基于机器视觉的冻干粉中的异物检测分类技术研究

利用数字图像处理技术对冻干粉不良品进行检测分类。为了更高效地自动检测并分类出冻干粉中存在的纤维、毛发、玻璃碎屑等可见异物,研究了基于主成分分析(PCA)特征提取,并用BP神经网路和支持向量机(SVM)算法进行分类识别。通过工业小样本数据仿真实验,测试结果表明,两种方法都具有较好的可行性和实用性,相比之下基于PCA与SVM算法的识别率比基于PCA与BP算法的识别率高。

基于知识图谱的实体标签可视化

针对实体理解中实体识别问题,传统的实体标签方法致力于在不同实体中找到其独特特征。为了便于理解知识图谱(KG)中每个实体的区分性,提出了一种基于KG的实体标签方法来识别出独特的实体特征,通过HAS模型衡量了特征的区分性。HAS模型是一种可扩展的表示学习模型,用于生成多模式实体嵌入。最后,评估了真实KG生成的实体标签质量,结果表明该方法有助于人们理解KG中的实体。