本發(fā)明涉及一種從廢舊鈷酸鋰正極材料浸出廢液中回收鈷的方法。所述方法包括：將廢舊鋰電池浸沒在飽和食鹽水中充分放電后機(jī)械破碎和分離，獲得正極材料。將所述正極材料與乙二醇乙醇混合溶液混勻，加入適量的蘋果酸或檸檬酸等有機(jī)酸。其中每克所述正極材料...

本技術(shù)提供了一種光伏組件用安裝支撐架，包括轉(zhuǎn)動(dòng)座，所述轉(zhuǎn)動(dòng)座的上方設(shè)置安裝板，所述安裝板的下表面固定安裝有四個(gè)連接桿，四個(gè)所述連接桿呈兩兩對(duì)稱設(shè)置，所述轉(zhuǎn)動(dòng)座的上表面固定安裝有兩個(gè)側(cè)板，兩個(gè)所述側(cè)板呈對(duì)稱設(shè)置，兩個(gè)所述側(cè)板之間固定安裝有...

本發(fā)明公開了一種稀布陣列天線低副瓣方向圖設(shè)計(jì)方法和系統(tǒng)。包括：利用Logistic?tent混沌映射初始化種群，通過隨機(jī)運(yùn)動(dòng)和硬霜穿刺交叉來優(yōu)化稀布陣列天線方向圖的適應(yīng)度值。通過重新計(jì)算適應(yīng)度值和更新位置，系統(tǒng)在達(dá)到最大迭代次數(shù)或解的準(zhǔn)...

本發(fā)明提供一種基于慣性傳感器的深度可分離卷積神經(jīng)網(wǎng)絡(luò)跌倒檢測(cè)方法，其中方法包括：獲取用戶穿戴手腕的慣性傳感器測(cè)量的人體運(yùn)動(dòng)數(shù)據(jù)，包括加速度和陀螺儀角速度值；然后將數(shù)據(jù)傳給我們提出的跌倒檢測(cè)模型對(duì)用戶是否跌倒進(jìn)行判斷，如果檢測(cè)到用戶發(fā)生跌...

本技術(shù)提供一種穩(wěn)固型地理信息標(biāo)記裝置，涉及標(biāo)記裝置技術(shù)領(lǐng)域，本技術(shù)包括伸縮支撐桿，所述伸縮支撐桿的表面固定連接有兩個(gè)轉(zhuǎn)把，所述伸縮支撐桿的一端表面固定連接有標(biāo)記筒，所述伸縮支撐桿遠(yuǎn)離標(biāo)記筒的一端固定連接有支撐板，所述支撐板遠(yuǎn)離伸縮支撐桿...

本發(fā)明公開一種混合鯨魚優(yōu)化和BP神經(jīng)網(wǎng)絡(luò)的拷貝數(shù)變異檢測(cè)方法，其特征在于，包括以下步驟：S1：數(shù)據(jù)的預(yù)處理，使用BWA軟件將從NGS中獲取的測(cè)序樣本文件與參考序列進(jìn)行比對(duì)，從而得到BAM文件，利用SAMtools從BAM文件中提取出Re...

本發(fā)明涉及一種基于雙視圖自監(jiān)督學(xué)習(xí)的多模態(tài)推薦方法，屬于多模態(tài)推薦系統(tǒng)領(lǐng)域。首先，將用戶的行為信息和物品的語(yǔ)義信息抽象為視圖，同時(shí)使用圖神經(jīng)網(wǎng)絡(luò)來進(jìn)行表示，然后，將用戶和物品的ID在上述兩個(gè)視圖的圖神經(jīng)網(wǎng)絡(luò)中進(jìn)行編碼，最后，計(jì)算用戶和物...

本發(fā)明涉及分子生物技術(shù)領(lǐng)域，特別涉及一種基于RPA/CRISPR?Cas12a體系檢測(cè)馬鈴薯青枯病的引物組、試劑盒及方法。引物組包括RPA引物對(duì)及crRNA引物，本發(fā)明針對(duì)馬鈴薯青枯病病原菌，設(shè)計(jì)特異性重組酶聚合酶擴(kuò)增RPA引物和CRI...

本發(fā)明涉及圖像數(shù)據(jù)處理技術(shù)領(lǐng)域，尤其涉及一種動(dòng)態(tài)環(huán)境中基于點(diǎn)?線特征與超像素分割的3D?SLAM方法。該方法包括合并圖像的線特征，獲得線特征合并結(jié)果，以及合并圖像的SLIC超像素分割結(jié)果，獲得SLIC超像素合并結(jié)果；根據(jù)SLIC超像素合...

本發(fā)明屬于發(fā)光材料技術(shù)領(lǐng)域，公開了一種銪摻雜的硼酸鈣紅色熒光粉的制備方法及其應(yīng)用，該熒光粉的化學(xué)表達(dá)式為Ca<subgt;3</subgt;B<subgt;2</subgt;O<subgt;6</su...

本發(fā)明涉及圖像處理技術(shù)領(lǐng)域，更具體涉及基于多源異構(gòu)信息融合的肺癌圖像分類方法、系統(tǒng)及介質(zhì)。該方法包括：步驟S1：基于多源異構(gòu)圖像獲取原始圖像；步驟S2：將第二圖像和第三圖像的背景去除并放大至多個(gè)預(yù)設(shè)倍數(shù)得到訓(xùn)練圖像；步驟S3：通過模型創(chuàng)...

本發(fā)明公開了蛋黃?殼結(jié)構(gòu)的金銀貴金屬納米顆粒的制備方法，其特征在于，包括以下步驟：S1：制備金納米種子、S2：制備生長(zhǎng)的金納米顆粒、S3：Au@AuAg雙金屬結(jié)構(gòu)的制備；本發(fā)明以球形納米金為種子，通過對(duì)苯二酚的強(qiáng)還原作用，能夠?qū)崿F(xiàn)金銀殼...

本發(fā)明提出一種基于關(guān)鍵語(yǔ)義信息增強(qiáng)的知識(shí)圖譜問題生成方法，屬于自然語(yǔ)言處理的問題生成技術(shù)領(lǐng)域。包括：將知識(shí)圖的節(jié)點(diǎn)實(shí)體和邊信息轉(zhuǎn)換為詞嵌入向量，獲取模型所需的輸入數(shù)據(jù)信息；然后構(gòu)建基于關(guān)鍵語(yǔ)義信息增強(qiáng)模型的編碼器，在編碼階段利用節(jié)點(diǎn)答案...

本發(fā)明公開了一種跨境電商數(shù)據(jù)處理方法及裝置，涉及數(shù)據(jù)處理領(lǐng)域，包括S1、通過電商平臺(tái)采集用戶使用的數(shù)據(jù)，同時(shí)將數(shù)據(jù)傳輸至處理單元內(nèi)部，進(jìn)行數(shù)據(jù)清洗；S2、將數(shù)據(jù)清洗后的數(shù)據(jù)進(jìn)行分類整合，并與用戶所瀏覽的數(shù)據(jù)進(jìn)行對(duì)比，同時(shí)將用戶重復(fù)搜索或...

本發(fā)明涉及氣相色譜柱手性固定相技術(shù)領(lǐng)域，具體涉及I型手性多孔液體材料及應(yīng)用。本發(fā)明的I型手性多孔液體材料兼具手性多孔固體材料和液體材料的特性，合成原料易得、合成方法較簡(jiǎn)單，且制柱成本低；本發(fā)明的色譜柱應(yīng)用于氣相色譜分析，手性分離能力強(qiáng)，...

本發(fā)明涉及一種基于維度關(guān)系的對(duì)比學(xué)習(xí)序列推薦方法，屬于推薦系統(tǒng)領(lǐng)域。本發(fā)明為了應(yīng)對(duì)數(shù)據(jù)稀疏性問題，針對(duì)序列推薦系統(tǒng)中的數(shù)據(jù)集稀疏導(dǎo)致模型訓(xùn)練不佳的問題進(jìn)行改進(jìn)，提出一種基于維度關(guān)系的對(duì)比學(xué)習(xí)序列推薦方法。本發(fā)明采用對(duì)比學(xué)習(xí)方法，通過構(gòu)建...

本發(fā)明涉及一種基于教學(xué)反思的異步專遞課堂教學(xué)行為事件識(shí)別的方法，屬于教育信息技術(shù)領(lǐng)域。首先獲取異步專遞課堂教學(xué)模式下的教師教學(xué)反思文本數(shù)據(jù)；然后構(gòu)建異步專遞課堂教學(xué)行為事件識(shí)別文本數(shù)據(jù)集；最后構(gòu)建基于深度學(xué)習(xí)的教學(xué)行為事件識(shí)別模型。本發(fā)...

本申請(qǐng)涉及碳點(diǎn)制備和應(yīng)用技術(shù)領(lǐng)域，具體涉及一種以L?賴氨酸為原料制備碳點(diǎn)的方法及熒光油墨應(yīng)用，制備碳點(diǎn)的方法包括以下步驟：步驟1、將L?賴氨酸倒入坩堝中；步驟2、將坩堝放入烘箱內(nèi)，加熱反應(yīng)；步驟3、關(guān)閉烘箱，自然冷卻至室溫，取出坩堝；步...

本發(fā)明涉及一種面向高中英語(yǔ)閱讀課的教案生成方法，屬于深度學(xué)習(xí)、自然語(yǔ)言處理、大模型、自然語(yǔ)言生成等領(lǐng)域。本發(fā)明通過設(shè)計(jì)專用的提示詞并控生成流程，使大模型（如ChatGPT、文心一言等）生成面向高中英語(yǔ)閱讀課的教案。本發(fā)明包括如下步驟：S...

本技術(shù)公開了一種農(nóng)田地表徑流連續(xù)采樣裝置，包括預(yù)制三角堰，所述預(yù)制三角堰的頂部固定連接有支架，所述支架的頂部固定連接有殼體，所述殼體的底部安裝有旋轉(zhuǎn)組件，所述旋轉(zhuǎn)組件的活動(dòng)端貫穿殼體并固定連接有樣品盤。本技術(shù)中，通過設(shè)置的旋轉(zhuǎn)組件、樣品...