涉及水中嗅味特征识别技术领域；该方法包括以下步骤：数据采集：利用电子鼻传感器阵列与嗅味物质发生反应产生相应的电信号响应，采集电信号数据；数据预处理；拓扑指纹构建：将预处理后的电信号数据转换为拓扑指纹，拓扑指纹中节点代表传感器，边表示传感器之间的相互关系和互动模式；图神经网络模型处理：将拓扑指纹数据输入到图神经网络模型中，图神经网络模型通过多层图卷积操作，逐层提取和融合节点及其邻居节点的特征，生成高层次的特征表示；基于图神经网络模型中特征表示进行嗅味物质的嗅味类别识别和嗅味阈值预测。本发明提高了对复杂气味和低浓度嗅味物质的检测能力。
-
Patent Agency Ranking
公开(公告)号：CN117886432A
公开(公告)日：2024-04-16
申请号：CN202410290029.1
申请日：2024-03-14
Applicant: 湖南大学
Abstract: 本发明公开了基于云计算平台的开放式臭氧在线监测及智能投放系统，涉及水处理技术领域。本发明相较于市面上现有的臭氧投加方法，能够更加准确的确定臭氧投加浓度，提高了水质净化效率，节约了投加成本，解决了臭氧投加依赖人工经验的问题；本发明充分利用进水端信息结合机器学习模型进行提前预测，并根据出水端信息进行预测数据调整，能够大幅缩短臭氧投加量的调节时间；同时结合出水端数据结合机器学习模型进行臭氧投加量的调整预测，从而提供更高精度的臭氧投加控制，最大程度地提高水质净化效率。同时基于远程控制的方式实现臭氧投加量的自动化投加，无需操作员手动干预。可以提高系统的稳定性和一致性，减少人为误差和操作员技能水平的影响。
-
公开(公告)号：CN116754622B
公开(公告)日：2023-10-27
申请号：CN202311013421.3
申请日：2023-08-14
Applicant: 湖南大学
Abstract: 本发明公开了一种检测水中2‑甲基异莰醇的方法，首先采用二茂铁二甲酸和二茂铁甲酸为配体，铜离子为金属位点合成二维MOFs，二维MOFs与边缘烯基化MXene复合得烯基化MXene@缺陷片状CuFc‑MOFs；然后将分子印迹聚合物选择性的聚合在烯基化MXene的边缘得烯基化MXene@缺陷片状CuFc‑MOFs/MIP；再通过滴涂法制备烯基化MXene@缺陷片状CuFc‑MOFs/MIP修饰电极；将该修饰电极置于含有氯化钾和铁氰化钾的磷酸盐缓冲液中，采用差分脉冲伏安法可实现水中2‑MIB的电化学传感检测。本发明方法具有选择性高、线性检测范围宽、检出限低、抗干扰能力强、操作简单、高效快捷等特点。
-
公开(公告)号：CN116754622A
公开(公告)日：2023-09-15
申请号：CN202311013421.3
申请日：2023-08-14
Applicant: 湖南大学
Abstract: 本发明公开了一种检测水中2‑甲基异莰醇的方法，首先采用二茂铁二甲酸和二茂铁甲酸为配体，铜离子为金属位点合成二维MOFs，二维MOFs与边缘烯基化MXene复合得烯基化MXene@缺陷片状CuFc‑MOFs；然后将分子印迹聚合物选择性的聚合在烯基化MXene的边缘得烯基化MXene@缺陷片状CuFc‑MOFs/MIP；再通过滴涂法制备烯基化MXene@缺陷片状CuFc‑MOFs/MIP修饰电极；将该修饰电极置于含有氯化钾和铁氰化钾的磷酸盐缓冲液中，采用差分脉冲伏安法可实现水中2‑MIB的电化学传感检测。本发明方法具有选择性高、线性检测范围宽、检出限低、抗干扰能力强、操作简单、高效快捷等特点。
-
公开(公告)号：CN115925076A
公开(公告)日：2023-04-07
申请号：CN202310218318.6
申请日：2023-03-09
Applicant: 湖南大学
IPC: C02F1/52 , C02F1/00 , G06T7/00 , G06N3/0464 , G06N3/096 , G06V10/764 , G06V10/82 , G06F30/20
Abstract: 本发明公开了一种基于机器视觉与深度学习的混凝自动投药方法与系统，属于水处理领域；方法包括：采集高藻水图像数据；采用卷积神经网络分别构建藻类分类模型和藻浓度预测模型；采集不同混凝条件下的絮体图像，且得到最佳投放量；结合藻类分类模型、藻浓度预测模型与混凝实验结果，构建混凝剂最佳投量预测模型；将不同混凝条件下的絮体图像的投放量与最佳投放量的差值作为样本标签；采用迁移学习的方式利用数据集进行训练，构建混凝剂调整量预测模型；本发明基于卷积神经网络和图像识别技术分析高藻水图像，判断原水中藻类类别及藻类浓度，预测混凝剂初次投加量，通过识别混凝后絮体图像进一步优化混凝剂投加量，实现混凝剂智能投放。
-
公开(公告)号：CN115795367A
公开(公告)日：2023-03-14
申请号：CN202310043219.9
申请日：2023-01-29
Applicant: 湖南大学
IPC: G06F18/241 , G06N20/00 , G06Q50/26
Abstract: 本发明公开了基于机器学习的藻华爆发预测方法及应用，属于环境治理技术领域；本发明将常见水质指标作为机器学习模型的输入特征，大大降低数据收集难度和成本；使用人工少数类过采样算法，解决了数据类别不均衡的问题，提高水华爆发等级预测的准确性。除此之外，本发明基于训练完的机器学习模型开发了一个名为AoH的新型免费预警软件，以帮助实现湖泊水华爆发预警，该软件操作简单，使用方便。
-
-
-
-
-
-
-
-
-
Search Results
51
records
(took 0.018 seconds)
