[发明专利]一种桦树茸超氧化物歧化酶提取装置及其工艺在审

专利信息
申请号: 202310017943.4 申请日: 2023-01-06
公开(公告)号: CN116024070A 公开(公告)日: 2023-04-28
发明(设计)人: 王国强 申请(专利权)人: 浙江桦树林生物科技有限公司
主分类号: C12M1/00 分类号: C12M1/00;C12M1/40;C12M1/42;C12M1/38;C12M1/36;C12N9/02;G06F17/15;G06N3/0464;G01D21/02
代理公司: 北京中仟知识产权代理事务所(普通合伙) 11825 代理人: 刘晨
地址: 311100 浙江省杭州市*** 国省代码: 浙江;33
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 一种 桦树 超氧化物歧化酶 提取 装置 及其 工艺
【权利要求书】:

1.一种桦树茸超氧化物歧化酶提取装置,其特征在于,包括:

数据监控与采集模块,用于获取萃取罐在预定时间段内多个预定时间点的温度值和压力值,以及,由部署于所述萃取罐内的超声发生装置在所述预定时间段产生的超声信号;

温度和压力特征提取模块,用于将所述萃取罐在预定时间段内多个预定时间点的温度值和压力值分别按照时间维度排列为温度输入向量和压力输入向量后,将所述温度输入向量和所述压力输入向量分别通过多尺度邻域特征提取模块以得到温度特征向量和压力特征向量;

高斯融合模块,用于使用高斯密度图来融合所述温度特征向量和所述压力特征向量以得到温度-压力融合特征矩阵;

超声信号特征提取模块,用于将所述超声发生装置在所述预定时间段产生的超声信号通过作为特征提取器的卷积神经网络模型以得到超声振动特征矩阵;

转移模块,用于计算所述温度-压力融合特征矩阵相对于所述超声振动特征矩阵的转移矩阵作为分类特征矩阵;

分类特征优化模块,用于对所述分类特征矩阵进行基于分类偏差的特征分布优化以得到优化分类特征矩阵;以及控制结果生成模块,用于将所述优化分类特征矩阵通过分类器以得到分类结果,所述分类结果用于表示超声发生装置在当前时间点的功率值应增大或应减小。

2.根据权利要求1所述的桦树茸超氧化物歧化酶提取装置,其特征在于,所述温度和压力特征提取模块,包括:

第一尺度特征提取单元,用于将所述温度输入向量和所述压力输入向量输入所述多尺度邻域特征提取模块的第一卷积层以得到第一尺度温度特征向量和第一尺度压力特征向量,其中,所述第一卷积层具有第一长度的第一一维卷积核;

第二尺度特征提取单元,用于将所述温度输入向量和所述压力输入向量输入所述多尺度邻域特征提取模块的第二卷积层以得到第二尺度温度特征向量和第二尺度压力特征向量,其中,所述第二卷积层具有第二长度的第二一维卷积核,所述第一长度不同于所述第二长度;以及多尺度特征级联单元,用于将所述第一尺度温度特征向量和所述第二尺度温度特征向量进行级联以得到所述温度特征向量,将所述第一尺度压力特征向量和所述第二尺度压力特征向量进行级联以得到所述压力特征向量。

3.根据权利要求2所述的桦树茸超氧化物歧化酶提取装置,其特征在于,所述第一尺度特征提取单元,进一步用于:使用所述多尺度邻域特征提取模块的第一卷积层以如下公式对所述温度输入向量和所述压力输入向量进行一维卷积编码以得到所述第一尺度温度特征向量和所述第一尺度压力特征向量;

其中,所述公式为:

其中,a为第一卷积核在x方向上的宽度、F(a)为第一卷积核参数向量、G(x-a)为与卷积核函数运算的局部向量矩阵,w为第一卷积核的尺寸,Xi表示所述温度输入向量或所述压力输入向量;

所述第二尺度特征提取单元,进一步用于:使用所述多尺度邻域特征提取模块的第二卷积层以如下公式对所述温度输入向量和所述压力输入向量进行一维卷积编码以得到所述第二尺度温度特征向量和所述第二尺度压力特征向量;

其中,所述公式为:

其中,b为第二卷积核在x方向上的宽度、F(b)为第二卷积核参数向量、G(x-b)为与卷积核函数运算的局部向量矩阵,m为第二卷积核的尺寸,Xi表示所述温度输入向量或所述压力输入向量。

4.根据权利要求3所述的桦树茸超氧化物歧化酶提取装置,其特征在于,所述高斯融合模块,包括:

融合单元,用于使用高斯密度图以如下公式来融合所述温度特征向量和所述压力特征向量以得到温度-压力融合高斯密度图;

其中,所述公式为:

其中μ表示所述温度特征向量和所述压力特征向量之间的按位置均值向量,且σ的每个位置的值表示所述温度特征向量和所述压力特征向量中各个位置的特征值之间的方差;

离散化单元,用于对所述融合高斯密度图的各个位置的高斯分布进行离散化处理以得到所述温度-压力融合特征矩阵。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于浙江桦树林生物科技有限公司,未经浙江桦树林生物科技有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/202310017943.4/1.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top