本实用新型公开了一种用于冷却生物质可燃气体并提取木醋液的装置，包括有矩形的封闭容器，容器内设有多道冷却管排，多道冷却管排在容器内形成在水平方向呈蛇形的气体通道，容器下侧壁设有与冷却管排连通的冷却水入口，容器上侧壁设有与冷却管排连通的冷却水出口，容器上侧壁还设有与气体通道连通的可燃气入口、可燃气出口，容器底部还设有与气体通道连通的木醋液提取口。本实用新型使温度较高的生物质可燃气体大面积接触冷却面，可实现快速冷却、析出和分离，木醋液提取率高。

本发明涉及一种中药配方颗粒红外光谱非分离提取多级宏观指纹鉴定方法，属于中药检测技术领域。该方法的步骤是：在中药配方颗粒粉末中加入溴化钾进行压片制样；测定压片试样的中红外光谱、漫反射近红外、漫反射中红外光谱、反射光谱及衰减全反射光谱；求出并绘出相应光谱图的二阶导数光谱图；测定试样的二维相关红外谱；分级对比相应图谱；测定中药配方颗粒中主料和辅料的相对含量。本发明的方法无需对试样进行分离，即可无损地、快速地、不失原本性和配伍性地直接鉴定中药配方颗粒及其质量。此外该方法还可以同时获取药品稳定性和变质机理的信息，便于推广应用，从而可加速中药质量控制进程，大大加速中药现代化。

本发明公开了一种基于 GPU 的多尺度空间特征提取方法，包括 以下步骤：利用多尺寸并行非线性滤波构造尺度空间、在尺度空间中 并行的进行关键点检测和描述符生成。其中尺度空间构造包括：多尺 寸数据打包、多尺寸并行降采样、多尺寸并行非线性滤波的具体执行 步骤。为了提高算法的并行度、降低数据依赖性，通过并行降采样提 前得到各个尺寸下的初始图像，使得各个尺寸下的非线性滤波、关键 点检测和描述符生成可以在 GPU 中并行的执行。

本发明公开了一种基于投影数字高程模型的正射影像镶嵌线自动提取方法，包括步骤：步骤 1，获 取单片正射影像的投影数字高程模型；步骤 2，确定待镶嵌正射影像对；步骤 3，将待镶嵌正射影像对 的投影数字高程模型按地理坐标叠加获得叠加图像，将叠加图像二值化得到二值叠加图像；步骤 4，采 用图像形态学方法提取二值叠加图像的骨架线获得骨架线网络，采用 Dijkstra 算法在骨架线网络中搜寻 最短路径，即待镶嵌影像对的镶嵌线。本发明方法能自动获取高质量的正

提取完甘草酸的甘草药材废渣，一般都被遗弃，堆积如山，污染环境。本发明涉及一种全新的从甘草废渣中提取降血糖活性成分的方法。

本发明公开一种基于灰点提取的自动白平衡矫正方法，包括以下步骤：S1 通过黑电平矫正图像传感器采集的 RAW 数据，去除直流偏移成分；S2 利用灰点选取标准对经 S1 获得的图像数据进行处理，检测其中是否存在灰点；S3 当识别出灰点时，通过均值计算法计算其RGB 三通道的增益，然后跳转到步骤 S7；S4 当没有识别出灰点时，通过图像熵判断颜色复杂度，去除图像中大色块；S5 通过灰度阴影法求出经 S4 处理后图像 RGB 三通道颜色亮度的闵可夫斯基范数；S6 根据 S5 得出闵可夫斯基范数计算图像 RG

本发明公开了一种实时视频通信中的感兴趣区域提取方法，本发明首先对视频图像中的运动区域和 亮度区域进行提取，同时将视频图像划分为结构化纹理，平滑纹理，随机纹理三个区域。根据人眼对运 动的区域，亮度较高的区域以及结构化纹理区域较为感兴趣的特点，对运动信息，亮度信息和纹理信息 设置不同的权重，最终综合得出人眼对各个区域的感兴趣程度。本发明基于人眼的视觉特性，根据人眼 对视频图像中不同区域感兴趣程度的不同，对视频中感兴趣区域进行分级提取，从而使提取的感

唐古特青兰，又称―甘青青兰‖，藏语称―知羊格‖，藏医用唐古特于兰的地上部分入药。本项目提供的唐古特青兰提取物可以在抑制病毒吸附、预防病毒侵染、抑制病毒基因复制、直接灭活病毒等多环节发挥明显的抗病毒作用,故而该提取物可以用于制备抗病毒药物，其原料丰富、价廉、萃取工艺简单,成本低,并可很方便地做成各种剂型，具有广泛的开发与应用前景。 

适用范围 适用于煤炭、焦碳、石油、生物质燃料及矿石等物质的空干基水分和全水分检测。检测样品13个，更适用于测试样品较多的用户。 符合标准 GB/T212-2008《煤的工业分析方法》 GB/T211-2017《煤中全水分测定方法》 GB/T30732-2014《煤的工业分析方法仪器法》 GB/T28731-2012《固体生物质燃料的工业分析方法》 GB/T28733-2012《固体生物质燃料全水分测定方法》 GB/T12496.4-1999《木质活性炭试验方法水分含量的测定》 技术特点 (1)采用符合国标的电热鼓风加热方式加热及风道设计，温度均匀且升温快，实现批量化试验。测试流程符合国标及CNAS实验室认可要求，测试结果准确可靠，可作为结算依据。 (2)自动化程度高:采用计算机实时通讯技术和自适应控制技术，将高精度进口电子天平集成到仪器的内部，结合一套自动称量机构，实现自动称量，自动送样，自动处理数据、结果计算、报表打印和存储等，实验过程自动控制。 (3)具有断电重启功能:仪器在短暂停电后，开机即可恢复上次试验，无需将上次全部样品实验报废。 (4)速度快，结果准:高自动化程度和新型加热方式，既可缩短测试时间、减少人为误差，又提高了测试准确度和效率，测定13个内水样品只需30分钟，减轻了操作人员的劳动强度。 (5)具有自动充氮装置，水分测试时可采用充氮干燥法。 (6)采用TCP网络通信协议，确定仪器通信无误码率。 (7)采用PT100测温探头，测温精度高，结果更准确。 (8)仪器上面增加显示屏显示天平数据，优化称样效率。 (9)分析测试系统:可连接本公司绝大部分煤质分析设备。可自动上传数据，生产报表。(用户可根据自身需求设计报表)。 (10)实时显示样重，具有断电记忆功能，突然断电不会丢失测试数据，通电即可继续完成试验。 技术参数 1.试样个数:13个/次或21个/次（可选） 2.试样质量:空干基水分:0.9-1.1g;全水分:10-12g 3.试验时间:分析水<35min;全水<60min(可按国标流程设定) 4.工作炉温:105~110℃ 5.控温精度:±1℃ 6.煤样粒度:空干基≤0.2mm;全水分≤6mm 7.最大功率:<2.0KW 8.主机尺寸:440*510*520

我校理学院大数据研究团队在人工智能与大数据处理技术研究方面取得系列进展，研究成果分别发表在IEEE Transactions on Neural Networks and Learning Systems、IEEE Transactions on Cybernetics和Information Sciences三大人工智能顶级期刊。神经网络是人工智能领域中目前最为火热的研究方向——深度学习的架构基础。虽然深度学习在近几年发展迅速，但是关于如何设计最优神经网络架构的问题仍处于探索阶段。该团队分别针对人工智能中神经网络结构复杂、高维大规模数据存在无效和冗余特征、难以获取长时序信息等问题与缺陷，设计出了一系列网络结构优化、大数据特征选择和时序循环神经网络模型，有效改善了上述不足，提高了人工智能模型的学习性能。 题目为《带Group Lasso惩罚与控制冗余的神经网络特征选择》（Feature Selection using a Neural Network With Group Lasso Regularization and Controlled Redundancy）的研究论文发表在人工智能领域权威国际期刊IEEE Transactions on Neural Networks and Learning Systems。王健副教授和博士生张华清为该论文共同第一作者， 我校荣誉教授Nikhil R. Pal院士（印度统计研究所）参与指导，中国石油大学（华东）为第一署名单位。该项工作得到国家自然科学基金、国家科技重大专项、山东自然科学基金、中央高校基本科研业务费、中国石油天然气集团公司重大科技项目以及山东省高校青年创新科技支撑计划的资助。 特征选择技术也称属性选择，是指从原始特征或属性中选择出最有效的特征或属性以降低数据维度的过程，它是人工智能数据预处理环节的重要步骤，也是大数据处理技术的重要环节。该项工作在神经网络中嵌入Group Lasso惩罚项并实现特征冗余控制，在选出对解决问题最有帮助、蕴含信息量最大的特征或属性的同时，控制所选特征子集的冗余程度，以达到降维的最优效果，从而使模型的泛化能力更强，降低神经网络模型产生过拟合的风险。 题目为《基于L1正则化的神经网络结构优化模型设计与分析》（Learning Optimized Structure of Neural Networks by Hidden Node Pruning With L1Regularization）的研究论文发表在国际人工智能领域权威期刊IEEE Transactions on Cybernetics。硕士生谢雪涛和博士生张华清为论文共同第一作者，王健副教授为通讯作者，我校荣誉教授Nikhil R. Pal院士（印度统计研究所）参与指导，中国石油大学（华东）为第一署名单位。该项研究成果得到了国家自然科学基金、山东省自然科学基金和中央高校基本科研业务费的资助。 该项工作借助L1正则子具有的稀疏表达能力，提出两种神经网络结构优化学习模型；本项工作另外一个突出贡献就是提出了一种简单且具有通用性的收敛性证明方法，同时保证了模型设计的合理性。实验结果表明所提出模型具有强大的鲁棒性、广泛的适用性、理想的剪枝能力和良好的泛化能力，适用处理高维大数据。该研究成果在人工智能与深度学习构造最简网络结构方面具有很强的指导作用和应用推广价值。