公开(公告)号：CN218854860U

公开(公告)日：2023-04-14

申请号：CN202222997524.5

申请日：2022-11-10

申请人： 江苏鑫源烟草薄片有限公司 ,  南京林业大学

发明人： 吴锐 ,  倪超 ,  袁洋春 ,  吴旻 ,  朱婷婷 ,  马晓思 ,  崔闻琪 ,  周超

IPC分类号： B07B7/01 ,  B07B11/08

摘要： 本实用新型公开一种用于再造梗丝的风选除杂及自动除尘设备，包括进料口、输送器、风选装置、出料口和除尘装置，所述输送器的入口连接进料口，输送器的出口连接出料口，所述出料口连接风选装置，且所述风选装置与除尘装置连接，所述风选装置将再造梗丝中的轻杂质分离出，分选后的再造梗丝从出料口出料。本实用新型采用风选装置将再造梗丝中的轻质杂质吹出，且采用除尘装置，可使得在振动输送器震动过程中，梗丝与杂质存在的灰尘不会在管道中大量堆积，能始终保持管道的清洁性。

公开(公告)号：CN116778217A

公开(公告)日：2023-09-19

申请号：CN202310117786.4

申请日：2023-02-15

申请人： 南京林业大学

发明人： 倪超 ,  周超 ,  朱婷婷 ,  李振业 ,  吴旻

IPC分类号： G06V10/764 ,  G06V10/82

摘要： 本发明公开了一种基于增量式学习的高光谱的杆状物识别方法，属于高光谱成像与深度学习领域。根据高光谱图像与类别标签，先通过神经网络对各个类别进行计算，得出不同类别物质的置信水平和特征信息，计算出物质的特征中心，向训练好的神经网络模型中输入新的光谱数据，根据特征信息与各类物质的特征中心的距离，确定未知物质的类别是已知还是未知类别，最后通过增量式学习的方式更新物体的特征中心以及创建新的类别，提高网络对于未知杆状物的识别精度和训练效率。本发明将卷积神经网络的卷积层输出作为特征信息，将全连接层的输出作为置信水平，确定了物体的特征中心，为后续的识别和学习提供了标准，提高了基于深度学习的光谱图像识别的精度。