|
搜索
搜 索
高等教育领域数字化综合服务平台
草本植物茎横切
宁波华茂文教股份有限公司
2021-08-23
基于多光谱图像的植物叶片水分含量的检测方法及系统
本发明公开了一种基于多光谱图像的植物叶片水分含量的检测方法及系统，检测方法包括以下步骤：a、获取样本植物叶片的绿光波段、红光波段和近红外波段的单色图像；b、获取单色图像的灰度信息，并获取所述样本植物叶片的灰度纹理特征量；c、将灰度信息转化为样本植物叶片的反射率信息，通过反射率信息获取叶片植被指数值；d、以灰度纹理特征量和叶片植被指数值为输入向量，以样本植物叶片的实测水分含量值为输出向量，建立模型；e、按照步骤a～c的操作获取待测植物叶片的灰度纹理特征量和叶片植被指数值，带入步骤d中模型，即得待测植物叶片的水分含量值。该方法能够实现对植物叶片的水分含量进行准确、快速、无损、实时的检测。
浙江大学
2021-04-11
一种用于同时养殖水产动植物的双向控温系统
本实用新型提供了一种用于同时养殖水产动植物的双向控温系统，属于水产养殖技术领域，包括取水系统、植物水循环系统和动物水循环系统，取水系统包括一级抽水泵和总砂滤池，植物水循环系统包括循环连通的第一板式换热器，蒸发器，低温车间和低温车间砂滤池，动物水循环系统包括循环连通的第二板式换热器，冷凝器，高温车间和高温车间砂滤池；总砂滤池通过二级管道泵与第一板式换热器连接，第一板式换热器上设输水管，输水管与第二板式换热器连接，第二板式换热器上设有废水口，蒸发器与冷凝器通过压缩机连接，植物水循环系统和动物水循环系统共用一个压缩机。本实用新型具有节省热量能源，充分利用能源，结构简单，养殖成本的特点。
青岛农业大学
2021-04-13
一种优化植物氮肥施用量的实验系统和方法
本发明公开了一种优化植物氮肥施用量的实验系统，包括密闭的栽培室，所述的栽培室内设有支架，支架上放置有一个或多个培养皿，各培养皿通过两路输液管与为植物提供不同氮素含量营养液的营养液循环装置连通；所述栽培室还设有用于栽培室内外空气互换的换气装置，以及为植物提供生长所需光照、温度和湿度的环境控制装置。本发明还公开了一种优化植物氮肥施用量的方法。本发明的整个实验周期极少需要人工操作，各个变量可基本实现自动化控制，可实现实验的便利进行；并为植物生长提供适宜的生长环境，防止因植物生长状况不合格对实验造成不利影响。
浙江大学
2021-04-13
根系动态监测/万深LA-S植物根系分析仪系统
产品详细介绍LA-S植物根系分析仪系统（独立版）1、用途：用于对洗净后的根系图像进行多参数、批量化的自动分析。2、系统组成：双光源扫描成像仪及根盘附件、分析软件和电脑（电脑另配）。3、 主要性能指标：配光学分辨率4800×9600、A4加长的双光源彩色扫描仪。根系反射稿幅面为355.6mm×215.9mm，透扫幅面为304.8mm×203.2mm，最小像素尺寸0.005mm×0.0026 mm。可分析测量：1)根总长；2)根平均直径；3)根总面积；4)根总体积；5)根尖计数；6)分叉计数；7)交叠计数；8)根直径等级分布参数；9)根尖段长分布，10）可不等间距地自定义分段直径，自动测量各直径段长度、投影面积、表面积、体积 等，及其分布参数；11）能进行根系的颜色分析，确定出根系存活数量，输出不同颜色根系的直径、长度、投影面积、表面积、体积。12）能进行根系的拓扑分析，自动确定根的连接数、关系角等，还能单独地自动分析主根或任意一支侧根的长度和分叉数等，可单独显示标记根系的任意直径段相应各参数（分档数、档直径范围任意可改，可不等间距地自定义），并能进行根的分叉裁剪、合并、连接等修正，修正操作能回退，以快速获得100%正确的结果。13）能用盒维数法自动测根系分形维数。可分析根瘤菌体积在根系中的占比，以客观确定根瘤菌体贡献量。14）大批量的全自动根系分析，对各分析结果图可编辑修正。15）能做根系生物量分布的大批量自动化估算。16）能自动测量油菜、大豆等果荚的果柄、果身、果喙部分的粗细、长、弧长、玄高等参数。17）能自动测量各种粒的芒长。18）能测各类针叶的叶面积、长度、粗细。19）各分析图像、分布图、结果数据可保存，分析结果输出至Excel表，可输出分析标记图。推荐选配品牌电脑：品牌电脑（酷睿i5 CPU / 8G内存/ 19.5”彩显/无线网卡，5个以上USB2.0口，运行环境Windows 10完整专业版或旗舰版）。
杭州万深检测科技有限公司
2021-08-23
芯片热设计自动化系统
TDA（芯片热设计自动化）软件是清华航院曹炳阳教授团队全自主研发的国际首个芯片跨尺度热仿真与设计系统。TDA软件可实现芯片从纳米至宏观尺寸的热设计与仿真，支持芯片微纳结构内部热输运过程的模拟研究，直接提高芯片热仿真精度与结温预测准确度，进而提高芯片性能、寿命和可靠性。
清华大学
2025-05-16
一种基于点云与影像数据的三维可视化方法和系统
本发明公开了一种基于点云与影像数据的三维可视化方法和系统，其中方法的实现包括：采集目标场景的影像数据和点云数据；对点云数据进行上采样，将上采样后的点云数据投影到影像数据中进行融合，对进行融合后的点云数据进行着色，得到彩色点云数据；利用彩色点云数据进行三维渲染，得到目标场景的三维可视化模型。本发明实现了从数据采集和融合到最终渲染显示的点云三维可视化，有助于激光点云技术的拓展，提高了点云数据对于普通用户的可访问性和
华中科技大学
2021-04-14
新冠肺炎影像学AI智能辅助诊断研究
“现阶段医生需要在大量影像数据中快速诊断出新冠肺炎的病例，此外还需要诊断出病灶分布的位置、大小等来评估严重程度。”薛向阳介绍，针对临床的现实需求，团队将设计目标定位于“肺炎分类鉴别”和“关键病灶检测”两大功能，前者是为区别健康状态、新冠肺炎、其他病毒性肺炎、细菌性肺炎，后者则为找到并分隔出磨玻璃影等病灶区域。针对这些需求，团队设计诊断算法模型，让机器利用模型进行训练，学习不同类型肺炎在CT影像表现上的不同特征，最终具备智能辅助诊断的能力。而这需要突破小样本学习、小目标检测等多个技术难题。“小样本学习”即在较少训练数据样本的条件下进行机器学习。在疫情发生前期，能够获取的新冠肺炎影像数据相对较少，且由于一线影像医生任务繁重，无法获得大量专家标注，因此需要算法在少量样本的条件下“自学成才”。为此，团队采用基于自迁移学习的半监督学习等技巧，使算法具备一定的“小样本学习”能力，在不增加医生标注工作量的情况下较好地提高了算法模型的普适性。由于CT影像切片中的病灶区域有大有小，且往往大中小病灶区域面积悬殊，如何使算法能同时检测大、中、小各个目标是另一大难题。团队利用神经网络的层次性特点与病灶区域的大小进行对应，“网络的底层关注细节，即小病灶区域，而网络中层到高层所关注的病灶区域则越来越大，因此模型通过不同层次的加权和融合，最终便能达到同时检测大小病灶区域的目标。”薛向阳解释道。“不过，即便有诊断‘神器’，影像科医生也是不可替代的。”薛向阳说，人是复杂的机体，病毒在不同人体内感染的反映也不一定相同。”他表示，当遇到机器未曾学习过的微小病变或疑难病例时，仍需要影像医生的经验和智慧。以解决实际问题为目标，该项目在研究过程中始终与临床应用紧密结合。无论是机器学习数据，还是测试评估数据，都来源于临床真实病例。在算法模型定型过程中，为了检验模型的准确率和泛化性，团队也利用现实疑似病例进行了测试。
复旦大学
2021-04-10
基于AI 机器学习的影像组学模型研究
2019年12月以来，由SARS-CoV-2病毒感染导致的新型冠状病毒疾病（COVID-19）在全球开始蔓延。报道显示，SARS-CoV-2感染患者的中位住院时间为10天，而武汉患者在发病10天后症状有可能加重。因此，住院时间是COVID-19临床预后的重要指标之一。 目前，CT影像学已成为COVID-19肺炎的诊断和监测工具，主要表现为磨玻璃影、实变及混合密度影。然而，现阶段的影像学研究主要集中于对病灶的定性和半定量描述，缺乏对病灶的全定量分析。因此，基于前期提出的CT定量监测COVID-19肺炎病程，团队假设在CT病灶背后的高通量影像特征“隐藏”了患者预后转归的“秘密”。 本研究纳入了兰州、安康、丽水、镇江、临夏5家新冠肺炎定点医院，自2020年1月23日到2月8日期间住院患者的临床资料和首次CT资料，所有患者经RT-PCR证实SARS-CoV-2病毒感染。至2月20日，研究共纳入31例治愈出院的患者（排除14例未出院患者和7例首次CT检查无肺炎表现患者），并将10天作为住院时长的二分类阈值。基于有限的样本量，团队将4个中心作为训练队列，另外一个中心作为验证队列。通过自动分割肺叶和半自动分割病灶，31名患者中累计分割出72个病灶。在对病灶图像预处理后，提取影像组学特征并筛选。为了研究影像组学特征的稳定性，团队使用了Logistics回归模型和随机森林模型对筛选的特征分别进行建模和验证。结果发现，6个筛选出的二阶特征在两种不同分类器中均表现出良好的预测价值。在外部测试队列中，Logistics回归模型的AUC为0·97(95%CI 0·83-1·0), 敏感性 1·0, 特异性0·89；随机森林模型的AUC为0·92 (95%CI 0·67-1·0),敏感性 0·75, 特异性1·0。随后，研究又纳入了2月20日-28日新出院的6名患者，利用已建立的影像组学模型可以正确预测所有6名患者的住院时间。
东南大学
2021-04-10
三维点云与光学影像融合装备
考虑三维点云缺少颜色信息和光学影像缺少空间信息的互补特性，三维点云与光学影像多光融合装备可以提升数据的信息量，基于三维点云和二维图像融合的可视化结果，能够增强三维场景真实感，相较于可见光图像，融合后的三维点云可以实现多角度观测，能够更好的表达的空间特征。
相较于原始和伪彩色点云数据，融合后的三维点云有了色彩纹理信息，目标的形态和边缘都更加明显，整个三维场景更加的真实，也为后续识别、定位、重建等过程提供更多细节信息；同时克服了单一传感器的局限性，充分发挥两者的互补优势，大幅提升了探测设备的环境适应性，适用于全天时复杂场景的下目标探测，具有很强的实用价值。在无人驾驶领域，譬如智能导航、环境感知、高精度地图的构建等，都依赖于可见光图像和点云的融合处理。大家所熟知的百度 Apollo、谷歌 Waymo 自动驾驶系统均应用视觉相机和激光雷达作为主传感器进行定位和环境感知，目前已经实现 L4 级别的高度自动化驾驶。此外，在医学影像、高精度工程测量、工业生产、虚拟现实等领域，三维点云和可见光图像融合技术也有着广泛应用。
图1.三维点云与光学影像融合效果
北京理工大学
2022-12-12