公开(公告)号：CN118015613A

公开(公告)日：2024-05-10

申请号：CN202410271644.8

申请日：2024-03-11

Applicant: 塔里木大学

Inventor： 王建夏 ,  谢渠 ,  蒙田

IPC: G06V20/68 ,  G06V10/764 ,  G06V10/40 ,  G06N20/00

Abstract: 本发明涉及苹果采摘的图像识别领域，尤其涉及一种基于机器学习的苹果采摘多种类图像识别方法，包括：S1、利用苹果采摘的实时图像进行图像特征提取处理得到苹果采摘的实时图像特征；S2、利用所述苹果采摘的实时图像对应历史实时图像基于机器学习建立苹果采摘的综合识别特征模型；S3、根据所述苹果采摘的实时图像特征与综合识别特征模型得到苹果采摘多种类图像识别结果，避免了基于图像处理的单一步骤导致最终识别误差的情况，在实时图像来源唯一的前提下，对图像进行双重变换处理，提升识别准确性，又改善了方案自身逻辑性的循环迭代。

公开(公告)号：CN117726609A

公开(公告)日：2024-03-19

申请号：CN202311798331.X

申请日：2023-12-26

Applicant: 塔里木大学

Inventor： 张学东 ,  谢渠 ,  邬欢欢 ,  高贤强

IPC: G06T7/00 ,  G06T7/11 ,  G06N3/0464

Abstract: 本申请提供了用于眼底图像异常分析的图像采集存储方法，涉及图像采集技术领域，该方法包括：建立基础图像集；建立眼底图像的映射区域关注；所述映射区域关注配置初始分割区间；进行基础图像集的识别分割，并将识别分割结果输入深度图像识别模型；读取深度图像识别模型的输出结果，并根据所述输出结果对所述基础图像集的分割重构标识；根据分割重构标识结果进行分区策略存储，根据分区策略存储进行基础图像集的存储管理，解决了现有技术中存在的由于对眼底图像的异常分析效果不佳，进而导致存储后的图像细节缺失，对于病情诊断的辅助作用不佳的技术问题，达到减少内存占用，提升存储后的图像的调用效率，为病情诊断提供辅助作用的技术效果。

公开(公告)号：CN118247832A

公开(公告)日：2024-06-25

申请号：CN202410392016.5

申请日：2024-04-02

Applicant: 塔里木大学

Inventor： 张学东 ,  王建夏 ,  谢渠

IPC: G06V40/18 ,  G06V10/778

Abstract: 本发明涉及眼底图像分析处理领域，尤其涉及一种基于自监督学习的眼底图像识别方法，包括：获取实时眼底图像数据进行验证得到实时眼底图像数据的基础识别结果；利用所述实时眼底图像数据的基础识别结果基于自监督学习算法进行区域划分处理得到实时眼底图像数据的分区结果；利用所述实时眼底图像数据的分区结果得到实时眼底图像数据的眼底图像识别结果，将眼底图像的内部特征与图像自身特征结合提取，保证了图像外部准确性的同时，又与图像内容确保其关联性，对于大批量数据存储历史的应用场景有非常可靠实施结果，在实际应用中可进行方案循环迭代，最终实现眼底图像识别结果的稳定与准确。

公开(公告)号：CN117789280A

公开(公告)日：2024-03-29

申请号：CN202311798332.4

申请日：2023-12-26

Applicant: 塔里木大学

Inventor： 张学东 ,  谢渠 ,  邬欢欢 ,  高贤强

IPC: G06V40/18 ,  G06V10/82 ,  G06V10/26

Abstract: 本发明公开了基于眼底图像采集特征识别的动态检测方法及系统，涉及医学检测技术领域，所述方法包括：对多角度眼底全局图像集合依次进行滤波处理、图像增强，得到目标多角度眼底全局图像集合，再对所述目标多角度眼底全局图像集合进行图像多级分割，确定多角度眼底分割子区域集合进行多尺度分解、标签化分类，获得眼底特征标签样本数据集合；利用深度学习网络结构对眼底特征标签样本数据集合进行训练验证，生成眼底异常特征识别网络，基于眼底特征识别周期和所述眼底异常特征识别网络对目标受检者进行眼底异常动态检测。达到实现眼底图像多区域、多周期动态检测，提高特征识别准确性和眼底检测效率，进而确保眼底检测结果精度的技术效果。