-
公开(公告)号：CN107529658A
公开(公告)日：2018-01-02
申请号：CN201710567042.7
申请日：2017-07-12
Applicant: 湖州师范学院
Abstract: 高噪声显微图像下的自动检测微管方法，步骤1：对输入的原始图像平滑去噪得到去燥图像；步骤2：对预处理图像去除非管状形状的小块物质得到预处理图像；步骤3：利用meanshift平滑分割算法和形状滤波对预处理图像的特征空间，进行图像的微管分割；步骤4：对分割图像二值化转化，根据联通区域的面积阈值对比进一步去除一些残留的污染物；步骤5：利用形状信息，提取微管的边界信息，并将边界信息画在原图像中；该方法基于Hessian矩阵的管状形状构建滤波器，并创新结合形状滤波和meanshift平滑分割算法。经过大量的图片测试，本方法能有效的检测识别高噪声冷冻电镜图像中的微管。
-
公开(公告)号：CN107527348A
公开(公告)日：2017-12-29
申请号：CN201710560017.6
申请日：2017-07-11
Applicant: 湖州师范学院
Abstract: 基于多尺度分割的显著性目标检测方法，步骤1：利用双边滤波参数对输入图像进行平滑图像处理，再进行不同分割尺度的超像素分割；根据分割得到的超像素，计算全局平滑度；将全局平滑度与双边滤波参数结合，构建以分割效果为目标的自适应算法函数，求解不同尺度下的双边滤波参数，得到最优的平滑图像中的超像素点；步骤2：利用目标似然图技术来获得初始前景种子，并使用图像的边界作为初始背景种子，通过交叉验证法，从初始前景种子和初始背景种子中选择背景种子和前景种子，并生成基于背景的RBB显著图和基于前景的RFB显著图；步骤3：计算超像素点的尺度权重，背景种子和前景种子的种子权重；合并得到的RBB显著图和RFB显著图，最终获得显著图。
-
公开(公告)号：CN119904327A
公开(公告)日：2025-04-29
申请号：CN202510289661.9
申请日：2025-03-12
Applicant: 湖州师范学院
IPC: G06Q50/02 , G06F18/10 , G06F18/213 , G06F18/25 , G06N3/042 , G06N3/0464 , G06N3/0442 , G06N3/098 , G06N3/092
Abstract: 本发明公开了一种基于联邦学习的智慧渔业平台的建设方法和系统，属于联邦学习技术领域，方法包括：搭建智慧渔业平台以获取鱼群多模态数据、数据预处理、特征提取、特征融合、本地鱼群健康评估模型构建、联邦学习训练和实时预警。本发明提供了一种高效、可靠且安全的智慧渔业平台管理解决方案，解决了现有智慧渔业平台存在的数据孤岛、隐私安全、模型局限性以及动态调整困难的问题，显著提升了鱼群健康管理的科学性和实用性。
-
公开(公告)号：CN116868937A
公开(公告)日：2023-10-13
申请号：CN202311015455.6
申请日：2023-08-14
Applicant: 湖州师范学院 , 星光农机股份有限公司
Abstract: 本发明涉及渔业养殖设备技术领域，公开了一种基于深度学习的鱼饲料自动投喂系统，该系统包括图像数据采集模块、硬件设备、风力投喂机、投喂算法控制模块、前后端模块和云服务模块，该系统采用定时投喂和算法检测相结合的形式来实现自动投喂，根据渔场每天人工投喂的时间来将定时投喂集成到算法上，再通过深度学习算法模型对摄像头拍摄到的视频图像进行实时检测，根据鱼池中水面波纹的剧烈程度、残余饵料的量、水面鱼的数量来进行分类，分为强摄食、弱摄食和不摄食三种状态控制投喂；本发明效率高、成本低、更稳定，可以节省大量的人力、物力和财力，操作方便，通过算法根据每个鱼池不同的进食量来动态控制投喂时长，进而达到控制投喂量的效果。
-
公开(公告)号：CN115443936A
公开(公告)日：2022-12-09
申请号：CN202211111637.9
申请日：2022-09-13
Applicant: 湖州师范学院
IPC: A01K61/80 , G05B19/042
Abstract: 本发明提供一种水生生物智能投喂控制系统及方法、电子设备和存储介质，系统包括：智能监测模块、数据传输模块和智能控制模块；智能控制模块包括：中心控制单元、投喂控制单元和温度控制单元；智能监测模块与数据传输模块连接，用于采集水生生物的生存环境信息和健康状态信息；数据传输模块与智能控制模块连接，用于将生存环境信息和健康状态信息传输至智能控制模块；中心控制单元，用于根据生存环境信息和健康状态信息，基于预设智能调控机制，确定目标投喂量和目标水体温度；投喂控制单元根据目标投喂量，投喂水生生物；温度控制单元根据目标水体温度，调节水生生物饲养环境水体温度。能够实现智能投喂，保障水生生物的健康、提高存活率。
-
Patent Agency Ranking
公开(公告)号：CN107609594A
公开(公告)日：2018-01-19
申请号：CN201710841894.0
申请日：2017-09-18
Applicant: 湖州师范学院
Abstract: 基于自适应遗传方法的显著性检测方法，1：根据图像颜色差异分析，建立图像凸包；利用超像素分割方法将输入图像分割成N个超像素,并用超像素代替像素作为显著性检测方法的基本操作单位；2：利用自适应遗传方法来找出步骤1得到的凸包内显著性的目标并构造遗传先验图；3：在步骤1得到的凸包中通过颜色和位置构建中心先验模型；4：将步骤2的遗传先验图与步骤3的中心先验模型融合成先验图；5：将以凸包为划分,把凸包内部的似然概率作为显著性目标的似然概率引入贝叶斯优化模型来优化步骤4得到的先验图的先验概率，以得到最终的显著图。
-
公开(公告)号：CN107526772A
公开(公告)日：2017-12-29
申请号：CN201710567034.2
申请日：2017-07-12
Applicant: 湖州师范学院
Abstract: Spark平台下基于SURF-BIT算法的图像检索系统，Spark是专为大规模数据处理而设计的快速的计算引擎，用于克服检索速度和准确性方面的缺陷。相对于传统的SURF使用浮点数描述符表示图像特征点，BRISK使用均匀采样模式生成二进制描述符，本发明将两者融合减少了内存消耗并加快了图像检索速度。在图像匹配阶段，我们用RANSAC剔除预匹配点对中的误匹配点对，以进一步提高匹配点对的准确性。实验结果表明，与传统图像检索系统相比，我们提出的图像检索(CBIR)系统的检索速度和准确度达到了新的阶段。
-
公开(公告)号：CN119229954A
公开(公告)日：2024-12-31
申请号：CN202411097119.5
申请日：2024-08-12
Applicant: 湖州师范学院
IPC: G16B15/30 , G06F18/213 , G06F18/25 , G06N3/0455 , G06N3/042 , G06F18/27
Abstract: 本发明提出了一种基于多通道信息融合的药物靶标亲和力预测方法。该方法综合运用了化学信息编码、深度学习技术和特征融合策略，分别采用Transformer模块和多层图同构网络模块(MGIN)分别对药物的化学信息和分子结构进行特征提取，通过一个包含三分支的卷积神经网络层(CNNs)来学习靶标的序列特征。接下来，将提取到的药物局部化学特征、全局结构特征和靶标序列特征通过特征融合模块进行融合，形成多通道交互融合的药物靶标联合表征。最后，将联合表征输入到预测模块进行回归预测。该方法通过对药物分子的双模态特征表示和药物靶标多通道信息交互，实现了一种更全面和信息丰富的分子结构编码方式，有效提高了预测药物靶标亲和力的准确度。
-
公开(公告)号：CN119090758A
公开(公告)日：2024-12-06
申请号：CN202411012000.3
申请日：2024-07-26
IPC: G06T5/70 , G06T5/60 , G06N3/0895 , G06T11/00
Abstract: 本发明涉及生物医学图像处理技术领域，提供了一种基于自监督学习的冷冻电子断层扫描图像去噪方法，该方法包含以下步骤：S1.获得冷冻电子断层扫描的倾斜系列投影图像，对其进行三维重建，得到噪声图像V(x)；S2.对倾斜系列投影图像进行二维去噪得到去噪后的倾斜系列投影图像，并将其重建为平滑图像#imgabs0#S3.将V(x)和#imgabs1#分别裁剪成一系列重叠图像块，并将噪声图像块利用平均体积盲点替换策略构造训练数据对；S4.构建结合抗伪影池化层和特征聚焦注意力模块的去噪模型；S5.将训练数据对和对应的平滑图像块输入到去噪模型中进行训练，直到模型收敛。本发明解决了现有技术中去噪效果过于平滑且存在伪影的问题，去噪后的图像具有信噪比高和细节清晰的特点。
-
公开(公告)号：CN107527018A
公开(公告)日：2017-12-29
申请号：CN201710617052.7
申请日：2017-07-26
Applicant: 湖州师范学院
CPC classification number: G06K9/00228 , G06K9/4619 , G06K9/6256 , G06N3/084
Abstract: 基于BP神经网络的动量人脸检测方法，该方法将Gabor特征和动量因子反向传播算法相结合。首先提取训练集的Gabor特征，并将其输入到动量因子反向传播神经网络中进行训练。然后，使用训练好的系统去检测输入图像中是否存在人脸，如果存在则用矩形标出。为了提高传统反向传播算法的训练效果，将动量因子加到该算法中，有效地减缓神经网络在训练中的震荡趋势，可以避免算法陷入局部最小值。此外，增加的动量因子可以自适应地调整反向传播神经网络每层的权重值。大量的实验结果表明，与经典的或最先进的人脸检测模型相比，我们的实验方案是有效的并且具有竞争力。
-
-
-
-
-
-
-
-
-
Search Results
30
records
(took 0.032 seconds)
