本发明属于中药生产技术领域，提供了一种袋装中药回收机，包括：支撑台，其上沿竖直方向开有至少一个第一通孔；压板，其设置在支撑台的上方，其上沿竖直方向开有至少一个第二通孔，第二通孔与第一通孔一一对应设置；第一升降装置，其用于使压板做上下升降运动；第一安装板，其设置在支撑台的下方；第二升降装置，其用于使第一安装板做上下升降运动；以及取液管，其沿竖直方向固定设置在第一安装板上，其与第一通孔一一对应设置，其上端被构造成尖端形状，其下端为液体流出端，其上部的周面上开有与其内部连通的液体流入口，其随第一安装板升降的过程中可以穿过第一通孔和第二通孔。本发明提供的袋装中药回收机，结构简单、工作可靠。

本发明公开一种生物组织切片机，包括夹持机构；所述夹持机构包括角度调节机构和用于夹持生物组织的夹头，夹头与角度调节机构连接，角度调节机构用于调节夹头的倾斜角度。本发明通过角度调节机构对夹头的倾斜角度进行调节，夹头用于夹持生物组织，以便于对生物组织的待切面进行角度调节，使生物组织的倾斜待切面与切片机的刀片相适配，从而有效地减少了在切片过程中生物组织的浪费。

本发明涉及一种基于边框感知跨模态融合网络的幕墙框实时检测方法及装置，属于建筑幕墙施工技术领域。该方法包括：采集幕墙框RGB图像和深度图；对采集到的幕墙框RGB图像和深度图进行预处理并构建、划分幕墙框数据集；构建基于边框感知跨模态融合网络的幕墙框检测模型，编码器部分使用ConvNeXt作为特征提取网络，解码器构造FFA模块和CFF模块实现整体多尺度多模态的路径聚合；求解二元交叉熵损失函数，训练幕墙框检测模型并保存最优模型；实时采集需要检测的幕墙框RGB图像和深度图并利用所述保存的最优模型进行实时检测。本发明可以在实现智能化检测的同时满足实际幕墙框检测精度需求，并且能够提高建筑施工效率。

本发明涉及一种基于显著检测网络的非规则幕墙板材识别方法及装置，属于建筑幕墙安装技术领域。该方法包括：使用深度相机采集目标区域中幕墙板材的RGB‑D图像，并制作板材识别测试数据集；采用三种基于RGB‑D的显著性公共数据集的部分数据构成训练数据集；训练构建的幕墙板材识别网络并保存最优参数；使用训练好的显著检测网络对幕墙板材数据进行预测；使用深度数据计算目标区域实际尺寸；输出板材关键点空间坐标。本发明可以实现高精度的非规则板材的精准识别与定位，并提高建筑工程中幕墙安装过程的工作效率。

本发明涉及一种用于幕墙板材安装及防碰撞预警的位姿估计方法及装置，属于建筑幕墙安装领域。该方法包括：S1：获取幕墙板材的精准抓取位置：用带有特殊标记点的幕墙板材存放装置存放幕墙板材，使用双目视觉精准定位；S2：获取数据集，并将其划分为训练集、验证集和测试集；S3：训练基于计算机视觉以及深度学习的网络模型，并利用训练完成的模型估算出相机到安装区域的相对位姿关系(T,q)；S4：实时位姿的估计：首先对相机与幕墙机器人抓手即幕墙板材的相对位姿关系进行标定，得到相机到机器人抓手的位姿(T0,q0)；然后(T0,q0)以及(T,q)转换为机器人抓手到安装区域的位姿信息(Te,qe)。

本发明公开了一种基于高阶张量子空间学习的多视角步态识别方法及系统，属于智能识别领域。从多个代表性的角度来获取步态视频，分帧截取得到步态序列图像；对步态序列图像分别作背景提取、背景减除和二值化处理，使呈现出黑和白的视觉效果，得到多个视角下的轮廓序列；将轮廓序列转换为张量数据；利用多线性判别分析和图嵌入原理基础上拓展DTSA后得到的基于图嵌入的高阶判别张量子空间分析算法对张量数据进行降维和特征提取；根据提取得到的多视角步态特征，对步态特征进行相似度测量，得到识别结果。本发明简单，成本低，可以自动对特定场所进行人员身份权限检测及伪装人员身份鉴定，有效提高监控场所的安全防护及多种情形下的身份鉴定。

本发明公开了一种结合子空间学习与张量神经网络的步态识别方法及系统，属于智能识别领域。所述方法包括：获取步态数据，得到步态数据集，并处理得到剪影图集合，进一步得到步态能量图；将剪影图的80％作为训练集进行降维处理，剩余20％作为测试集数据对训练结果进行测试，然后将步态能量图和降维处理后的数据经张量神经网络模块进行特征提取，再经支持向量机作为分类器进行分类，最终将训练集和测试集结果进行对比得到识别鉴定行人身份结果。本发明实现方法简单，硬件成本低，可以自动对特定场所进行人员身份权限检测及伪装人员身份鉴定，有效提高监控场所的安全防护及多种情形下的身份鉴定。

本发明涉及一种变性石蒜淀粉的制备方法，石蒜淀粉是由石蒜鳞茎经预处理、烘干、粉碎筛滤、醇泡、碱泡、洗涤、烘干、粉碎过筛制成，石蒜淀粉再经配制、真空包装、压热处理、冷却回生、干燥、粉碎过筛得到变性淀粉成品。石蒜淀粉经物理变性处理后改善了淀粉的结构、理化性质和加工品质，明显提高了石蒜淀粉的起始糊化温度和冷、热稳定性等，扩展了石蒜淀粉的应用范围。

本发明涉及一种基于情感分析的社交网络影响力传播模型构建方法，属于社交网络影响力传播领域。包括以下步骤：步骤一，通过微博API抓取微博数据，清洗数据用以分析。步骤二，对每条微博的情感倾向进行分析，用来改进影响力传播模型。步骤三，选取种子集作为影响力的传播者。步骤四，加入情感因子到激活概率的计算公式中，通过改进后的激活概率计算方法来判断节点是否被激活。步骤五，将被激活节点加入到种子集中，同时进行影响力的传播，最后得到所有激活节点即为影响力传播的结果。

本发明请求保护一种基于用户偏好的矩阵分解推荐方法，包括步骤：S1，依据用户评分数据，构建用户‑项目评分矩阵和项目偏好程度向量；S2，依据用户评分数据和项目信息数据，构建项目类型矩阵和用户个性化矩阵；S3，利用用户评分矩阵、用户个性化矩阵和项目偏好程度向量，构建用户评分基准矩阵；S4，基于矩阵分解，对用户评分矩阵进行拆分，从而形成用户‑隐语义矩阵P、隐语义‑项目矩阵Q和用户偏好向量bu和项目偏好向量bi；S5，利用梯度下降法，优化用户‑隐语义矩阵P、隐语义‑项目矩阵Q和用户偏好向量bu和项目偏好向量bi；S6，利用矩阵P、Q和向量bu、bi获得预测评分矩阵，将预测评分高的项目推荐给目标用户。本发明提高预测评分精度。