一种制备氧化钨半导体气敏材料的方法及其传感器

    公开(公告)号:CN117800397A

    公开(公告)日:2024-04-02

    申请号:CN202311872452.4

    申请日:2023-12-29

    IPC分类号: C01G41/02 G01N27/12

    摘要: 本发明提供了一种制备氧化钨半导体气敏材料的方法及其传感器,属于传感器领域,先将钨的前驱体溶解在溶剂中,得到清澈透明的溶液,再向清澈透明的溶液中加入增敏材料前驱体,获得均匀的混合溶液,将混合溶液置于反应器中,然后离心分离获得固体反应物,将固体反应物清洗后烘干,接着,将金属纳米颗粒溶解在去离子水中,将单原子金属增敏处理的氧化钨半导体气敏材料加入其中反应,采用离心分离收集产物,将产物清洗后干燥,获得单原子和金属纳米颗粒两者同时增敏处理的双功能位点氧化钨半导体气敏材料。本发明还提供制备如上气敏材料的方法以及气体传感器。本发明能解决现有的氧化物半导体气体传感响应迟缓、相应弱以及稳定性不足的问题。

    一种光谱反射率检测方法及系统
    4.
    发明公开

    公开(公告)号:CN113358224A

    公开(公告)日:2021-09-07

    申请号:CN202110660535.1

    申请日:2021-06-15

    IPC分类号: G01J3/42 G01N21/25

    摘要: 本申请提供一种光谱反射率检测方法及系统,该光谱反射率检测系统包括环境光感知模块、目标光谱采集模块和数据处理模块。环境光感知模块采集目标检测时刻的检测环境光光谱,将检测环境光光谱发送给数据处理模块;目标光谱采集模块采集目标检测时刻的检测目标光谱,将检测目标光谱发送给数据处理模块;数据处理模块确定同一目标波长对应的检测环境光光谱和检测目标光谱,基于该检测环境光光谱和已确定的映射参数确定检测参考光谱,该检测参考光谱是第二环境光的光谱;基于该检测目标光谱和该检测参考光谱确定待测物体的光谱反射率;映射参数表示参考光谱与环境光光谱的映射关系。通过本申请的技术方案,能够准确计算待测物体的光谱反射率。

    一种适用于复杂监控场景的行人属性识别方法

    公开(公告)号:CN117115851A

    公开(公告)日:2023-11-24

    申请号:CN202310608449.5

    申请日:2023-05-27

    摘要: 一种在监控场景下,基于去除深度模型在推理过程中学习到的冗余属性间共现偏置,以实现在变化场景下更好泛化性能的行人属性识别方法。包括:一种新的属性信息解耦特征的生成方式。在模型对某一属性的识别和推理过程中,利用特征的线性插值与标签的线性插值匹配这一先前研究中的实验观察,通过最小化该属性的特化特征与其他属性预测概率间的互信息,以减少对于其他属性信息的利用,在显著降低训练时间的前提下实现了更好的准确率;一种新的特征插值方法。本发明提出了方向‑范数分离的特征插值方法,该方法相比于原始的插值过程,可以更好地发掘与探索属性特征的分布域,进而提高了模型的最终效果;使用卷积神经网络,按照以上算法框架,以特定训练参数配置对模型进行训练,得到行人属性识别模型。本方法可以实现在发生时空变化的监控场景中更加精确和稳定的行人属性识别结果。

    一种光谱反射率检测方法及系统

    公开(公告)号:CN113358224B

    公开(公告)日:2023-09-26

    申请号:CN202110660535.1

    申请日:2021-06-15

    IPC分类号: G01J3/42 G01N21/25

    摘要: 本申请提供一种光谱反射率检测方法及系统,该光谱反射率检测系统包括环境光感知模块、目标光谱采集模块和数据处理模块。环境光感知模块采集目标检测时刻的检测环境光光谱,将检测环境光光谱发送给数据处理模块;目标光谱采集模块采集目标检测时刻的检测目标光谱,将检测目标光谱发送给数据处理模块;数据处理模块确定同一目标波长对应的检测环境光光谱和检测目标光谱,基于该检测环境光光谱和已确定的映射参数确定检测参考光谱,该检测参考光谱是第二环境光的光谱;基于该检测目标光谱和该检测参考光谱确定待测物体的光谱反射率;映射参数表示参考光谱与环境光光谱的映射关系。通过本申请的技术方案,能够准确计算待测物体的光谱反射率。

    一种卷积神经网络的压缩方法、装置及电子设备

    公开(公告)号:CN112308197A

    公开(公告)日:2021-02-02

    申请号:CN201910680935.1

    申请日:2019-07-26

    IPC分类号: G06N3/04 G06N3/063 G06N3/08

    摘要: 本发明实施例提供了一种卷积神经网络的压缩方法、装置及电子设备。针对每一卷积层,该方法包括:将该卷积层的权值张量变形为第一二维矩阵;确定第一二维矩阵的多个第一奇异值分解项;按照第一选取规则,从多个第一奇异值分解项中,选取至少一个第一奇异值分解项;利用各个第一奇异值分解项,对第一二维矩阵进行近似分解,得到第一分解矩阵和第二分解矩阵;将第一分解矩阵和第二分解矩阵分别变形为第一子权值张量和第二子权值张量,作为压缩后的权值张量;在得到目标卷积神经网络每一层卷积层压缩后的权值张量后,得到被压缩的目标卷积神经网络。与现有技术相比,应用本发明实施例提供的方案,可以降低关于压缩前后的卷积神经网络间的精准度差异。