爆炸电路板残片图像自动比对识别方法

    公开(公告)号:CN106780440B

    公开(公告)日:2019-05-31

    申请号:CN201611075728.6

    申请日:2016-11-29

    IPC分类号: G06T7/00 G06T7/11 G06T7/194

    摘要: 本发明公开了一种爆炸电路板残片图像自动比对识别方法,属于模式识别和图像处理技术领域。所述方法首先将残片图像基于概率图模型的图像分割算法进行对象分割,再采用基于概率抽样的颜色模型进行元器件的对象精定位,然后提取特征点并过滤,将过滤后的特征点与检索库中的电路板特征点进行比对识别,确定残片所属的源电路板。本发明首次提出并实现了根据爆炸电路板残片图像自动识别印刷电路板同型号原板的方法。所述比对识别方法能够准确地分割出电路板中的元器件及字符区域,抑制噪声干扰,比对时同时考虑特征点描述与空间几何关系的相似性,该方法在电路板残片图像自动识别中TOP1准确率高于99%。

    一种基于深度学习的PCB图像字符检测方法

    公开(公告)号:CN113221867A

    公开(公告)日:2021-08-06

    申请号:CN202110513119.9

    申请日:2021-05-11

    摘要: 本发明提供了一种基于深度学习的PCB图像字符检测方法。所述方法包括:构建PCB字符检测网络,将待检测的PCB图像输入训练好的网络中;网络通过下采样生成不同尺寸的特征图,并逐层上采样融合特征;通过字符检测头与边框检测头分别得到字符分布热力图与边框分布热力图;将两个热力图逐像素相减,得到最终的字符分布热力图;利用预设的阈值对热力图进行二值化处理,判断该位置上是否存在字符及其边缘位置,得到字符检测结果;利用字符识别网络ASTER识别字符,并将字符信息存入数据库。本发明设计的PCB字符检测网络与ASTER字符识别网络相结合,完成了PCB图像字符检测、识别、字符信息入库任务,进而实现PCB残片图像溯源。

    非制式枪射击弹头痕迹图像自动识别方法

    公开(公告)号:CN104484679B

    公开(公告)日:2017-12-22

    申请号:CN201410473198.5

    申请日:2014-09-17

    IPC分类号: G06K9/64

    摘要: 本申请公开了一种非制式枪射击弹头痕迹图像自动识别方法,包括以下步骤:步骤1、将三维空间中的弹头痕迹转换成二维的弹头痕迹图像,作为待识别的图像;步骤2、对待识别的图像进行水平和垂直方向投影,分别生成特征feature1[y]、feature2[x],其中,0≤y<M,0≤x<N,M和N分别为弹头痕迹图像的像素阵列的行数和列数;步骤3、将所述特征feature1[y]、feature2[x]与样本库中的K个样本的特征feature1[Mk]、feature2[Nk],分别进行比对,其中k=1、2、……K,生成对应于各个样本的K个相似度。

    一种基于双模态视频EEG数据的驾驶员视觉显著性区域预测方法

    公开(公告)号:CN113435234B

    公开(公告)日:2024-01-23

    申请号:CN202110019216.2

    申请日:2021-03-25

    发明人: 赵志诚 杜丽 苏菲

    摘要: 本发明提供了一种基于双模态视频EEG数据的驾驶员视觉显著性区域预测方法,所述方法包括:采集驾驶员在执行驾驶行为时的视觉注意力相关的脑电图(Electroencephalography,EEG)信号;对采集EEG信号进行预处理,搭建EEG注意力特征初始化框架,提取二维EEG注意力特征;提取视频图像中的低层特征;将提取的二维EEG注意力特征和提取的视频图像低层特征融合,得到双模态数据;基于双模态数据进行预测。本发明在不使用光流信息的条件下,仅分析视频图像的空间信息就得到了较好的驾驶员的视觉注意力信息(Focus field of driver's Attention,FoA)预测效果,本发明进一步完成了从EEG信号中有效提取车辆驾驶员的视觉注意力特征,并将其与视频图像特征相结合,共同完成目标任务。

    一种基于迭代学习的马铃薯病害多分类和检测方法

    公开(公告)号:CN116824241A

    公开(公告)日:2023-09-29

    申请号:CN202310734961.4

    申请日:2023-06-20

    摘要: 本发明提供了一种基于迭代学习的马铃薯病害多分类和检测方法。所述方法包括:对有标注的马铃薯病害数据,如叶片、虫害、茎秆等图片进行统计,均匀抽取各个类别,将抽取后的数据按照一定比例划分为训练集以及验证集;对训练集数据做数据增强,并输入深度学习模型进行训练,在验证集上调整超参数,求出最优的有监督模型权重;对无标注的马铃薯病害数据,使用上述权重进行模型推理,实现预标注;根据检测置信度进行预标注数据的清洗;冻结模型的主干特征网络,仅反向回传模型最后输出层的梯度;将无标注的马铃薯病害数据输入模型,迭代上述训练和预标注过程,直至评估指标达到平衡。

    一种体温序列职业画像方法

    公开(公告)号:CN112086202B

    公开(公告)日:2022-11-22

    申请号:CN202010768565.X

    申请日:2020-08-03

    IPC分类号: G16H50/80 G16H50/70 G06K9/62

    摘要: 本发明公开了一种体温序列职业画像新方法,属于机器学习领域。首先针对某个目标用户,从体温数据库中提取固定时间段内的体温序列值生成该用户的体温时间序列数据集。如果该体温时间序列数据集有缺失,则对缺失的体温序列值进行补足,生成完整的体温时间序列数据。然后使用完整的体温时间序列数据生成目标用户的五维高层次特征,并将五维高层次特征组成K‑means聚类算法的输入向量,利用K‑means聚类算法得到不同职业的簇。最后对各个职业簇进行数据统计与分析,生成用户职业画像。本发明免去大量繁杂的人工操作,并且进一步挖掘了体温序列的深层次信息,更具表征性。

    一种基于SVM的异常体温序列检测装置及方法

    公开(公告)号:CN112057053A

    公开(公告)日:2020-12-11

    申请号:CN202010768189.4

    申请日:2020-08-03

    IPC分类号: A61B5/01

    摘要: 本发明公开了一种基于SVM的异常体温序列检测装置及方法,属于温度检测技术领域。本发明装置包括:佩戴在人体的温度检测设备,与温度检测设备通过无线通信的智能设备,智能设备上安装有用户体温数据库、体温序列提取单元、温度特征提取单元、支持向量机模型单元以及预警输出单元;本发明方法包括:收集用户体温时间序列数据;并对其进行提取及插值得到完整的体温时间序列数据;对体温时间序列进行挖掘特征值,生成特征向量;将特征向量添加用户标签,训练支持向量机,保存训练好的分类模型;最后将待判断用户体温数据输入训练好的分类模型,输出待判断用户的分类结果。本发明解决了在实际体温监测中存在着体温数据缺失、数据精度不高等问题。

    一种基于时间序列平稳性检验的异常体温序列筛选方法

    公开(公告)号:CN112057052A

    公开(公告)日:2020-12-11

    申请号:CN202010767411.9

    申请日:2020-08-03

    IPC分类号: A61B5/01

    摘要: 本发明提出一种基于时间序列平稳性检验的异常体温序列筛选方法,属于体温检测技术领域。包括:步骤一、生成初始体温时间序列;步骤二、对用户体温时间序列进行插值,补充缺失数据,形成完整的体温时间序列数据集;步骤三、对用户的体温时间序列的平稳性利用扩展迪基‑福勒方法进行检验,对检验结果为不平稳的体温时间序列,进一步做阶数为周期长度的差分,周期长度是指每日固定时间段长度,然后对差分所得体温序列再用扩展迪基‑福勒方法进行平稳性检验;步骤四、计算用户体温时间序列的特征评分,进行异常体温判定。本发明使用平稳性检验方法初步筛选体温时间序列,可以增加异常体温筛选工作的效率,避免大规模的计算工作。

    基于模板特征点及其拓扑结构的多币种面值识别方法

    公开(公告)号:CN104464079A

    公开(公告)日:2015-03-25

    申请号:CN201410837446.X

    申请日:2014-12-29

    IPC分类号: G07D7/20

    摘要: 本申请公开了基于模板特征点及其拓扑结构的多币种面值识别方法,包括:1、提取待识别纸币图像的特征点,记录特征点的位置及其特征描述;2、将待识别纸币图像的特征点与各个模板的基准点分别进行第一比对匹配,选取与一个或多个模板的基准点之间的匹配结果满足第一匹配条件的特征点,作为待识别纸币图像的基准点;3、以待识别纸币图像的基准点作为基准,生成其它特征点的拓扑结构信息;4、将待识别纸币图像的其它特征点的特征描述及其拓扑结构信息与一个或多个模板的特征点的特征描述及其拓扑结构信息进行第二比对匹配;5、选取与待识别纸币图像的比对匹配结果满足判别条件的模板所代表的币种及面值,作为待识别纸币图像的面值识别结果。