本发明公开了一种血管内超声设备分辨率的测试工具,包括支架总成以及至少一条靶丝；在所述支架总成上形成有测试工位以及导管安装工位,所述靶丝至少部分位于测试工位的空间区域内,当被测试的导管安装于所述导管安装工位时,所述导管穿过测试工位的空间区域；所述导管与靶丝在测试工位的空间区域内的部分能够按照预设的位置参数布置。本发明还提供一种血管内超声设备分辨率的测试方法,包括以下步骤：按照预设的位置参数布置导管以及靶丝；操作导管测量靶丝的位置参数；将测量得到的靶丝位置参数与预设的靶丝位置参数进行比对。采用上述技术方案,能够判断判断导管显像效果以及导管质量,使用方便,测试精度较高。

本发明公开了一种基于机器视觉的鱼病识别处理装置,涉及鱼病识别技术领域,一种基于机器视觉的鱼病识别处理装置,包括微处理器,所述微处理器能完成取指令、执行指令,以及与外界存储器和逻辑部件交换信息操作；数据库,所述数据库用于将采集的不同时期、不同品种的鱼苗活动数据、环境数据、病变样本的存储,用户可以对文件中的数据运行新增、截取、更新、删除操作。本发明相比现有技术具有以下优点：本发明通过机器视觉技术和大数据技术相配合,实现大数据技术鱼病诊断、鱼塘环境云端智能监控和智能化处理,有效推动智慧渔业的发展,提高渔业生产效率和产量、保障水产品安全、降低渔业养殖风险、改善渔业养殖环境。

本公开涉及一种基于血管影像补全的脑卒中分型方法及装置,所述方法包括：对对象脑部的第一目标图像进行图像处理,得到脑梗病灶信息；对所述对象脑部的第二目标图像进行图像处理,得到血管重建结果；对所述血管重建结果进行血管断裂状态检测,得到待补全中断点；在所述待补全中断点处进行血管补全,得到补全后的血管重建结果；根据所述补全后的血管重建结果,得到脑部血管病变信息；根据所述脑梗病灶信息及所述脑部血管病变信息,得到所述对象的脑卒中分型结果。本公开实施例可以有效统计血管闭塞情况,在得到血管重建结果中存在血管断裂形态的情况下,自动将血管闭塞位置补全为正常贯通状态,以提高脑卒中分型结果识别的准确性、效率。

本发明公开了一种基于远程感烟探测的智能预警系统,包括：监控模块,用于监控目标区域,获得视频流,感烟探测模块,用于探测并获取所述目标区域的烟雾信息,处理模块,用于根据所述烟雾信息判断所述目标区域内是否发生火灾,当发生火灾时,根据所述视频流定位发生火灾的第一区域,通讯模块,用于将所述第一区域的定位结果传送到指定终端进行显示,用以利用视频监控和烟感探测器实现远程监控的目的,提供了一种预警全面,智能化程度高的火灾预警装置。

本发明提供堤防护坡植被异常生长病害识别方法及系统,属于堤坝病害检测技术领域,获取堤坝岸坡点云数据；根据堤坝岸坡点云数据,提取堤坝岸坡上的植被区域；对植被区域的点云数据进行移动分步切片,对相邻切片的点云密度差与预设的点云密度差阈值遍历对比,直至相邻切片的点云密度差不小于预设的点云密度差阈值,得到移动步数；根据移动步数,确定植被异常区域分界线；根据植被异常区域分界线进行位置标定,确定植被异常区域位置信息,作为堤坝岸坡病害区域。本发明通过对边坡植被点云密度进行对比,找出草木异常生长区,对其差异性进行分析,进而判断该部位是否存在病害；解决了不同项目堤防岸坡病害检测中范围大、耗时长、劳动力消耗大的难题。

本发明公开了一种基于冠脉造影图像判断狭窄血管尺寸的深度学习方法,属于医学技术领域,该方法包括：获取实验所需要的冠脉造影图像数据,该冠脉造影图像数据为冠脉造影图像并含有相应的标签,将冠脉造影图像数据分为训练集、验证集和测试集；使用训练集和验证集进行训练,利用深度学习的方法训练一个多任务分类回归预测模型,整个模型包括一个分类支路和一个回归支路,分类支路由交叉熵损失函数监督训练,回归支路由一个主损失函数平均绝对误差和一个跨空间距离保持正则化的损失函数相结合进行监督训练,从而提高预测的准确率,该方法可以帮助医生快速确定相应的血管指标信息,进而可以帮助医生提高手术成功率。

本申请涉及智能设备技术领域,公开一种烘烤设备中食材体积检测的方法及装置、烘烤设备。该方法包括：获取放置了食材的烘烤设备的工作区域的图像；通过霍夫变换对所述图像进行分析,确定所述食材在所述烘烤设备中的位置图像信息；获取所述食材的体积信息,其中,所述体积信息是根据所述位置图像信息,以及所述图像中设定表面的分割图像信息确定的。这样,不需增加任何硬件设备,即可确定食材的体积,减少了烘烤设备的制造资源,并且,不依赖重量测量硬件设备的性能,提高了确定食材体积的准确性。

本发明为一种基于边界框和同现特征预测的图像分割方法,首先,使用FCOS方法、多尺度策略和中心度思想,确定主体的检测框范围；其次确定主体部分设计了上下文感知金字塔特征提取模块得丰富的上下文特征,结合上下文感知金字塔特征提取模块特征映射后的通道注意机制模型模块和低层次特征映射后的空间注意机制模型模块,再使用交叉熵损失来监督显著边界定位信息的生成；对图像的同现特征进行预测,测量同现特征和目标特征的相似性来学习同现特征的概率并加入上下文先验信息以增强复杂场景中的鲁棒性,然后精准化边缘过程,达到目标精准分割的效果。

本发明提供了一种基于高斯混合模型的唇部分割方法,包括以下步骤：步骤1,对输入图像进行人脸检测,获取人脸上半部分区域,将该区域的像素颜色作为训练数据建立肤色高斯混合模型并计算下半脸中每个像素的肤色概率值,得到人脸下部肤色概率图；步骤2,根据嘴唇的先验知识,在人脸下部肤色概率图中迭代检测得到唇部区域；步骤3,将唇部区域和非唇部区域的像素作为训练数据建立唇部区域和非唇部区域的高斯混合模型并计算唇部区域中各像素的概率值,得到背景概率图；步骤4,对背景概率图进行OSTU二值化处理并通过区域生长法和中值滤波进行优化,最后通过k-points方法处理得到最佳唇部区域；步骤5,根据最佳唇部区域在输入图像中对应提取嘴唇轮廓图像。

本发明提供一种基于人工智能的颈动脉斑块分割方法、装置及存储介质,包括：获取原始模式图像切片,基于所述原始模式图像切片识别分叉切片；对所述分叉切片进行初始边界点的标记,将标记的初始边界点进行插值以创建连续的初始边界；通过距离规则化水平集细化所述初始边界,获得颈动脉斑块血管内腔内膜边界和外壁边界,得到颈动脉斑块。本发明提供的技术方案,基于3DUS和深度学习的斑块分割集成框架,使用全新的3DUS成像对颈动脉斑块进行自动分割,提高了颈动脉斑块分割的准确率,能够更全面地测量斑块负担,使得颈动脉斑块的识别更加精确。