一种基于深度学习的尘肺检测方法与系统.pdf
书生****写意
亲,该文档总共12页,到这已经超出免费预览范围,如果喜欢就直接下载吧~
相关资料
一种基于深度学习的尘肺检测方法与系统.pdf
本发明涉及一种尘肺结节的检测方法,包括以下步骤:S1、转化DICOM格式的CT图像为numpy数组格式的肺部图像并读取该CT图像数据信息;S2、进行形态学操作得到只保留肺部实质的实质图像;S3、将实质图像分割成若干个小块的小块图像;S4、将这些小块图像送入卷积神经网络进行尘肺结节的筛选及诊断,并得到检测结果;S5、将检测结果保存为csv格式。本发明通过对CT图像进行转化、形态学操作、筛选,检测尘肺结节的个数以及所在的坐标区域,实现尘肺症状的自动诊断,减少了尘肺鉴别需要大量医疗资源的问题。
一种基于深度学习的皮带缺陷检测方法及系统.pdf
本申请提供一种基于深度学习的皮带缺陷检测方法及系统,检测方法包括:构建皮带训练网络模型,构建构建皮带训练网络模型包括随机仿射变换特征提取处理步骤、激励注意力机制处理步骤和小目标检测头处理步骤;训练皮带训练网络模型得到目标权重文件;向皮带底部发射激光;获取皮带待检测图片;对皮带待检测图片进行解析检测处理得到像素块组;比对像素块组与所述目标权重文件,得到比对结果;判断比对结果是否大于比对阈值;若是,则生成用于关闭皮带机的控制指令。本申请通过上述检测方法及系统提高了对皮带缺陷的不同位置的特征提取能力,提高激光线
一种基于深度学习的电力杆塔状态检测的方法及系统.pdf
本发明提出了一种基于深度学习的电力杆塔状态检测的方法,该方法具体包括如下步骤:获取供构建深度学习模型数据并划分数据集;构建数据模块并加载数据,进一步构建该深度学习模型的损失函数;进一步构建用于深度学习训练的目标模型,并进行训练以及验证该目标模型;挑选获得所需的目标模型,导入待检测的目标电力杆塔检测其状态;以及根据预设阈值输出目标检测的结果。通过深度学习目标检测结合电力杆塔状态的检测,生成的模型较小,有利于部署移植到边缘设备进行结果计算,从而提高巡检人员的工作效率,减少成本。
一种基于深度学习的包装喷码检测方法及系统.pdf
本发明涉及计算机视觉技术领域,具体涉及一种基于深度学习的包装喷码检测方法及系统;基于深度学习的包装喷码检测系统包括运输模块、采集模块和处理模块,运输模块将包装盒运输至采集模块的一侧,采集模块与处理模块电性连接,采集模块用于拍摄包装盒上的喷码,并将喷码图片传输至处理模块,处理模块用于分析喷码图片,并输出检测结果;运输模块包括底座、传输带、支撑架、找平臂和限位臂,采集模块包括升降臂和摄像头;通过传输带运输待检测的包装盒,利用找平臂将包装盒扶平,再利用限位臂将包装盒定位,升降臂调节摄像头的高度,摄像头对喷码拍照
一种基于深度学习的泰勒锥检测方法及检测系统.pdf
本发明涉及静电纺丝领域,具体涉及一种基于深度学习的泰勒锥检测方法及检测系统,该方法包括:采集图像样本,对采集到的图像样本进行训练生成泰勒锥检测模型;在静电纺丝设备上安装部署了泰勒锥检测模型的小型计算机,使用泰勒锥检测模型在静电纺丝过程中对纺丝针头处是否形成泰勒锥进行检测。检测系统包括:图像样本采集装置、检测模型训练装置、静电纺丝装置,图像样本采集装置用于采集图像样本,高性能计算机用于训练生成检测模型,将检测模型部署在静电纺丝设备上的小型计算机中检测是否生成泰勒锥,通过上述检测方法及检测系统,实现自动检测泰