无序安全扣快速识别和定位方法设计

针对传统的安全扣生产在摆放位置存在偏差时,无法实现夹取的问题,提出了一种无序安全扣快速识别和定位方法;该方法采用一种基于子模板和图像金字塔的改进NCC算法进行模板匹配,并结合圆投影算法实现对旋转安全扣的目标检测,同时采用基于交叉匹配和RANSAC方法进行安全扣精确定位;实验验证通过将定位结果与实际坐标进行对比,结果表明识别误差为0~1个像素,其中X轴的平均误差仅为1.02 mm,而Y轴的平均误差为0.76 mm,实现了无序安全扣精确地识别和定位,能够满足工程上的实际需求。

FPD-ViT:面部疼痛检测视觉转换器

在临床医学中,危重患者的疼痛表现是医护人员判断是否对其使用止痛、镇静药物的重要指标。在真实监护场景下,病患面部的大量遮挡物严重影响了基于深度学习的面部疼痛检测算法的判别能力。针对以上问题,将卷积神经网络(CNN)与ViT(Vision Transformer)相结合,优化Res2Net块和Transformer块,并通过基于通道分割的卷积和残差连接构建了一种网络结构——面部疼痛检测视觉转换器(FPD-ViT)。FPD-ViT具有强大的多尺度特征提取能力,它的注意力机制能有效捕获人脸运动单元特征。在公共数据集UNBC-McMaster和浙江大学医学院附属第二医院急诊科的实际数据集上的实验结果表明,FPD-ViT的面部疼痛检测准确率分别达到99.14%和97.63%,相较于ViT提高了0.96和2.44个百分点;参数量和模型大小比ViT降低了36.03%和21.12%,计算成本和数据需求显著降低。