本发明提供了一种基于YOLOV8的痰液标本细菌检测方法，属于图像处理和计算机视觉技术领域；具体包括如下步骤:步骤1：获取革兰氏染色玻片图像数据集，并对获取到的革兰氏染色玻片图像数据集进行预处理；步骤2，数据标记：将步骤1中预处理后的数据进行旋转框数据标注，并将数据分为训练集、验证集以及测试集；步骤3，改进网络模型：修改损失函数，在特征提取和特征融合阶段对YOLOV8进行改进，得到改进的模型；步骤4，训练模型：将所述的训练集输入所述的网络模型进行迭代训练，得到最优目标检测模型；步骤5，评估模型。本发明实现准确和快速的细菌实例分割和识别，能够显著提高细菌的检测精度和效率，提升准确性和可信度。

本发明公开了一种基于形态动态感知和光点库的变电站火点识别方法及系统，属于电力设施火点识别技术领域，所述方法包括:对变电站区域进行三维建模，得到三维场景模型，并在三维场景模型中标定不同摄像头的位置和观测角度；分别获取不同观测角度的摄像头同一时刻对同一区域拍摄的实时图像；从三维场景模型中分别提取与实时图像的观测角度相同的场景图像；基于不同观测角度的实时图像和场景图像进行多方位火点动态识别。本发明通过构建三维场景模型，可以基于各个观测角度下的实时图像和场景图像，进行多方位协同解析，提高变电站火点识别的准确度。

一种图像处理方法、装置、拍摄装置和可移动平台，所述方法包括:获取目标场景的双目图像；根据所述双目图像，确定所述目标场景的深度信息；根据所述深度信息以及所述双目图像中的一个单目图像的语义分割图，获得所述目标场景中各目标的语义信息和位置信息。本发明在进行目标识别时，结合了目标场景的深度信息与目标场景的单目图像的语义分割图，能够更精确的获取目标场景中各目标的语义信息和位置信息，实现了对目标场景中距离缺失、纹理相近的类别的区分，为构建精确实用的语义地图提供了支撑；本发明的目标识别方法尤其适用于背景较为复杂的目标场景。

本公开的实施例公开了中药表单信息发送方法、装置、电子设备和可读介质。该方法的一具体实施方式包括:采集中药品列表图像；对中药品列表图像进行图像插值处理；将增强中药品列表图像输入至订单区域识别模型，得到目标框信息；根据目标框信息，对增强中药品列表图像进行图像裁剪处理，得到订单编号图像；对订单编号图像进行二值化处理；将灰度订单编号图像输入至空间特征提取层；将中药单号特征图集合输入至特征融合层；将融合特征图集合输入至双向循环网络层；将序列特征张量输入至权重特征提取层；将权重特征张量输入至转录层；根据单号识别结果信息，生成中药表单信息；将中药表单信息发送至打印终端。该实施方式可以减少打印纸张资源的浪费。

本发明公开了一种博物馆展品互动AR体验方法及系统，涉及互动AR体验技术领域，在展品显示调整过程中，通过将展品的文化背景信息纳入AR显示画面的设计，使得用户能够更好地理解每件展品的历史背景和文化价值，在显示画面分析过程中，通过实时调整AR设备的显示画面信息，可以根据各参观者的视觉舒适度和偏好进行优化，有利于各参观者在不同环境下都能获得最佳的视觉体验，避免了由于显示不适造成的视觉疲劳或不适感，在语音播报分析过程中，通过对环境噪音和参观者的语音输入进行分析，系统能够动态调整语音播报的语速和音量，使得语音信息能够在各种环境噪音条件下保持清晰可听，提高了互动的有效性和用户的体验。

本发明提供一种人体异常行为检测方法、装置、电子设备及存储介质，涉及计算机技术领域，其中方法包括:对图像数据帧中的待检测目标进行识别，并进行特征提取，确定人体关键点；基于躯干关键点，对方向偏差进行判断，确定处于倾斜姿态；基于对各图像数据帧中人体关键点的离群因子进行判断，确定待检测目标是否处于异常行为状态。通过确定的躯干关键点，对待检测目标相对世界坐标系的方向偏差进行判断，确定处于倾斜姿态。并基于各图像数据帧中人体关键点的离群因子，联合角度以及距离进行分析，综合考虑了不同位置人体关键点的角度和距离的影响，实现待检测目标是否处于异常行为状态的准确确定，提升了人体异常行为检测的准确性。

本发明公开了一种医学图像的处理方法、电子设备和存储介质，该方法包括:获取同一患者的目标病例图像；获取所述目标病例图像中的参考图像；将所述目标病例图像中的其他图像向所述参考图像进行配准，获取配准结果；对所述参考图像和所述配准结果进行展示。本发明实现将所有病例图像均配准至同一姿态，然后按照设定顺序依次对参考图像和配准结果进行展示，提高了图像配准效率以及配准效果的鲁棒性，同时便于医生对患者的病情进行及时查看与整体分析，能够快速了解、掌握当前患者的病情变化趋势，极大程度上提高了医生的阅片效率，以及优化了诊断流程，有效地提升了医生阅片的体验感。

本发明公开了一种基于计算机视觉的矿下钻机钻杆计数方法，S1、获取钻杆图像数据，将钻杆图像数据划分为两种类型数据；S2、对两种数据进行图像增强处理；S3、将不同比例的高斯白噪声加入每一张清洗的图像中；S4、样本图片读入后被锁定为一个416*416的图像，每一个图像区域经过Darknet；S5、对图像候选框以及候选框的中心点、宽、高进行分类和回归任务，并修改分类任务的输出设置成1；S6、通过训练最小化损失函数，监测网络输出多个检测候选框；S7、将在检验框中置信度最大的检验框作为输入框，依次计算有重叠的检验框的IOU，当计算的IOU值大于设定阈值时，过滤，并重复步骤S7；S8、采用图像分类、卡尔曼滤波算法和匈牙利算法对监测到的目标进行跟踪计算。

本发明提供了一种基于人工智能的视频检测方法，所述方法包括:接收解密私钥的第一部分；确定关联于所述视频影像的完整性指数；组合所述解密私钥的所述第一部分与所述完整性指数以生成所述解密私钥；使用所生成的解密私钥以尝试将视频影像内容解密；如果所述完整性指数表示所述视频影像未被篡改，并且所生成的解密私钥是以正确方式地被生成，则将所述内容解密成功。本发明提出了一种基于人工智能的视频检测方法，通过将认证数据嵌入视频文件中，无需附加信息即可检验取证视频是否被篡改，提高了视频检测过程的运行效率。

本发明公开了一种高压输电网的闪放电监测方法，涉及电力领域，解决现有的高压输电网闪放电监测不准确的问题，方法具体如下:步骤S1，基于监测到的高亮现象，使用监控摄像头对高压输电网的视频数据进行获取；步骤S2，对监控摄像头保存的监控视频流进行分析，分析得到高压输电网的监控图像数据集；步骤S3，导出监控图像数据集，将监控图像数据集中天空地面图像分割为天空图像和地面图像，并在分割后的天空图像中加入黑色背景构成得到候选帧；步骤S4，将候选帧与缓存帧数据集内的缓存帧进行直方图相似度比较，过滤异常情况后输出闪电帧，本发明实现对高压输电网闪放电现象的准确监测。