空间约束聚类分析的零部件图像镜面高光去除方法

为了解决镜面高光造成的零部件图像质量下降问题,提出了一种空间约束聚类分析的零部件图像镜面高光去除方法。首先,将零部件图像投影到最小-最大色度空间,通过固定的聚类中心对聚类过程进行空间约束在保证簇中色度相近的同时实现彩色像素和消色像素的分离;然后,采用强度比调整和亮度直方图统计分别对彩色像素和消色像素中的镜面反射分量进行估计;最后,结合二色反射模型,实现零部件图像的镜面高光去除。实验结果表明,经所提方法去高光后的实际拍摄图像的平均熵值和结构相似度分别达到了5.750、0.998 8,有效地去除了零部件图像中的镜面高光,提高了图像质量。

基于注意力机制的甲状腺超声图像感兴趣区域定位方法

针对甲状腺超声图像中背景干扰及数据集规模受限的问题,提出了基于注意力机制的甲状腺超声图像感兴趣区域定位方法。采用跨尺度注意力交互策略,改进定位模型的特征网络,提高不同尺度下各层级特征的融合效率;通过知识蒸馏实现特征网络特征提取能力的强化,解决数据规模不足引起的网络过拟合问题;依据解剖学甲状腺形态统计分布设计t掩码,联合注意力掩码计算特征损失,引导网络对甲状腺超声图像关键通道和像素信息的学习,实现对甲状腺超声图像感兴趣区域的定位。实验结果表明,当IoU阈值为0.5时,甲状腺超声图像感兴趣区域定位AP达到92.7%,对辅助医生进行甲状腺疾病的诊断具有临床意义和价值。

基于WSDPC-RVR的多模态间歇过程软测量方法

间歇过程的多模态特性使得未考虑模态因素建立的软测量模型预测精度较低,现有的间歇过程模态划分方法对初始参数敏感且未考虑异常数据对模态划分结果的影响,其不合理的划分结果是制约多模态间歇过程软测量模型预测精度提升的一个重要因素。提出了一种基于密度加权和相似标签分配密度峰值聚类相关向量回归(weighted destiny and similar label allocation density peaks clustering-relevance vector regression, WSDPC-RVR)的多模态间歇过程软测量方法。首先,以不同数据点的密度贡献程度对低密度区域数据点的局部密度进行加权,准确选取聚类中心,并引入ε近邻结合数据点间的距离与局部密度构建剩余数据点的分配策略;然后,定义模态评价指标并分析不同模态的统计特性,构建异常模态判别策略获取有效模态数量,完成间歇过程模态划分;最后,建立各有效模态的RVR软测量模型,实现间歇过程主导变量的在线预测。青霉素发酵过程的仿真实验结果表明,所提方法能够实现合理的模态划分,有效地提高了软测量模型的预测精度。

基于IDPC-RVM的多模态间歇过程质量变量在线预测

间歇过程具有多模态特性,现有的间歇过程模态划分方法中过程数据高维特征和模态中心的选取直接影响模态划分结果的合理性,进而影响间歇过程质量变量在线预测的精度。为提高间歇过程质量变量在线预测的精度,提出了一种基于改进密度峰值聚类相关向量机(improved density peaks clustering-relevance vector machine,IDPC-RVM)的间歇过程质量变量在线预测方法。首先,在密度峰值聚类算法基础上,考虑过程数据的高维特征进行样本相似性度量,并通过样本密度不平衡下的模态中心选取策略准确获取间歇过程模态中心;其次,利用模态划分指标在无须先验知识的情况下获取间歇过程最优模态数目,并识别过渡模态完成间歇过程的模态划分;最后,建立各模态数据的RVM预测模型,实现间歇过程质量变量的在线预测。青霉素发酵过程的实验结果表明,与RVM、SCFCM-RVM和DPC-RVM方法相比,对青霉素浓度预测的均方根误差(RMSE)降低至0.0093,判定系数(R^(2))提升至0.9995,有效地提高了预测精度。