葡京娱乐场-富盈娱乐场开户

本發(fā)明提供一種核安全殼高分辨率影像采集系統(tǒng)，包括移動平臺、采集平臺和控制中心，所述移動 平臺包括框架，用于控制采集平臺豎直位置并擔負配重的電機總成，用于控制采集平臺距離安全殼殼壁 距離的推拉桿裝置，安裝于框架底部用于控制采集平臺及移動平臺水平位置的軌道輪，控制箱，無線網(wǎng) 橋，以及用于采集平臺上下移動限制控制的軌道繩；所述采集平臺包括框架，固定在框架兩側(cè)用于沿著 安全殼壁采集照片的相機，固定在框架中間位置的集控箱，固定在框架上沿的光控照明燈，以及

一、所屬領(lǐng)域 人工智能，精密自動化，生物分析與檢測，環(huán)境微生物檢測，工業(yè)微生物檢測，細胞組織分析檢測。 二、項目介紹 1. 痛點問題 微生物的識別、計數(shù)和定性分析一直是食品、醫(yī)藥和生物行業(yè)的重要一環(huán)。傳統(tǒng)的人工檢測方式勞動強度比較大，且檢測主觀性強，標準難以統(tǒng)一，計數(shù)和檢測結(jié)果不準確；在對環(huán)境的微生物監(jiān)測中，人工方法只能做到抽樣檢測，無法做到持續(xù)性檢測。 近兩年行業(yè)巨頭們（如GE，安捷倫，賽默飛等）開始推出圖像識別技術(shù)的微生物檢測設(shè)備，其結(jié)果來自直觀影像，分辨率高，操作難度低。但是這些設(shè)備目前采用的光學(xué)顯微鏡倍數(shù)都在800倍以下，只能進行計數(shù)，如果要完成相關(guān)定性分析，需要在800倍以上的放大倍數(shù)獲得單細胞微生物的清晰圖像（如酵母菌，大腸桿菌）。但800倍放大倍數(shù)對應(yīng)的有效視場只有200微米*200微米，對計數(shù)和活性統(tǒng)計分析又不具備足夠的采樣數(shù)量。目前國內(nèi)外設(shè)備均沒有解決好這個問題，對微生物進行定性分析的準確率低，無法滿足市場需求。 2. 解決方案 本項目針對微生物和細胞活體檢測中缺乏有效參照物的技術(shù)難點，根據(jù)顯微掃描設(shè)備的結(jié)構(gòu)，將全景化視域重構(gòu)技術(shù)和微米級電機結(jié)合，解決了鏡頭大幅平移過程中的自動對焦難題和微生物溶液動態(tài)環(huán)境中的影像拼接難題，在保證1000倍放大的基礎(chǔ)上，獲得的有效視場增加到10毫米*10毫米的范圍；再通過自動化圖像采集和拼接，得到完整的微生物圖像；然后結(jié)合傳統(tǒng)的圖像分割以及深度學(xué)習(xí)圖像識別的優(yōu)勢，小樣本高精度動態(tài)完成微生物的類型識別，計數(shù)，活性，死亡率，出芽率等定量定性分析。 3. 競爭優(yōu)勢分析 與國內(nèi)外的主流檢測設(shè)備對比，本項目技術(shù)優(yōu)勢主要體現(xiàn)在： 1）獨創(chuàng)的微生物影像全景化視域重構(gòu)技術(shù)，實現(xiàn)0.5微米的分辨率和20*25毫米的超大視角； 2） 解決微生物影像領(lǐng)域小樣本智能識別和智能檢測的難題； 3） 檢測目標、檢測內(nèi)容、檢測流程和邏輯可通過自然語言定制，提高設(shè)備功能通用性； 4）計數(shù)準確率超過人工計數(shù)，準確率超過國內(nèi)細胞計數(shù)儀器一個數(shù)量級； 5）第一臺按照國家微生物計數(shù)檢測標準開發(fā)研制的微生物計數(shù)儀。 本項目的第一代產(chǎn)品樣機與國內(nèi)外同類產(chǎn)品對比，主要性能優(yōu)勢和技術(shù)優(yōu)勢如下： 在食品行業(yè)，本項目獲得了青島啤酒北京密云分廠的啤酒原液和相關(guān)酵母菌種，針對生產(chǎn)用酵母菌采集了大量實拍圖像數(shù)據(jù)，優(yōu)化后的酵母菌計數(shù)和出芽率算法識別率均在95%以上。 4. 發(fā)展規(guī)劃 按照三步走的方式來設(shè)定發(fā)展規(guī)劃： 1）基于全景化視域重構(gòu)技術(shù)，構(gòu)建第一代檢測儀器，首先進入門檻最低的食品微生物檢測市場，對啤酒和發(fā)酵乳企業(yè)提供酵母菌檢測計數(shù)技術(shù)和設(shè)備； 2） 利用已有技術(shù)積累，進入環(huán)境微生物檢測和高校實驗室市場； 3）最后以食品和環(huán)境檢測市場為根據(jù)地，進入門檻最高的生物醫(yī)藥檢測市場，提供微生物檢測和組織檢測的相關(guān)設(shè)備。 5. 知識產(chǎn)權(quán)情況 已申請3項專利。 三、合作需求 1）尋求500-800萬元天使投資； 2）尋找高校研究所，食品工業(yè)和環(huán)境檢測領(lǐng)域的客戶、渠道伙伴； 3）尋找生物醫(yī)藥，醫(yī)學(xué)臨床領(lǐng)域的客戶、渠道伙伴和產(chǎn)品測試環(huán)境。 四、團隊介紹 科研團隊： 1）周悅芝 博士 清華大學(xué)計算機系研究員，項目負責(zé)人，在邊緣計算和深度學(xué)習(xí)等領(lǐng)域有豐富的開發(fā)經(jīng)驗和杰出的研究成果，在面向醫(yī)學(xué)影像的AI圖像分析方面曾發(fā)表多篇論文，申請或獲得多項國家發(fā)明專利。 2）黃權(quán)偉 清華大學(xué)計算機系碩士，負責(zé)圖像分割及細胞識別等相關(guān)算法研發(fā)。 3）梁志偉 清華大學(xué)計算機系碩士，負責(zé)深度學(xué)習(xí)算法加速研究和實現(xiàn)。 五、聯(lián)系方式 E-mail：ott@tsinghua.edu.cn 成果編號：20230055

拉普拉斯域光學(xué)乳腺影像系統(tǒng)（LD－DOT）是一種基于漫反射光成像原理的功能成像手段。有別于基于形態(tài)學(xué)進行診斷的傳統(tǒng)醫(yī)學(xué)成像手段，它利用不同病變的乳腺組織對光的漫反射程度的不同，通過得到雙乳全局血管微循環(huán)特征參數(shù)的定量分布來診斷組織病理屬性（正常/良性/惡性）以及分布范圍，探測深度可達6厘米以上，掃描過程安全快速，結(jié)果直接客觀，是一種經(jīng)濟高效的診斷乳腺病變的無創(chuàng)方法。

四川大學(xué)華西醫(yī)院2020年3月13日對“肺部多病變CT影像AI篩查與輔助診斷系統(tǒng)”進行測試，該系統(tǒng)能迅速高效地對患者胸部CT影像做出分析，發(fā)現(xiàn)具有“肺結(jié)節(jié)、肺癌、結(jié)核、病毒性肺炎、細菌性肺炎”等病癥的影像特征。 該技術(shù)依托于“疾病流行病學(xué)大數(shù)據(jù)研究平臺”，在華西生物醫(yī)學(xué)大數(shù)據(jù)中心的牽頭下，匯聚近20家醫(yī)療機構(gòu)的醫(yī)學(xué)研究支持，基于人工智能深度學(xué)習(xí)技術(shù)，數(shù)據(jù)來自臨床確診病例，數(shù)據(jù)的遴選、標注由華西醫(yī)院放射科影像專家完成。技術(shù)研發(fā)到測試用時不到30天。CT影像是臨床診斷包括新冠肺炎在內(nèi)的肺部病變的重要依據(jù)，但一名患者的肺部CT影像數(shù)量在500張左右，導(dǎo)致醫(yī)生診斷過程中工作量很大。 查看原文

一種實時可見光遙感影像云區(qū)檢測方法，屬于圖像數(shù)據(jù)處理方法；本發(fā)明包括原始影像子塊劃分，然后快速提取各個子塊的特征，最后通過對各個子塊特征的二分類完成云區(qū)檢測。針對云區(qū)無方向性的特點，本發(fā)明提出用單方向各向異性高斯濾波器組來實施濾波操作。為了避免大尺度二維卷積運算的復(fù)雜度，單方向的各向異性高斯濾波操作是通過行、列拆分的無限沖激響應(yīng)濾波器來實現(xiàn)的。為了降低視覺單詞直方圖特征生成過程中視覺單詞查詢復(fù)雜度，視覺單詞首先通

本發(fā)明兼顧地學(xué)空間統(tǒng)計學(xué)和模式識別理論方法，基于統(tǒng)計方法提出分割前最優(yōu)尺度分割參數(shù)自動選擇及分割后的尺度效應(yīng)評價及尺度分割參數(shù)的優(yōu)化調(diào)整，提高了面向?qū)ο筮b感影像信息提取和分析的精度、效率和自動化程度。

一種彩色數(shù)字影像色度校正方法及系統(tǒng)，包括構(gòu)建典型色彩樣本光譜反射率數(shù)據(jù)集，在源光源條件 下計算數(shù)據(jù)集中各色彩樣本色度信息并以主波長及色純度為依據(jù)進行樣本分組，求解目的光源條件下每 組子集中各樣本的色度信息；分別以源及目標光源條件下各分組樣本子集色度信息為輸入輸出端，擬合 構(gòu)建神經(jīng)網(wǎng)絡(luò)；針對源光源下任一色度信息，通過分組判別方法確定對應(yīng)神經(jīng)網(wǎng)絡(luò)，并依此預(yù)測其對應(yīng) 目標光源下色度信息。本發(fā)明可保證彩色影像色度信息在不同光照條件下映射的準確性，且實施

本發(fā)明公開了一種基于地形改正的衛(wèi)星影像虛假地形感知現(xiàn)象改正方法，從改變光照方向的角度出 發(fā)，引入地形改正中的 C 校正模型，通過建立原始影像與虛假地形感知現(xiàn)象改正后影像經(jīng)過地形改正后 的輻射關(guān)系，獲得虛假地形感知現(xiàn)象改正前后影像輻射值的對應(yīng)關(guān)系，進而推導(dǎo)出改正后影像灰度值。 本發(fā)明方法能夠在改正虛假地形感知現(xiàn)象的同時，較好地保持原始影像的空間細節(jié)及光譜特性，可顯著 提高影像解譯準確度。

一種先驗地理信息輔助下的光學(xué)遙感影像艦船檢測方法，包括建立港口和海岸線相關(guān)的先驗地理信 息庫，得到糾正后的待檢測遙感影像；進行區(qū)域分割提取邊界線，根據(jù)海岸線矢量庫獲取海岸線矢量， 進行海岸線變化檢測；海陸分離得到海面區(qū)域和靠岸區(qū)域；針對海面區(qū)域，先基于多視覺顯著性進行艦 船疑似目標檢測，再基于多特征的機器學(xué)習(xí)方法在艦船疑似目標中檢測艦船；針對靠岸區(qū)域，進行全局 顯著性檢測得到初始的疑似區(qū)域，再根據(jù)形態(tài)信息進行圖像分割獲取最終的疑似區(qū)域，之后利用

本發(fā)明公開了一種基于 GPS?RTK 和全景影像的自主定位定向測圖方法，本發(fā)明利用全景相機獲取 的全景影像和 GPS?RTK 測得的設(shè)站點坐標，采用基于全景影像球體模型中量測交會角的三維立體前交 計算方法，實現(xiàn)兩組全景影像公共區(qū)域中地物的直接量測，從而快速獲取全景影像公共區(qū)域地物的三維 坐標信息。本發(fā)明可實現(xiàn)在全景影像上直接對地物進行量測，可快速獲取地物數(shù)據(jù)及測點測距，從而獲 得三維建模、場景重建、數(shù)字城市建設(shè)等所需的地物信息。