基于多曲率融合的铣刀缺陷检测

针对传统人工检测铣刀崩刃和多刃缺陷时效率低下、精度不高等问题,提出一种基于形态学多曲率融合的铣刀崩刃、多刃缺陷检测方法。首先,使用色彩阈值分离前后景;然后,使用双边滤波对图像进行滤波处理;随后,二值化图像并去除小连通域的干扰,通过边界跟踪得到刀刃轮廓;最后,使用改进的链码计算机制进行刀刃轮廓曲度的计算,并通过曲度定位缺陷点。经过实验验证,该检测方法具有平均0.8 s每样本的检测速度和92%的检测精度,能满足工业生产在线检测的要求。

金字塔模板匹配算法融合NMSFast以及优化研究

图像模板匹配是计算机视觉领域的一项重要任务,它在许多应用中都有广泛的应用。然而,传统的模板匹配算法在大规模图像和复杂场景下存在计算量大、效率低的问题。为了解决这些问题,本文提出融合快速非最大抑制(NMSFast)的金字塔模板匹配算法,提高准确度,并通过特征提取、查表优化、OpenMP并行、量化等技术对其优化,从而提高效率。基于Sobel获取图像的梯度信息,并结合阈值和强度条件来筛选候选特征点以达到特征提取。通过查表创建模板特征和对应搜索图像特征之间的关联关系和缩放因子和旋转角度对应的变换矩阵的索引表。将特征数据进行量化,其转换为更简单的浮点数,对角度图像进行8方向量化,结合阈值过滤无效角度值。以上优化能够减少计算量和存储空间的消耗。OpenMP并行技术对金字塔进行并行分层搜索,将单线程变成多线程,可以提高算法的运行速度。实验结果表明,所提出的金字塔模板匹配算法融合NMSFast算法在大规模图像匹配任务中,运算时间提高51%,精度提高1.7%。

基于秃鹰搜索的抗乳腺癌候选药物优化建模

乳腺癌在全球范围内已取代肺癌成为最常见的癌症,并且其死亡率居高不下。因此,利用机器学习和智能优化算法等技术筛选乳腺癌药物对于推动乳腺癌治疗药物的发展至关重要。本文提出了一种基于改进的随机森林算法构建ERa活性预测模型的方法,并筛选出对生物活性最具影响力的前20个分子描述符。然后,使用该模型对50个化合物的IC50值和对应的pIC50值进行预测。同时,借助支持向量机(SVM)和Adaboost二分类模型,对化合物Caco-2、CYP3A4、hERG、HOB、MN的5种成分进行分别预测,并建立ADMET分类预测模型。最后,利用秃鹰搜索算法构建化合物筛选模型,使用黑鹰搜索算法融合前两个模型,解决各类复杂数值优化问题,以找到可行性药物操作变量范围。实验结果表明,所提出的预测模型具有很高的准确性,可应用于抗乳腺癌药物的研发。