-
题名基于SURF特征改进的空调标签缺陷检测算法
- 1
-
-
作者
周慧子
刘跃霖
刘青
李建武
-
机构
北京理工大学计算机学院
珠海格力电器股份有限公司大数据中心
沈阳建筑大学中新国际工程学院
河北科技大学经济管理学院
-
出处
《河北科技大学学报》
北大核心
2025年第3期323-332,共10页
-
基金
国家重点研发计划项目(2024YFE0198300,2019YFB1310803)。
-
文摘
针对深度学习算法无法兼容设备检测及新样本收集、检测时效性及泛化能力差的瓶颈,提出了一种基于SURF特征改进的传统模板匹配检测算法。首先,使用SURF算法对图像进行特征提取,采用乘积量化理论构建搜索树,结合特征点空间位置信息快速筛选匹配点;其次,根据匹配点获取单应性矩阵和仿射变换矩阵,通过两矩阵结合筛选“内点”进行偏移量计算并执行图像配准;最后,结合局部缺陷密度度量法思想,综合区域前景及区域背景加权方式计算缺陷密度,通过缺陷密度判定标签是否合格,同时针对小字符特征少又含有局部偏移的场景,使用改进方法避免误判。结果表明,所提算法在自建数据集上的准确率、召回率及F1分别为98.67%、97.69%及98.18%,均优于主流方法,在设备上实际应用时满足实时性要求。该算法能有效提升特征点稳定性和检测精度,为其实际应用提供了技术参考。
-
关键词
图像处理
缺陷检测
SURF特征
图像配准
缺陷密度
-
Keywords
image processing
defect detection
SURF characteristics
image registration
defect density
-
分类号
TP317.4
[自动化与计算机技术—计算机软件与理论]
-
-
题名基于动态超图与药物处方信息融合的时序健康事件预测
- 2
-
-
作者
吴晗禹
刘天赐
矫拓成
车超
-
机构
大连大学先进设计与智能计算省部共建教育部重点实验室
-
出处
《计算机科学》
2025年第9期88-95,共8页
-
基金
国家自然科学基金(62076045)
高等学校学科创新引智基地(D23006)
+1 种基金
大连市重大基础研究项目(2023JJ11CG002)
国家外国专家项目(D20240244)。
-
文摘
时序健康事件预测是医疗人工智能领域的核心挑战之一。针对电子健康记录中药物与诊断复杂关联的建模难题,提出了DHMP模型。首先,通过动态子图学习机制,有效捕捉疾病演变的局部特征;其次,设计多超图融合架构,首次实现药物协同作用与诊断关联的联合建模;最后,开发时间感知注意力算法,精准解析诊疗记录中的长期依赖关系。在MIMIC-III和MIMIC-V两大临床数据集上的实验表明,DHMP模型将诊断预测准确率提升至26.68%,风险预测AUC达到90.65%,显著优于现有最佳方法。临床医生评估显示,模型预测结果与医学认知的一致性达89%,所提模型为智能辅助诊断提供了可靠工具。
-
关键词
动态子图学习
图神经网络
药物相互作用
时序健康事件预测
临床决策支持
-
Keywords
Dynamic subgraph learning
Graph neural network
Drug interaction
Temporal health event prediction
Clinical decision support
-
分类号
TP391
[自动化与计算机技术]
-
