本發明涉及基于政府采購知識圖譜的供應商最優推廣路徑查詢方法，屬于知識圖譜構建及應用技術領域。本發明利用知識圖譜善于處理關系復雜的數據、善于整合不同結構的數據以及善于利用知識應用解決實際問題的優點。將政府采購及“政采貸”融資流程中的實體抽...

本發明公開了sEMG信號分類方法、系統、電子設備及存儲介質，屬于sEMG信號處理領域，本發明要解決的技術問題為如何提高sEMG信號分類的準確率，采用的技術方案為：數據采集：采集sEMG信號數據，構建原始數據集；數據預處理：對原始數據集進...

本發明涉及釀酒酵母H3K23A組蛋白點突變在提高釀酒酵母乙酸耐受性及木糖發酵性能中的應用，屬于基因工程、分子生物學及生理學技術領域。使用的組蛋白修飾擾動手段，將釀酒酵母中組蛋白H3/H4中能夠發生共價修飾的氨基酸分別替換成不能發生任何修...

本發明屬于生物質精煉領域，提供了一種基于開關型低共熔溶劑的植物生物質全組分分離技術以及該溶劑體系的回收再用方法，包括如下步驟：開關型低共熔溶劑的制備，植物生物質組分分離，溶劑體系回收。其特點是可在溫和條件下使用開關型低共熔溶劑處理植物生...

本發明提供一種負載臭氧油的聚酰亞胺氣凝膠及其制備方法與應用，制備步驟如下：(1)利用二酐和二胺制備聚酰亞胺酸；(2)將聚酰亞胺酸溶于水中，冷凍干燥，得到氣凝膠；(3)用改性劑將氣凝膠進行疏水化改性；(4)將改性后的氣凝膠浸入含有中醫成分...

本發明公開了一種改性生物炭及其制備方法，包括如下材料：農作物秸稈10

本發明提供了一種復合秸稈纖維基模塑餐具及制造方法，屬于一次性餐具技術領域，一種復合秸稈纖維基模塑餐具，包括：秸稈、麥麩、季銨型陽離子淀粉醚、復合淀粉膠粘劑、聚乙烯醇、石蠟、羧甲基纖維素鈉、乙撐雙硬脂酸酰胺、鄰苯二甲酸二環己酯；所述秸稈包...

本發明屬于釀酒酵母技術領域，涉及HMX1及其編碼基因在提高釀酒酵母木糖發酵性能和乙酸耐受性上的應用。本發明首次公開過表達HMX1基因可顯著提高釀酒酵母的木糖發酵性能及乙酸耐受性，這為解決木質纖維素乙醇發酵過程中微生物木糖利用率低、抑制物...

本發明公開了一種基于低共熔溶劑和生物酶的木質素分離方法，包括將有機酸或多元醇，氫氧化膽堿進行混合，混合后放入冰水浴中攪拌得到低共熔溶劑，將生物質原料加入低共熔溶劑中混合攪拌、加熱反應，從而從生物質原料中脫除木質素，獲得混合液1；在25—...

本發明屬于新能源電子材料技術領域，涉及一種多重網絡結構的紙基/PVA/PAM堿性凝膠聚電解質的制備方法。本發明采用網絡結構的纖維素紙張(CP)作為基底，通過將聚丙烯酰胺單體(AM)在引發劑和交聯劑存在下在聚乙烯醇(PVA)水溶液中原位聚...

本公開提供了一種基于YOLOv5的安全帽檢測方法及系統，涉及計算機視覺圖像檢測技術領域，方法包括獲取施工現場待檢測的安全帽目標圖像，并對目標圖像進行預處理；對目標圖像進行特征提取，提取目標圖像的輪廓、顏色細節特征，獲取多尺度特征圖；其中...

本發明屬于磷光材料及信息加密技術領域，具體涉及一種可見光激發的長壽命磷光碳點薄膜及其制備方法與應用。為解決現有技術中磷光材料無法通過可見光激發、磷光壽命短的問題，本發明以聚乙烯醇作為碳源前驅體，無水乙二胺作為交聯劑，加入反應溶劑后在高溫...

本發明提出了一種基于雙特征選擇對抗樣本生成方法及系統，通過圖神經網絡、自編碼器分別對工業傳感器進行選擇，分別得到異常情況較高的的工業傳感器組，基于所得到的兩組工業傳感器所輸出的異常數據采用非梯度優化算法進行優化迭代生成對抗性樣本；采用不...

本發明公布了一種用于木質素氧化解聚的過渡金屬摻雜缺陷型g

本發明屬于光催化材料技術領域，具體涉及一種光催化解聚木質素的方法。反應溶劑乙腈加入在反應器中，并加入過渡金屬摻雜缺陷型g

本發明公開了粘度響應探針的制備及應用，粘度型熒光探針及其制備和應用，所述熒光探針的結構式為：本發明制得的熒光探針對粘度有很好的識別作用。本發明構建了一個新型的多功能熒光平臺CY

本發明涉及結構健康應變監測技術領域，尤其是涉及一種可調節式長標距光纖分布式應變監測裝置及其監測、安裝方法。本發明通過一種可精確調節預應力的拆裝式結構，解決現有的分布式長標距光纖光柵應變傳感器的制作工藝比較復雜，一致性較難控制，預應力、標...

本發明屬于淀粉深加工技術領域，具體涉及一種組合酶制備簇狀大環糊精的方法及其在預制米面制品中的應用。在本發明中，淀粉通過α

本發明涉及一種用于生產生物柴油的固體催化劑制備方法及應用，屬于催化材料與油脂化工應用領域。制備方法包括如下步驟：S1、稱取一定質量的硝酸鈣和/或水合硝酸鈣、硝酸鋅和/或水合硝酸鋅、硝酸鋯和/或水合硝酸鋯溶解于去離子水，獲得溶液；S2、向...

本發明涉及推薦系統及深度學習技術領域，具體涉及基于特征空間語義增強的對比學習推薦方法。該方法包括以下步驟：首先對用戶購買物品的數據集進行預處理，構建交互圖，去除交互圖信息中噪聲和干擾信息，提升模型的準確度，然后對學到的特征矩陣進行譜特征...