本发明公开了一种卫星序列图像中点目标实时检测与跟踪系统及方法，该系统包括：图像数据接收模块、图像帧头检测模块、单帧图像目标检测模块、序列图像关联检测模块；图像数据接收模块，每次从卫星红外图像生成系统接收预设 N 字节长度的数据包，并缓存到环形缓冲区中；图像帧头检测模块在环形缓冲区中对图像的起始位置与结束位置进行位置检测，并将帧图像数据缓存到图像缓存区中；单帧图像目标检测模块，用于处理图像缓存区的图像数据，获取疑似目

本发明公开了一种跨太空和大气层的动目标红外辐射特性反演方法及系统，其中，方法的实现包括：首先确定测量系统与被观测动目标之间的路径类型，然后计算当前路径类型下的红外辐射传输特性参数，最后根据多次测量的被观测动目标像方的红外辐射亮度平均值和红外辐射传输特性参数进行被观测动目标物方红外辐射亮度的反演计算。实施本发明可以解决跨太空和大气层红外辐射传输特性参数计算和物方红外辐射亮度反演计算的技术难题。

本发明公开了一种人流量统计中最优目标检测尺度的生成方法，包括以下步骤：获取视频源，并初始化统计目标队列 people_list 为空；读取视频源当前帧图像，将该图像转化为灰度图像 Gk，并初始化检测目标队列 head_list 为空，将灰度图像 Gk 划分为 n 个区域；对灰度图像 Gk 进行目标检测，利用检测目标和跟踪信息更新 people_list 队列，并将新出现没有关联的检测目标作为新目标加入 people_list 中；

本发明公开了一种通过检测山地环境中山脊位置并进行能量校正来提高对山地环境中带状地下目标的探测、识别、定位方法。该方法属于模式识别、遥感技术、地形分析的交叉领域。带状地下目标的·758·热场与山体的热场不同能产生能量异常，而山脊的热岛效应也会造成山体能量异常，但该异常本质上与带状地下目标的能量异常模式不同，所以本发明意在通过消除地形中的山脊所产生的热体效应对带状地下目标表现出的微弱能量异常模式的影响，达到

本发明提供了一种绿氢耦合加氢过程在线代理模型辅助多目标优化方法，包括：针对绿氢耦合加氢过程的绿氢‑灰氢混合波动，构建经济与碳减排多目标操作参数优化问题，对操作参数进行灵敏度分析，获取待优化操作参数及其取值范围；对加氢过程建立第一性原理模型并进行拉丁超立方采样，采用高斯过程回归建立离线代理模型；在混合氢气波动条件下，基于高斯过程生成初始在线代理模型，采用快速非支配排序优化方法求解经济与碳减排多目标优化问题，并通过周期性更新在线代理模型。本发明兼顾了投资成本与碳减排效益，实现了绿氢‑灰氢混合频繁波动下的经济效益与碳减排多目标的平衡优化。

本发明涉及计算机视觉和深度学习领域，尤其涉及深度学习中数据预处理阶段采用RandAugment数据增强来丰富数据集和YOLOv8目标检测算法中损失函数的替换以及注意力模块的添加的相关研究和技术方案。通过将原有的损失函数CIOU替换为SIOU损失函数并且在YOLOv8的Neck部分添加新的注意力机制模块RACmix，加强了网络在复杂情况下对小目标的感知能力，修改后的网络模型结果提升了机场跑道异物检测的准确性和鲁棒性。

本发明提供一种用于钢管生产线无损检测过程中的缺陷位置标识装置，包括运料轮，运料轮上等距开设有齿槽，涂料瓶通过履带相连后搭放在运料轮齿槽内，驱动机构通过齿槽条连接动挤压块，齿槽条连接棘轮，棘轮与运料轮通过中心轴相接，静挤压块与动挤压块位置相对应，驱动机构通过齿槽条带动动挤压块前移，动挤压块与静挤压块配合挤压涂料瓶，涂料瓶的瓶盖被压出完成缺陷位置标识；驱动机构回位，齿槽条带动棘轮转动，棘轮又带动送料轮转动，涂料瓶从当前所在齿槽移动至下一个齿槽，最靠近动挤压块的涂料瓶落入动、静挤压块之间以备用。本发明以将喷涂料预先分成等量单元为原理基础，每次喷出等量的涂料至缺陷位置，提高了标识精度和生产效率。

本成果将全息技术与位置复用、偏振复用、共形超颖表面、非对称传输、结构色、相变材料、轨道角动量调控等超颖表面相关特性相结合，设计出了多种基于光学超颖表面的多维信息复用防伪标识，为提升光存储技术的存储密度和防伪加密性能提供了新的解决方案，具有极大的设计优势和应用前景。 一、项目分类 关键核心技术突破 二、技术分析 近年来，超颖表面作为一个新兴的研究领域发展迅速，其强大的波前调控能力和与生俱来的超薄、紧凑的性质非常适合应用于光学加密、防伪领域。为了推进超颖表面的实用化发展，增加其信息容量，项目组在超颖表面的多维信息复用领域做出许多努力。将全息技术与位置复用、偏振复用、共形超颖表面、非对称传输、结构色、相变材料、轨道角动量调控等超颖表面相关特性相结合，设计出了多种基于光学超颖表面的多维信息复用防伪标识，为提升光存储技术的存储密度和防伪加密性能提供了新的解决方案，具有极大的设计优势和应用前景。 基于光学超颖表面的多维信息复用防伪标识与加密技术信息容量大，能提供多层次的防伪特征；必须采用电子束刻蚀系统进行加工，设计制造难度高，极难仿制和伪造；面积小，外表精致，不影响产品或证件的外观；具有极高的唯一性，由于全息算法的特性，即使对应的全息再现像完全相同，也可以通过对比SEM图来从根源上避免伪造。该技术代表着未来光学加密、防伪技术的发展方向，可作为数据存储、模式识别、信息处理和光学加密的平台，有望在增强现实、智能手机等人机交互领域及防伪、信息加密等信息安全领域发挥关键作用。

XM-617C-1脑干及下丘脑核团模型（带数字标识）   XM-617C-1带数字标识脑干及下丘脑核团模型可拆分为4部件，显示脑干的形状结构和间脑神经核团，脑干部除可观察延髓、脑桥，菱形窝和中脑的形态外，还可观察第Ⅱ至Ⅻ对脑神经在脑干部位，间脑可观察到上丘脑、背侧丘脑、后丘脑和下丘脑，在背侧丘脑和下丘脑部显示了各主要核团，共有多个部位数字指示标志和对应的文字说明。 尺寸：放大，14×11×22cm 材质：PVC材料

主要功能和应用领域： 本技术可实现人粪便样本显微镜检有型成分图像的自动识别与分类，利用计算机图像处理、模式识别及人工智能的理论与技术，对显微镜下拍摄到的粪便样本图像进行研究，通过对各种有型成分形态和颜色信息等进行特征匹配与分类计数，分别标示出红细胞、白细胞、虫卵和真菌孢子等不同种类的有型成分，从而达到在线自动识别有型成分的目的，作为医院临床诊断的依据。该技术可扩展应用于医院尿液、白带、脑脊液、胸腹水、胃液、精液等常规检查，并可用于脱落细胞学的癌及癌前病变检测及分析。 特色及先进性： 1）复杂背景环境下的自动识别。采用自适应双闭值分割算法进行粗分割，提取出ROI区域中的单个细胞或细胞群作为分析目标，细胞图像的精细分割将在每个ROI区域里完成，极大地减少了数据运算量。 2）针对形态各异和边缘模糊图像的精准分割。针对有型成分的显微生物图像特点，去除边界拓扑结构复杂、细胞各组成区域内灰度不均匀以及成像易受噪声干扰等因素的影响，基于Chan一Vese模型，提出几何活动轮廓模型方法，使用几个独立的水平集进行有型成分图像的分割，与传统分割方法对比准确率提升30%。 3）针对种类繁多的神经网络集成识别。基于普通神经网络泛化能力不高的问题，提出利用有限个神经网络进行集成并将其结果进行合成，显著的提高整个分类学习器的泛化能力，提高了整个系统的识别能力。 4）采用重叠分离算法精准分类。有型成分分离、细胞个数的准确读取决定了整个系统的精准程度。通过寻找到合适的分离点并构建分离线，实现重叠区域的快速合理分离，从而将粘连、重叠的细胞分离开来，并进行准确计数。 技术指标： 有型成分 漏检率 误检率 白细胞 5% 15% 脓球 20% 30% 吞噬细胞 20% 30% 红细胞 5% 15% 孢子 15% 25% 夏科雷登结晶 10% 10% 寄生虫 5% 15% 脂肪球 10% 15% 单张图片检测时间：＜0.5 s 关键问题和实施效果 现今国内大多数医院和研究单位对生物细胞或微生物病菌等检测还是采用人工处理的方式，即将样品制成涂片，在显微镜下观察并根据大小、形状等特征进行分类计数以得到数据结果，医务人员再通过这些数据结果凭借自身的知识和经验诊断病症或得出研究数据。该技术能够实现样本显微镜检有型成分的自动识别，满足了临床开展常规及特殊检测需要，使得生物检测在自动化、无异味、无危险性的情况下进行，提高了检测效率，改善工作环境，保护工作人员，降低检测成本和检测时间，提高在国际市场的竞争力，有利于医疗检测行业的智能化发展。该技术可识别的部分生物细胞图像如下图所示。 红细胞 白细胞 霉菌 虫卵