-
公开(公告)号：CN112794527A
公开(公告)日：2021-05-14
申请号：CN202011603917.2
申请日：2020-12-30
Applicant: 湖州师范学院
Abstract: 一种应用于计算机物联网的智能污水处理装置，包括第一箱体，第一箱体两侧外壁有放置箱，第一箱体内有支撑板，左侧放置箱上有消毒灯，右侧放置箱的一侧内壁安装伸缩杆，右侧放置箱上有移动装置，第一箱体的下方有第二箱体，第二箱体内有第一过滤吸附板，第二箱体的一侧内壁有防水伸展装置，防水伸展装置内有第二过滤吸附板，第二箱体底端有排放管。通过本发明可以将生活垃圾中的固体杂物与污水分离，并且分离后的杂物再通过消毒灯进行消毒处理，而且在第二过滤吸附板的转动下，增加污水与第一吸附板的接触，同时第二过滤吸附板自身再带有污水处理功能，而且在挤压沥水的过程中，第二箱体内可以进行污水处理，同时第一箱体内进行挤压沥水操作。
-
公开(公告)号：CN107527348B
公开(公告)日：2020-10-30
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：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：CN119184007A
公开(公告)日：2024-12-27
申请号：CN202310376344.1
申请日：2023-04-10
Applicant: 湖州师范学院
Abstract: 本发明提供一种鱼类投喂控制方法及系统、电子设备和存储介质，其中，方法包括：在目标鱼群摄食状态下，采集目标鱼群视频；根据目标鱼群视频，确定鱼群摄食行为的动态特征和静态特征；其中，动态特征为目标鱼群整体运动方向的混乱程度；静态特征为目标鱼群摄食视频图像的纹理特征；根据动态特征和静态特征，确定鱼群摄食行为状态；其中，鱼群摄食行为状态包括：饱食状态和饥饿状态；若确定目标鱼群处于饱食状态，则停止投喂。能够准确确定鱼类摄食需求，科学实现鱼类实时按需投喂，有效提高饵料利用率，提高养殖效益。
-
Patent Agency Ranking
公开(公告)号：CN119180904A
公开(公告)日：2024-12-24
申请号：CN202411269193.0
申请日：2024-09-11
Applicant: 湖州师范学院
IPC: G06T15/55
Abstract: 本发明公开了一种基于Unity引擎的神经辐射场高效渲染方法。方法包括：构建同一场景下各元素的3D模型并输入Unity引擎中处理后输出场景图像；将场景图像进行自适应采样处理后获得包括不同密度的自适应采样点的场景图像，输入神经辐射场中进行训练；将训练完成的神经辐射场封装成插件后集成到Unity引擎中，进行图像或3D模型的高效渲染。本发明方法将神经辐射场技术与Unity引擎相结合，通过Unity引擎图像信息获取结合神经辐射场的高效渲染能力，显著提高了对高精度三维模型的渲染效率和速度，不仅加快了Unity引擎中三维模型的渲染流程，也极大提升了整体处理效能，为三维模型的高效渲染和处理提供了坚实的技术支撑，具有重要的研究意义和应用价值。
-
公开(公告)号：CN119091974A
公开(公告)日：2024-12-06
申请号：CN202411012225.9
申请日：2024-07-26
Applicant: 湖州师范学院
Abstract: 本发明提出了一种基于图模态与序列模态的药物靶标亲和力预测方法，旨在解决单模态局限性及现存图神经网络的局部与整体结构捕捉问题，并实现多模态特征融合。方法包括：数据预处理，将蛋白质序列及分子SMILES序列转换成Graph形式；图模态和序列模态特征提取，分别设计特征提取模块；多模态特征融合，通过特定模块进行特征融合；利用深度神经网络(DNN)进行回归预测。在模型训练中，通过优化参数和结构提高预测性能，并进行对比实验验证，展示了可靠性，表明其在药物研发中的应用潜力。
-
公开(公告)号：CN118521792A
公开(公告)日：2024-08-20
申请号：CN202410833731.8
申请日：2024-06-26
IPC: G06V10/26 , G06V20/70 , G06V20/69 , G06V10/774 , G06V10/82 , G06V10/74 , G06N3/0895 , G06N3/045 , G06N3/096
Abstract: 本发明涉及图像处理技术领域，特别涉及一种组织病理学图像的分割方法、装置、设备、介质及产品，其中，方法包括：根据有标签数据和无标签数据对半监督分割模型进行训练，且有标签数据的样本数量小于无标签数据的样本数量，根据每个类的原型语义对比学习类间的不同特征表示，根据类间的不同特征表示计算对比损失，利用标记样本和未标记样本之间的原型语义相似度获取原型伪标签；根据训练过程的总损失更新学生模型的权重参数，将学生模型的权重参数传递给教师模型，在训练结束后利用半监督分割模型对组织病理学图像进行分割得到分割结果。由此，解决了如何更好地利用全局信息进行原型对比学习和降低伪标签的噪声等问题。
-
公开(公告)号：CN117976084A
公开(公告)日：2024-05-03
申请号：CN202311184426.2
申请日：2023-09-14
Applicant: 湖州师范学院
Abstract: 本发明提供了一种化合物多模态的血脑屏障通透性预测方法，该方法包括以下步骤：第一步，对样本化合物进行预处理，得到不同的化合物模态；第二步，将处理好的多模态样本数据使用多种神经网络模型在有样本标签的监督下进行训练；第三步，经过各个模态的神经网络提取的特征，进入到预测器，对化合物的血脑屏障通透性进行预测，输出结果与实际结果进行损失计算，利用反向传播进行参数的优化；第四步，使用训练好的模型预测待测化合物的血脑屏障通透性。本发明采用了化合物的多种模态，使用了深度学习模型来预测化合物的血脑屏障通透性，该模型可以从化合物的多模态中得到更多的特征信息，从而能提高预测的准确度。
-
公开(公告)号：CN112907545B
公开(公告)日：2023-10-10
申请号：CN202110212238.0
申请日：2021-02-25
Applicant: 湖州师范学院
IPC: G06T7/00 , G06T7/13 , G06T7/181 , G06T7/155 , G06T7/187 , G06T7/11 , G06T7/136 , G06T7/194 , G06T5/30 , G06T7/66 , G06V10/56 , G06V10/28 , G06V10/25
Abstract: 基于图像处理的种子芽长与根长检测方法。首先利用颜色特征提取叶片信息，并在整株芽长二值图像中去除叶片区域信息，其次通过圆盘结构元素与线性结构元素腐蚀图像方法分割出种子图像获得种子的中心，再对整株芽长二值图像进行图像增强和边缘轮廓处理，最后对芽长图像进行骨架提取与剪枝，依据像素点间的欧氏距离计算种子的芽长与根长。实验结果表明，包含特征选择与骨架提取的图像处理过程实现对种子芽长与根长的高精度、快速检测。
-
-
-
-
-
-
-
-
-
Search Results
32
records
(took 0.029 seconds)
