一种基于高光谱成像技术的冷鲜肉品质无损检测方法

    公开(公告)号:CN106596416A

    公开(公告)日:2017-04-26

    申请号:CN201611058742.5

    申请日:2016-11-25

    CPC classification number: G01N21/25

    Abstract: 本发明公开了一种基于高光谱成像技术的冷鲜肉品质无损检测方法,首先采集并制备大量的冷鲜肉样本,采用高光谱成像系统采集各个冷鲜肉样本的高光谱数据;然后,根据国标要求采用物理化学方法测得各个冷鲜肉样本被测品质指标的物理化学参照值;最后结合机器学习和化学计量学等数据处理方法采用得到的冷鲜肉高光谱数据和物理化学参照值数据建立冷鲜肉被测品质指标的高光谱预测模型。采用本发明方法检测牛肉TVB‑N含量时,用MCS法剔除冷鲜牛肉异常样本后,采用CG算法划分冷鲜牛肉样本集,采用CARS算法优选冷鲜牛肉TVB‑N含量特征波段建立PLSR模型,模型达到很好的预测性能。

    一种新型水稻害虫检测方法及系统

    公开(公告)号:CN119723344A

    公开(公告)日:2025-03-28

    申请号:CN202411813720.X

    申请日:2024-12-11

    Abstract: 本发明提供了一种新型水稻害虫检测方法及系统,通过构建基于改进YOLOv8n算法的水稻虫害检测模型YOLOv8‑FDI模型,采用FasterNet作为主干网络,并引入Dynamic Head技术和Inner‑IoU损失函数,显著提升了对水稻不同种类害虫特征的识别精度和泛化能力,实现了实时精准检测复杂背景下的水稻害虫的功能,本发明成功构建了一个复杂自然环境条件下含多种水稻虫害图像的数据集IP14‑RICE用于进行模型的对比试验,包含了各种典型的水稻虫害场景,确保了模型在训练和测试阶段能够充分学习和识别多种虫害特征。实验结果表明,YOLOv8‑FDI模型在测试集上取得了优异的性能,与其他常用模型YOLOv3‑tiny、YOLOv5n、YOLOv7‑tiny相比均有显著的提升,为农业害虫的实时监测提供了强有力的技术支撑。

    基于查询特征增强与图注意力机制的小样本医学图像分割方法及系统

    公开(公告)号:CN119887830A

    公开(公告)日:2025-04-25

    申请号:CN202510055493.7

    申请日:2025-01-14

    Abstract: 本发明公开一种基于查询特征增强与图注意力机制的小样本医学图像分割方法及系统,通过设计查询特征增强模块和多原型协同分割模块加以实现。查询特征增强模块通过捕获全局长距离依赖关系、聚合局部角区域以及整合支持样本信息,为后续的原型生成和匹配提供了全面且区分度高的查询特征。多原型协同分割模块由两个预测分支组成。分支一将属于同一对象的查询原型与查询特征进行匹配,分支二采用图注意力机制促进多个原型间的聚合和相互增强,并为查询图像中每个像素动态分配最相关的原型。通过融合两个分支的预测结果实现更加全面的分割预测。本发明有效应对了解剖结构异质性带来的挑战,提升了分割的准确性和适应性。

    一种人工神经元-胶质细胞网络优化方法及装置

    公开(公告)号:CN114676813A

    公开(公告)日:2022-06-28

    申请号:CN202111487637.4

    申请日:2021-12-07

    Abstract: 本发明公开了一种人工神经元‑胶质细胞网络优化方法及装置,方法包括构建人工神经元‑胶质细胞网络模型并设定胶质细胞、神经元的更新规则;对人工神经元‑胶质细胞网络模型的基本计算单元的超参和网络拓扑结构进行实数编码以得到初始种群,并将初始种群中的个体的初始值传入人工神经元‑胶质细胞网络模型中以利用训练数据集对网络模型进行训练;计算每一个体的适应度并采用轮盘赌算法根据适应度大小、预设个体数量筛选出个体集,不断将个体集中经过交叉变异后产生的新个体代替上一代个体,直至输出最佳个体。本发明通过进化算法对神经元‑胶质细胞之间的数量比例、互作用中的各种参数及整体网络结构进行优化,从而自动搜索最优网络模型。

    一种融合二进制数字编码的可扫描图像生成方法及系统

    公开(公告)号:CN119047505A

    公开(公告)日:2024-11-29

    申请号:CN202411087153.4

    申请日:2024-08-09

    Abstract: 本发明公开了一种融合二进制数字编码的可扫描图像生成方法及系统,所述方法包括:获取目标字符串,基于QR Code编码规则对所述目标字符串进行分析和编码,得到原始数组;分别利用多种掩膜方式对所述原始数组进行掩膜操作,得到多个掩膜矩阵;采用至多一个预设蒙版对任意一个掩膜矩阵进行叠加,得到数据编码矩阵,并基于数据编码矩阵得到原始图像;获取待融合图像并对图像进行预处理;基于预设图像融合方法将所述原始图像与预处理后的待融合图像进行融合,生成可扫描二维码图像。本发明生成的二维码可兼容QR Code编码标准,能够在保证图像具有一定扫描健壮性的前提下,使图像拥有更加出色的视觉效果,拓宽了二维码的适用范围。

    基于SAM模型与图神经网络结合的息肉图像分割方法及系统

    公开(公告)号:CN120070886A

    公开(公告)日:2025-05-30

    申请号:CN202510108848.4

    申请日:2025-01-23

    Abstract: 本发明公开一种基于SAM模型与图神经网络结合的息肉图像分割方法,包括:获取待分割图像;将获取的待分割图像输入训练后的图像分割模型,输出图像分割结果;其中,所述图像分割模型的训练,包括:构建训练数据集;构建图像图卷积注意力编码器模块进行局部图结构特征提取;基于预训练的SAM模型,引入空间与通道双适配器模块对SAM模型的图像编码器进行微调,利用微调后的SAM模型提取全局图结构特征;将提取的所述局部图结构特征与全局图结构特征进行融合;基于融合的图像特征表示生成分割结果;利用所述训练数据集进行训练,输出训练好的图像分割模型。

Patent Agency Ranking