基于视觉和深度学习的智能化中医检测系统

近年来人工智能技术快速发展,基于此该系统设计了一个基于视觉和深度学习的智能化中医检测系统.在本系统中,以中医的望闻问切中的望的思想的特点和研究为基础,通过编程实现人脸识别,肤色分析,脸部肤质检测和基于实时眼眶比的疲劳度监测,最后通过建立的中医辩证算法结合历史数据得到对于目前状态的分析与适当的建议等一系列功能.包括:通过摄像头获取当前用户的面部图像;通过面部图像识别出当前用户的身份;调取当前用户的标准健康状况数据;调取当前用户的历史健康状况数据;根据面部图像得到当前用户的当前痤疮数量数据以及当前诊断肤色;根据当前痤疮数量数据,当前诊断肤色,标准健康状况数据以及历史健康状况数据,给出针对当前用户的中医健康状况建议.该技术方案可以通过采集用户面部图像,快速对用户的健康状态和疲劳状态进行分析,并通过显示设备提醒用户注意.

基于深度学习的智能教室视觉检测系统

在互联网时代,互联网+教育已经逐步普及.使用同步课堂进行在线远程教育的授课形式,已经被越来越多的学校和教育机构所使用.采用计算机视觉的深度学技术,实现同步课堂的互动化和智能化,对互联网教育的课程形态有着十分积极的影响和作用.目前采用人工拍摄教学视频进行录制的方式对于大量录制有很大的局限性.为了实现在教室场景下,自动实时的转动摄像头对教师和学生进行检测和追踪,进行视频录制,本文主要进行了三个部分的工作.第一部分是智能教室检测系统的算法原理研究,主要研究多种图像提取和运动目标检测算法.对于采用不同方法的效果进行对比,为基于深度学习的智能教室视觉检测系统的实现和优化,打下一定的理论基础.第二部分分别对运动教师和起立学生进行运动人形检测算法的研究.对于运动教师的检测系统,使用Faster-RCNN和高斯混合模型进行动态人形的检测,并进行画面的缩放.对于起立学生检测系统,起立学生的检测是通过Faster-RCNN网络,对学生的起立行为进行动作分类和位置回归,对起立的学生进行检测.出于智能教室视频录制实时性的考虑,采用速度更快的Single-stage的SSD检测方法,并提出了基于模型蒸馏的加速方法提高系统的实时计算效率,并选择加入FocalLoss提高检测的性能.第三部分是智能教室视觉检测系统的设计和实现.通过分析算法模型的性能,并使用全景和特写摄像头通过一定的逻辑判断,设计了一种基于深度学习的教室场景下智能教室视觉检测系统的解决方案本文搭建了一套可以应用在实时教室视频录制的视觉检测系统,同时设计了一个可以端到端训练的网络,实验结果验证了系统的有效性.

基于深度学习的视觉检测方案

在现代化的发动机装配过程中,针对传统的视觉检测稳定性差,检测误检率高的问题,提出一种基于深度学习的视觉检测方案.通过选用特定的硬件和深度学习的检测软件,调整接受阀值和训练模型,提高检测准确性.凸轮轴盖字符检测的实验结果表明:深度学习相比传统视觉检测的准确率提高2.38%,特别是对于打刻效果差的字符识别准确率提高了17.65%.

基于深度学习的视觉检测系统及方法

本申请涉及视觉检测设备技术领域,尤其涉及一种基于深度学习的视觉检测系统及方法,其包括机架,机架上设置有用于放置产品的固定模组,用于获取表扣图像信息的图像采集模组,控制中心以及用于显示表扣图像信息的显示模组;固定模组包括支撑座以及设置在支撑座上的产品载具,产品载具的顶端设置有用于固定表带的定位件.当需要对产品进行检测时,将产品放置在产品载具上,并通过定位件将产品固定住,然后通过图像采集模组获取产品表扣的图像信息,并将获取的图像信息发送至控制中心,控制中心用于将接收到的图像信息发送至显示模组进行显示,工作人员根据显示模组上显示的图像信息判断产品的序列号是否合格,从而便于提高检测精度.