本发明实施例提出一种变压器呼吸器检测方法、装置、系统及电子设备，属于图像检测领域。方法包括:检测出待测的变压器呼吸器的原始图像中的硅胶框，得到硅胶图像；利用像素检测模型对硅胶图像进行逐像素检测，得到与硅胶图像的像素点一一对应的多个像素检测结果；依据多个像素检测结果，获得硅胶图像的检测特征值，进而依据检测特征值，获得变压器呼吸器的变色检测结果。如此，先检测出原始图像中的硅胶框，并逐像素地进行局部细致检测，从而能够检测出硅胶区域(即硅胶框内)的每个像素点是否变色，同时排除了非硅胶区域的干扰，大大提高了检测精度，从而提高了变压器呼吸器的变色检测结果的正确率。
本发明属于图像处理技术领域，具体涉及基于机器视觉和AR的虫害检测与管理系统。所述系统包括:图像获取部分，用于获取目标农作物的超分辨率图像和光谱图像；对超分辨率图像和光谱图像分别进行图像预处理；图像区域提取部分，用于从预处理超分辨率图像中识别出目标农作物的叶片区域和茎秆区域；虫害判断部分，用于对光谱图像中的叶片区域和茎秆区域进行光谱分析；虫害分析部分，用于在判断结果为真的情况下，从预处理超分辨率图像中叶片区域；AR显示部分，用于在AR设备中显示目标农作物的病虫害区域。本发明实现了对农作物病虫害的自动识别和实时监测。结合先进的图像处理和机器学习算法，能够快速准确地提取特征、分析病虫害情况。
本发明公开了一种电路板的故障快速检测方法、系统及存储介质，涉及电路板的技术领域，其中视觉检测模块通过红外摄像头捕捉电路板图像，并利用图像处理技术划分检测区域，识别钻孔程度和判断通过孔是否偏离，从而进一步分析通过孔偏离对电路板性能造成的影响，信息采集模块对孔内壁进行检测和记录，获取相关残留材料信息，同时监测电路板的性能变化信息和热分布状态信息，为后续的故障综合分析提供全面的数据支持；故障综合分析模块对数据检测集进行特征提取，并通过训练后的故障检测模型计算得到故障评估指数Gpzs，实现对电路板故障的综合评估和分析，通过对故障评估指数Gpzs与故障阈值W进行对比分析，得出故障评分报告，采取相应的分拣作业。
本发明提出一种遥感影像检测方法、装置、电子设备及存储介质，属于图像处理领域，解决了现有的遥感影像目标检测的检测速度慢、准确率低的问题。方法包括:对遥感图像进行裁剪，得到多张待测图像；针对每张待测图像，采用预先训练的目标检测模型，得到待测图像中的目标框；依据待测图像对应的裁剪位置，将带有目标检测结果的各待测图像进行拼接，得到已测图像；对已测图像中的目标框去重，得到遥感图像的检测结果。本发明减小了模型处理单张图像时的数据量，缩短检测时长，且通过模型检测和目标框去重，排除掉了更多的外部干扰，从而提高检测速度和准确度。
本发明公开了一种基于在网计算的流表压缩方法，属于软件定义网络技术领域。针对在软件端侧聚合方法的不足和软件端侧处理流量能力不足的问题，通过1.设置并初始化流表规则，经过二叉树结构分解成互不重叠的规则；2.将互不重叠的规则压缩成可以进行算术运算的表达式规则，并将表达式规则部署在网络可编程交换机；3.在该网络可编程交换机内利用表达式规则匹配网络流量，并依照表达式规则的动作字段转发网络流量到相应的目的地址。本发明利用网络可编程交换机的算术计算功能，和软件侧压缩的表达式流表，实现网络处理大规模流量并转发的功能，减少了网络可编程交换机存储的流表数量，有效降低存储开销，提高了网络通信效率。
本发明公开了一种基于分段信道估计的通感一体化系统干扰消除方法，步骤为:建立无蜂窝协作通感一体化系统的信道模型和数据传输模型，通过所有用户发送上行导频，中央处理器CPU估计出用户与接入节点AP之间的数据传输信道；通过所有下行接入节点AP发送目标检测信号，所有上行接入节点AP联合接收信号，中央处理器CPU检测感知目标是否在场景中；通过所有下行接入节点AP发送下行导频，中央处理器CPU得到接入节点AP之间的交叉链路干扰信道的估计；系统同时进行上下行通信和对目标移动方向和速度的感知，并基于信道估计结果，对接受到的通信和感知信号分别进行干扰消除处理。本发明能够有效地直接抑制系统干扰，提升通信和感知性能。
本发明公开了一种基于上半身姿态的驾驶员情绪状态检测方法及系统，涉及计算机视觉技术领域，包括:基于预设人体姿态估计模型识别待检测驾驶员的上半身视频片段中的人体关键部位，得到各关节位置的时间序列；对关节位置时间序列进行预处理，转化成关节流数据和骨骼流数据；分别将关节流和骨骼流数据输入到多个经过训练之后的图卷积神经网络模型，得到多个分类结果；基于集成学习方法融合多个分类结果，得到待检测驾驶员的情绪状态识别结果。本发明缓解了现有技术中存在的在驾驶环境下的动作情绪识别准确率较差的技术问题。
本发明提出一种引入RBU的轻量化皮革表面缺陷显著目标检测方法，获取皮革表面图像，对其进行预处理；利用模型RBU＆lt;supgt;2＆lt;/supgt;Net对预处理后的图像进行目标检测。本发明提出残差瓶颈U型块作为特征提取单元，融合了深度可分离卷积和通道注意力的性能优势，在一定程度上解决了工业生产线上的自动化皮革缺陷检测存在计算设备受限的困境。通过在模型中引入临近特征增强模块，强化模型对于多尺度特征的融合能力，优化目前在皮革检测领域无法准确刻画缺陷形状的情况。另外，还引入像素混合采样提高了特征信息利用率，增强模型的空间感知能力，使其在检测具有种类繁多、缺陷形状无规则、尺度变化范围大等皮革表面缺陷时，提升皮革检测的精确度。
本发明给出一种基于金字塔的SAR图像相干斑抑制方法。首先，将四种不同的残差模块级联成的残差块加到噪声估计的阶段，可以更充分地利用不同深度的残差模块对特征信息的提取，来促进学习过程；然后，采样多尺度的特征信息得到一个五级金字塔，可充分利用不同尺度的感受野以提取到多样化的、不同尺度空间的特征信息；最后，利用得到的多尺度特征信息进行融合、去噪，得到去噪后的图像，上下文信息对去噪后的图像保留细节信息有帮助。本发明利用四种不同的残差模块级联成的残差块和基于金字塔的思维对SAR图像进行多尺度特征提取、融合和去噪，实现了对真实SAR图像的去噪，并有效地保留图像去噪后的细节特征，显现了优异的去噪性能，具有广泛的适用性。
本发明属于三维检测相关技术领域，其公开了一种考虑多层级特征的多类别点云异常检测方法及系统，方法包括:提取训练用点云数据的多维特征，获得局部特征和全局特征；对全局特征进行聚类获得多个聚类中心，组成类别记忆库；在类别记忆库中获得与每个训练用点云数据的全局特征距离最近的聚类中心作为该目标聚类中心，提取集合的核心集作为子记忆库；利用待测点云数据的全局特征获得对应的目标子记忆库，而后利用待测点云数据的局部特征在目标子记忆库中查找距离最近的目标特征；计算待测点云数据的局部特征与目标特征之间的距离获得异常分数，依据异常分数判断待测点云数据的异常情况。本申请解决了多类数据相似导致的特征混淆问题的技术问题。