-
公开(公告)号:CN116523885A
公开(公告)日:2023-08-01
申请号:CN202310507925.4
申请日:2023-05-08
Applicant: 浙江欧威科技有限公司 , 浙江大学温州研究院
IPC: G06T7/00 , G06T7/73 , G06V10/44 , G06V10/80 , G06V10/764 , G06V10/82 , G06N3/0455 , G06N3/045 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种基于多尺度融合及深度学习的PCB缺陷检测方法,该方法首先采集了大量多类别的PCB缺陷图像,同时准备同数量的正常PCB图像;然后对采集到的图像做处理和标注,并将数据划分为训练集、测试集和验证集;使用以Swin Transformer为骨干网络结合特征融合模块的Faster RCNN,并进行模型训练和模型测试,并将模型用于实际产出。和传统的PCB缺陷检测算法不同,本发明使用基于多尺度融合的深度学习技术,解决了PCB检测中小目标缺陷检测精度不高、检测性能不足的问题。
-
公开(公告)号:CN112837826A
公开(公告)日:2021-05-25
申请号:CN202011608785.2
申请日:2020-12-30
Applicant: 浙江大学温州研究院
IPC: G16H70/00
Abstract: 本发明公开了一种基于机器学习的重症序贯性脏器衰竭评分方法及系统,包括了临床指标筛选出25个重要影响指标;再利用公开重症数据库进行相关数据提取;之后对提取的数据,建立了一个基于决策树模型的组合模型进行模型训练;再利用算法进行指标筛选,最终通过算法分枝选择结合临床经验知识,保留8大器官系统的13个重要指标;此后划分指标数值区间,建立评估分数体系;最终对方法有效性进行验证,证明新评分方法的有效性。本发明最关键的突破在于定性定量的建立了一个13指标的8大系统评分方法,其有效性达到0.82,远高于SOFA评分。
-