本技术提供了一种钢材表面缺陷检测方法及装置，属于钢材缺陷检测技术领域，包括:构建基于YOLO架构的缺陷检测网络，缺陷检测网络包括轻量级特征提取网络、自适应多尺度特征融合网络和头部网络；轻量级特征提取网络包括四层架构，每一层架构包括第一卷积层和空间膨胀特征模块；特征空间膨胀模块包括第二卷积层和元素乘法算子模块；自适应多尺度特征融合网络包括自适应融合模块和特征空间膨胀模块；基于历史钢材缺陷图像对构建的缺陷检测网络进行训练，将训练好的缺陷检测网络使用LAMP进行通道剪枝；获取待识别的钢材图像，将待识别的钢材图像输入剪枝后的缺陷检测网络中进行缺陷检测。该方法能够在降低网络复杂度的同时，提高网络的缺陷检测精度。

 本技术涉及皮带检测领域，公开了一种皮带和物料偏移检测方法、设备及存储介质，方法包括步骤:利用工业相机获取不同时段物料运输和不带物料运输的皮带图像；将采集得到的图像使用label打上标签，分为皮带和物料两类，得到构建好的数据集；构建皮带和物料分割模型，利用构建好的数据集训练所述皮带和物料分割模型，得到训练好的模型；利用工业相机获取实时图像，将实时图像输入至训练好的模型，得到偏移判断结果。本发明的有益效果是：相比于传统的皮带跑偏和物料偏移检测方法，检测准确率高，可实现性好。

 本文公开了一种应用卷积神经网络的空间碎片检测方法，涉及图像处理领域，该方法包括获取待检测空间的图像数据；以卷积神经网络为架构，融合轻量级跨尺度特征融合模块和内容感知特征重组模块构建得到碎片检测模型；将待检测空间的图像数据输入至碎片检测模型，得到空间碎片检测结果。本申请能够弥补复杂观测环境中出现的检测问题，提高空间碎片检测精确度。

 本技术公开一种基于最优图像子区尺寸自适应计算的三维数字图像方法(three‑dimensional digital image correlation,3D‑DIC)，包括:基于图像子区回答梯度平方和(Sum of square of subset intensity gradients,SSSIG)阈值的散斑评价方法来估计初始图像子区尺寸和图像子区尺寸的取值范围；基于初始图像子区尺寸进行时序匹配和立体匹配的尝试DIC计算获得初始位移场，并基于局部最小二乘拟合方法估计高阶位移导数；基于高阶位移导数和散斑相关参数计算最优图像子区尺寸；将初始位移场作为初始值，结合时序匹配和立体匹配的最优图像子区尺寸优化计算得到最终的图像位移结果；基于模拟立体视觉系统生成的模拟图像数据，验证了本发明所使用的自适应算法获得比常规三维数字图像相关方法具有更高的测量精度。

 本技术提供多模态信息融合结合人工智能的食管鳞癌检测方法及系统，涉及检测技术领域，包括采集食管组织的多模态影像信息，将多模态影像信息对应的融合特征图输入到预训练的食管鳞癌检测模型中对融合特征图进行病灶区域检测和分割，基于检测结果，使用集成学习方法，结合分类算法，对检测出的病灶进行良恶性分类和分期预测，输出分类结果和可视化热图；利用改进的点云重建算法，将提取的病灶区域信息转换为三维点云数据；采用自适应八叉树结构对三维点云数据进行空间划分和降噪处理；使用改进的泊松表面重建算法，结合曲面细分技术，生成平滑的病灶三维模型。

 本技术公开了一种基于深度学习的鱼类图像识别方法及系统，该方法设计Bilateral‑Net水下图像增强模型包括基于混合域自注意力的对比度增强模块、双边特征融合模块和多维损失函数三个模块，针对图像对比度低，引入基于混合域自注意力的对比度增强模块，针对水下图像细节模糊，设计了双边特征融合模块增强图像细节特征，针对水下图像颜色偏差，设计多维损失函数。针对鱼类图像类间差异大类内差异小特性，提出基于通道域和空间域的注意残差模块的FishResNet18鱼类识别模型，从通道和空间域两个方面激发对鱼类图像中重要特征的提取，在提升学习效果的同时，降低CNN的退化现象，从局部到全局提升了鱼类图像的识别效率。

 本技术专利公开了一种隧道病害数据提取校准方法，具体涉及隧道病害检测技术领域。包括如下步骤:S1、建立隧道BIM模型坐标系；S2、通过隧道BIM模型坐标系对高清摄像机和三维激光扫描仪的定位精度进行校准；S3、利用高清摄像机和三维激光扫描仪对隧道病害信息进行采集；S4、提取隧道病害信息的特征点；S5、将特征点的二维坐标转化为实际空间中的三维坐标。采用本发明技术方案解决了传统隧道病害检测方法中存在定位精度低的问题，提高了隧道病害检测的精度和效率，确保隧道结构的安全和稳定。

 本文公开了一种基于Micro‑CT和迁移学习的口腔影像分析方法，涉及人工智能辅助医学影像诊断领域，该方法包括，用Micro‑CT和CBCT扫描技术获取离体牙三维数据；以Micro‑CT三维数据为输入，以通过Micro‑CT数据得到的形态分类结果作为标签，对分类模型进行训练，得到第一分类模型的权重参数；以CBCT三维数据为输入，以Micro‑CT分类结果为标签，在3D网络中对分类模型进行训练，得到训练后的第二分类模型；第二分类模型的初始权重为第一分类模型的权重参数；根据训练后的第二分类模型，对目标牙齿的形态学特征进行预测。本申请的方法提高了口腔影像分析的准确性。

 本技术公开了一种针对点云大模型的多模态动态微调方法及系统，基于目标大模型，包括:将点云数据转换成点云序列和2D深度图，将文本数据添加占位符，供后续步骤使用；构建动态多模态信息收集器，对预处理得到的2D深度图和文本进行处理，收集来自文本领域和2D图像领域的信息；构建多模态提示令牌生成器，基于点云序列和多模态信息收集器收集到的信息，生成适用于目标大模型的点云编码器的动态提示词参数；将动态多模态信息收集器和多模态提示令牌生成器嵌入目标大模型，使用数据集，通过交叉熵损失函数对目标大模型进行训练调整。本发明通过动态挖掘点云数据的多模态信息，实现对模型的精准微调，从而显著提升模型在各种下游任务上的性能和泛化能力。

 本文提供一种点云数据稀疏卷积训练方法及系统，所述方法包括:获取待训练的点云数据；对所述点云数据进行预处理操作，得到目标卷积层；将所述目标卷积层拆解为卷积层组；所述卷积层组包括：若干个尺寸小于所述目标卷积层的卷积层；提取所述卷积层组的特征；将所述特征进行归一化处理，得到所述特征对应的数值以及阈值；利用所述阈值，对所述数值进行筛选，得到目标数值；基于所述目标数值，得到目标特征，以解决目前对于点云数据进行特征提取时，点云数据的稀疏性会消失，导致点云数据的计算量十分庞大，大幅增加了模型的训练时长和大小，同时提升了过拟合的风险的问题。