本发明涉及数字孪生技术领域，尤其涉及一种基于大模型的数字孪生建模方法。该方法包括获取三维点云数据，形成若干初始分割区域；修正所述初始分割区域的边缘，得到待建模区域；根据实体特征集对所述待建模区域内的各实体目标进行建模和模型匹配，生成对应的三维模型；基于大模型对移动小车的行驶状态进行实时监测和预警，并根据移动小车的模拟行驶速度对预警情况进行验证，基于验证结果对所述初始分割区域的大小进行调整。本发明通过修正边缘，以提高模型的精度，确保待建模区域的边界更符合实际情况，通过将实际物体转化为数字模型，以及将模型导入虚拟环境中进行深入分析，根据分析结果调整建模参数，以增强建模的实时性和准确性。

 本发明提出一种精确消除体素扩散的高分辨率集成成像全局校正方法，该方法包括体素扩散的精确表征、像素重排预处理、体素扩散的全局优化与精准三维重建四个过程，该方法将同时存在多种旋转误差的透镜阵列作为整体，计算重建光线的一般化方程，通过拆分体素扩散多边形，得到精确的体素扩散大小，再利用像素重排预处理方法，得到预校正微图像阵列，将其作为像素到像素的条件生成式对抗网络中判别器的输入，与生成器的输出进行比较，直到两者匹配得到校正微图像阵列，最终借助集成成像3D显示系统对校正微图像阵列进行三维重建，有效简化了体素扩散的校正流程，并在提升整体分辨率的同时兼顾细节特征的恢复。

 一种基于UAVD‑Net的无人机遥感图像去雾方法、系统、设备及介质，构建非均匀雾霾遥感图像数据集，包括训练集、验证集和测试集；构建基于UAVD‑Net的无人机遥感图像去雾网络；使用训练集和验证集训练基于UAVD‑Net的无人机遥感图像去雾网络，得到最优训练权重文件Dehaze.pt；使用测试集和最优训练权重文件Dehaze.pt对基于UAVD‑Net的无人机遥感图像去雾网络进行无人机遥感图像去雾，得到无人机遥感图像去雾结果；系统、设备及介质用于实现该方法；本发明通过在网络中引入多层级全局信息捕捉模块、自适应局部信息增强模块和交叉通道特征融合模块，有效将图像的全局信息和局部特征进行融合，实现了互补，有效提高非均匀雾霾情况下，无人机遥感图像的去雾精度，具有适应性强、去雾精度高的优点。

 本发明涉及结直肠图像分析技术领域，尤其涉及一种基于深度学习的结直肠癌诊断辅助方法及系统。该方法包括以下步骤:获取结直肠内窥镜图像数据，并对结直肠内窥镜图像数据进行感兴趣区域定位，得到结直肠感兴趣区域数据；对结直肠内窥镜图像数据进行多级图像分割，得到结直肠图像多级分割数据；对第一结直肠图像分割数据进行深度特征提取，得到结直肠图像深度特征数据，并对第二结直肠图像分割数据进行三维网络构建，得到结直肠图像三维网络数据；对结直肠图像三维网络数据进行细胞关系特征提取，得到结直肠图像细胞关系特征数据，以进行结直肠癌诊断辅助作业。本发明提高结直肠癌的早期诊断率和诊断精度。

 本发明提供一种基于压缩感知和薄板样条的频谱态势生成方法，涉及磁频谱地图的构建方案技术领域。该方法具体包括:构建基于频谱态势生成算法的区域模型，包括：L个辐射源、H个传感器以及若干个数据处理中心，并分别采集每个传感器所在位置的接收信号强度RSS值；根据每个传感器所在位置的接收信号强度RSS值构建TPS函数；通过建立TPS函数的限制条件对TPS函数进行优化；利用优化后的TPS函数生成基于频谱态势生成算法的区域模型的频谱图。本发明通过对频谱地图生成算法中的压缩感知算法和TPS算法进行合理结合，有效地解决了生成频谱地图不清晰，产生较大误差和较多异常值点的问题。

 本发明提出基于改进DCGAN的脉冲星候选体生成方法及系统，利用改进的DCGAN生成脉冲星候选体图像，通过对不同尺度的通道信息进行提取，然后采用不同尺度的卷积处理生成通道注意力权重；提取输出特征多尺度的特征，然后基于不同池化操作处理，得到空间注意力图；能够增强图像的局部细节和全局特征，从而显著提升生成图像的整体质量和细节表现。

 本发明提出基于峰值检测和DBSCAN聚类色卡图像的分割方法，包括:对版式色卡图像进行图像增强，获得增强后的版式色卡图像；对增强后的版式色卡图像采用高斯模糊方法进行平滑处理，得到经过高斯模糊后的图像特征值；沿垂直方向，对经过高斯模糊后的图像特征值进行卷积计算，得到图像的列特征值，基于列特征值对图像进行列分割；沿水平方向，对经过高斯模糊后的图像特征值进行卷积计算，得到图像的行特征值，基于行特征值对图像进行行分割；对通过列分割和行分割获得的色卡小块进行基于密度的带有噪声的空间聚类算法的筛选，得到正确的所有色卡块。本发明具有广泛的适用性和灵活性，能够满足不同领域和场景下的色卡图像分割需求。

 本发明公开一种面向雷达图像的通感融合系统的编码方法及装置，其方法包括:步骤S1：获取数据集；步骤S2：建立语义编码器模型，该语义编码器模型包括主干网络模块和颈部网络模块；步骤S3：建立神经网络信道编码器模型，该神经网络信道编码器模型包括多尺度融合模块和冗余增加模块；步骤S4：将神经网络信道编码器模型输出的特征信息加载到物理信道上并发送。本发明通过上述方案实现了基于目标检测的雷达图像通信与感知技术的一体化设计，其中，语义编码器模型能够有效实现目标检测技术与语义通信技术的融合；且通过改进的算法，数据对噪声干扰有了更好的鲁棒。

 本发明公开了一种曲轴点云语义分割方法，步骤包括:对曲轴点云模型体素化降采样并建立Kd‑Tree拓扑结构；计算两个大小不同的支撑半径下的法线，调节法线方向，以法线差计算法线微分(DoN)特征；以小支撑半径获取点邻域的数量并计算点云曲率及FPFH特征；以邻域点数量最少的点作为初始种子点，定义初始目标区域；搜索种子点的k近邻点集，以FPFH特征阈值及曲率阈值作为区域生长准则，以DoN特征阈值对分割区域进行语义判断；当无法找到满足生长准则的邻域点时，完成当前区域生长并继续下一个区域生长，直至遍历整个点云；根据区域点标记数量完成曲轴点云语义分割。本发明具有低复杂性并能准确完成曲轴点云语义分割，提高曲轴点云分割算法的普适性。

 本发明公开了一种用于无人机的光伏组件缺陷轻量化检测方法，基于YOLOv5s模型进行轻量化改进，使其能部署在计算资源有限的嵌入式GPU无人机上对光伏组件缺陷进行实时检测。包括以下步骤:建立光伏组件表面缺陷数据集，并对图像进行预处理；对YOLOv5s模型进行改进，采用ShuffleNetV2网络替代原有主干网CSP结构，大幅降低模型的参数量和计算量实现轻量化，引入有效通道注意力模块ECA，增强模型对光伏组件缺陷特征的识别能力；设置训练参数，对改进后的模型进行训练；将待检测的光伏组件缺陷图像输入训练好的模型中，输出待检测光伏组件表面缺陷的位置和类别信息。该方法有效降低了模型的大小与复杂度，特别适合在资源有限的无人机系统上进行高效的光伏组件缺陷检测。