本申请实施例提供了一种指纹模组和电子设备，该指纹模组应用于电子设备，该指纹模组包括:盖板、超声波传感器、电路板和后盖；指纹模组通过电路板与电子设备的处理单元电连接；超声波传感器用于发射超声波信号并接收被反射后透过盖板的超声波信号，还用于将接收到的超声波信号转换为电信号并通过电路板将电信号发送给处理单元；盖板用于提供按压面，盖板和后盖形成的容纳空间用于容纳超声波传感器。本申请实施例采用超声波指纹方案，由于超声波穿透力较强，因此与现有技术中的电容式指纹方案相比盖板可以为多种材质，且可以设置较厚的盖板，防止指纹模组在受到外力冲击时发生损坏。

 本发明公开了一种基于图像处理的微观可视化光刻模型制作方法。设计方案为:利用机器学习识别岩心铸体薄片图像中孔隙与岩石骨架，从而提取出孔隙；利用分水岭算法生成喉道；利用轮廓识别算法提取喉道；利用膨胀算法将喉道半径用高压压汞获取的喉道大小分布进行赋值；组合孔隙和喉道图像并提取孔喉轮廓转化为几何模型，再导入COMSOL中计算孔隙度及渗透率，验证模型物性；最后，连接光刻机，制作具有真实孔喉结构的微观可视化光刻模型。本发明模型制作方法实现程序化，简单实用，避免了因岩心致密而从薄片图像中提取不到喉道的问题，同时用模拟手段将模型与真实岩心的物性进行对比验证，能更好的表征储层物性，为微观可视化实验提供可靠基础。

本发明涉及光学检测技术领域，提供一种碳化硅小面成像系统及小面识别方法，所述的一种碳化硅小面成像系统包括:数据处理模块和数据采集模块；所述数据采集模块，包括：光源、第一滤光片、偏振片、1/2波片、第一透镜组、采集装置、镜头、第二滤光片、第二透镜组、双色镜；所述光源的出射方向依次设置第一滤光片、偏振片、1/2波片、第一透镜组、双色镜；所述双色镜与光源的出射方向呈45°角设置，所述双色镜的出射方向依次设置第二透镜组、第二滤光片、镜头和采集装置；所述镜头安装在采集装置上；所述采集装置采用CCD相机或单光子探测器。本发明能够提高小面区域识别的准确率，减少人工干预，降低人工检测成本。

本发明实施例公开了一种旋转中心的标定方法、装置、计算机设备和存储介质。本发明实施例提供的旋转中心的标定方法，包括:获取所述旋转中心的初始坐标值，以及被测物的标准坐标值；获取按照补偿值旋转被测物后所述被测物的第一实际坐标值；根据所述标准坐标值、所述第一实际坐标值以及所述初始坐标值，获取所述旋转中心的新坐标值。本发明实施例公开了一种旋转中心的标定方法、装置、计算机设备和存储介质，能够标定出旋转中心，对偏离旋转中心的位置进行补偿。

 本发明提供一种扫描电子显微镜堆叠颗粒图像交互实例分割方法，包括:步骤(一)、构建图像数据集并划分为训练集、验证集和测试集；步骤(二)、在YOLOv8n主干网络的基础上，增加连续馈入级联自注意力模块，构建主干网络；步骤(三)、构建颈部网络；步骤(四)、构建高效串并联式分割头；步骤(五)、根据构建的主干网络、颈部网络和分割头，组建分割网络；利用训练集和验证集对分割网络进行训练，获得分割模型；步骤(六)、利用测试集数据，输入到分割模型，得到分割结果。本发明能够解决现有技术中人工识别方法人机交互程度较低、效率低下且耗费成本较高、同时错误率高的技术问题。

 本发明公开了一种基于页岩油藏孔隙网络模型的油水两相流动模拟分析方法及系统，所述方法包括以下步骤:获取泥页岩储层的岩石，并对岩石进行切片扫描，获得切片图像；选取切片图像中孔隙集中发育的区域进行分割，获得分割后的图像；对分割后的图像进行预处理，获得预处理图像；对预处理图像进行连通性阈值分割，获得最终图像；基于最终图像，通过最大内切球方法建立孔隙网络模型；通过孔隙网络模型进行泥页岩油水两相流动模拟，得到模拟结果。本发明不再依赖于传统的测井、钻井和生产动态数据，而是直接从岩石样本的图像中提取信息，然后进行油水两相流动模拟，从而避免了传统方法可能引入的误差和不确定性。

 本发明涉及深度学习领域，具体公开了一种小样本红外遥感图像去噪方法和装置。包括构建去噪模型，包括两个生成器和两个鉴别器，将灰度遥感噪声图像样本和灰度遥感干净图像样本分别输入去噪模型，利用不同鉴别器并利用不同生成器的下采样层进行特征提取，得到多个特征图，利用多个卷积串联结构，进行特征分离和交叉重构计算，得到丰富信息特征图，利用生成器的上采样层重构去噪后图像，得到单向映射图像并输入另一鉴别器，通过另一生成器进行处理，得到双向映射图，计算生成器MES损失，得到初步训练后去噪模型，利用真实红外遥感图像对初步训练后去噪模型进行训练，得到最终去噪模型。解决了深度学习模型训练中对训练样本需求量大的问题。

 本发明提供一种基于机器视觉的淡水鱼表型数据无接触测量装置及方法，装置包括捕捞模块、视觉模块、供电模块、控制模块；本发明利用水下摄像机和工业相机获取鱼群图像数据，并上传上位机进行图像处理，上位机在SVR模型中引入非线性组合和交互项，为了让SVR模型能够根据不同的鱼类特征重要性进行调整，为每个形态特征引入不同的权重系数，并通过SOA算法优化这些系数，最终实现对鱼类表型数据的精确测量。本发明能够在自然环境下实现对淡水鱼表型数据的无接触测量，在提高测量精度的同时降低测量难度，减少鱼体的损伤，提升鱼类表型测量的机械化与智能化水平，帮助养殖者优化管理决策。

 本发明提供了一种统一框架增量学习遥感场景分类方法及系统，属于图像处理技术领域，包括统一数据库构建、统一骨干网络、分类头网络模型构建、统一超参数构建、线性规划增量学习有监督训练范式网络训练、分类预测结果输出和统一模型验证；本发明能够构建统一的遥感图像分类模型框架范式，框架支持多种模型嵌入，使得模型精确、通用且易于验证，而且支持各类模态数据作为模型输入，显著增强了框架的通用性；同时设计出一种基于线性规划增量学习的有监督学习训练范式，使得模型能够在大规模异源数据集上进行连续的全监督训练，增强了模型的泛化性。

 一种针对红外光谱图像的空谱域联合压缩感知方法，属于高分辨光谱成像和压缩成像领域。本发明实现方法为:生成空谱域联合压缩成像编码矩阵，将此矩阵作为编码模版加载到DMD上，使其对目标光信息进行空间调制，使用衍射光栅对空间调制后的光谱图像进行光谱调制，使用低分辨率红外相机对调制后的图像进行空间下采样和光谱下采样，获得低分辨率二维混叠图像。通过空域压缩成像与谱域压缩成像突破红外相机空间分辨率和光谱分辨率的限制，采集的低空间低光谱分辨率红外图像使用重建算法即能够恢复出原高空间高光谱分辨率红外图像。本发明利用光谱图像的空间、光谱相关性，通过压缩成像方法在数据采集前对数据压缩，显著减少采集、存储、传输的数据量。