用于测量胎面沟槽的深度的设备、方法和计算机可读存储介质

    公开(公告)号:CN117739851A

    公开(公告)日:2024-03-22

    申请号:CN202310066949.0

    申请日:2023-02-06

    IPC分类号: G01B11/22

    摘要: 本发明涉及用于测量胎面沟槽的深度的设备、方法和计算机可读存储介质。所述用于测量胎面沟槽的深度的设备可以包括:摄像模块、控制模块以及转换模块,所述摄像模块在围绕具有多个胎面沟槽的轮胎的上端部旋转的同时,拍摄包括轮胎的上端部的视频,所述视频包括多个帧;所述控制模块基于多个帧,通过将多个胎面沟槽的每个胎面沟槽的以像素为单位的宽度、内部块的以像素为单位的宽度和外部块的以像素为单位的宽度相加来获得轮胎的以像素为单位的截面宽度,所述内部块和外部块布置于轮胎;所述转换模块将胎面沟槽的以像素为单位的深度转换为以物理单位为单位的深度。

    新型TLR4拮抗剂
    5.
    发明公开

    公开(公告)号:CN107922460A

    公开(公告)日:2018-04-17

    申请号:CN201580080526.8

    申请日:2015-07-31

    IPC分类号: C07K7/08 C07K14/47

    摘要: 本发明涉及用于抑制TLR4信号传递途径的肽、包含上述肽的TLR4拮抗剂、自身免疫疾病及炎症性疾病的预防或治疗用组合物。更详细地涉及与TLR4/MD2复合物相结合来抑制白细胞介素-6(IL-6)、NO及ROS的分泌和NFκB和MAPKs的激活的肽、包含上述肽的TLR4拮抗剂、自身免疫疾病及炎症性疾病的预防或治疗用组合物。本发明的肽通过抑制由脂多糖(LPS)诱导的TLR4信号传递途径,来抑制白细胞介素-6(IL-6)、NO及ROS的分泌和NFκB和MAPKs的激活的效果优秀,能够作为由TLR4信号传递途径发生的自身免疫疾病及炎症性疾病的预防或治疗用组合物被有效地利用。

    用于在通信系统中中继多个链路的装置和方法

    公开(公告)号:CN102405682A

    公开(公告)日:2012-04-04

    申请号:CN201080016216.7

    申请日:2010-02-02

    发明人: 吴成根 李敏

    IPC分类号: H04W88/04

    摘要: 本发明涉及用于在通信系统中使用多个回程链路在多个通信站之间传输和接收控制数据和用户数据的装置和方法,其中多链路中继站(MLRS)生成用于多个通信站之间的数据传输/接收的多个回程链路,并且使用所生成的多个回程链路为移动站提供多宿主服务。MLRS还可使用所述多个回程链路来支持移动站的切换。多个回程链路的使用有助于控制数据和/或用户数据在多个基站或多个中继站之间的高效传输/接收。

    基于KRINGLE域结构的蛋白质骨架库及其应用

    公开(公告)号:CN102149858A

    公开(公告)日:2011-08-10

    申请号:CN200980131306.8

    申请日:2009-08-07

    IPC分类号: C40B40/10

    CPC分类号: C12N15/1044 C40B40/10

    摘要: 本发明提供了Kringle域结构,包括:除对保持Kringle域的骨架构造重要的保守氨基酸残基,在氨基酸残基上诱导人工突变;基于Kringle域结构的蛋白质骨架变体,通过特异性结合靶分子,调节来源于Kringle域库的蛋白质骨架靶分子的生物活性。本发明而且还提供了构建同源/异源低聚物的方法,其用连接子通过Kringle域变体单体的串联装配,提供多特异性结合与多个靶。另外,本发明提供通过将Kringle域变体的靶结合环嫁接入另一个具有相同或不同靶结合特异性的Kringle域变体的其它非结合环而制备多特异性单体和多价单体的方法。此外,基于Kringle域结构的蛋白质骨架变体特异性结合靶分子,DNA编码蛋白质骨架变体,或用于预防、检测、诊断、治疗或缓解疾病或紊乱,特别是癌症以及其它免疫相关疾病的方法和组合物,包括:给动物更优选给人类施用有效量的相关分子。

    用于对象检测的卷积神经网络
    9.
    发明公开

    公开(公告)号:CN111062402A

    公开(公告)日:2020-04-24

    申请号:CN201910981966.0

    申请日:2019-10-16

    摘要: 公开了一种用于对象检测的卷积神经网络。公开了一种包括程序代码的计算机可读介质,所述程序代码在由处理电路系统执行时使得处理电路系统从输入图像中生成特征图,从特征图中提取出感兴趣区域,并基于感兴趣区域生成预测掩膜。处理电路系统可使用预测掩膜和真掩膜来学习卷积神经网络系统。真掩膜包括与真边界对应的第一像素以及对应于与真边界相邻的伪边界的第二像素。