本技术提供一种基于图像识别的联锁设备检测方法及系统，系统包括:数据获取模块，用于获取待检测联锁设备的调度反馈图像；图像识别模块，根据调度反馈图像以及图像标准库，对待检测联锁设备的状态进行检测，以确定待检测联锁设备是否处于正常状态；其中，图像标准库包括有与待检测联锁设备的各个状态相对应的图像。本发明提供的基于图像识别的联锁设备检测方法及系统，通过发送拍摄指令获取待检测设备的图像，并对待检测设备的图像与图像标准库进行对比，实现了对联锁设备的状态的自动化检测，同时提高了检测效率。

本技术公开了一种基于目标检测和关键点检测的证件版面分析方法，包括:步骤A：采集到彩色的证件图像，并对证件图像进行标签标注；步骤B：提取彩色的证件图像的特征信息，对证件图像获得编码特征；步骤C：在损失函数中加入坐标宽度损失函数，对图像特征和相对应的标签信息进行损失计算；步骤D：通过目标检测和关键点检测算法，对证件图像进行结果预测，包括标题坐标和内容坐标，以及内容坐标所对应的关键点信息的坐标，进行结果预测，得到内容栏所在的文本行框和标题栏的文本行框，以及内容栏所对应的关键点位置；步骤E：使用字符识别算法进行全页文本行识别，根据步骤D获得标题栏与对应内容栏的关系，结构化输出全页识别信息。

 本技术公开了一种基于分割模型与连通域生成算法的DAS微地震事件检测方法，包括步骤:基于不同场景下包含微地震事件的DAS微地震数据构造数据集D；选择一语义分割模型，并构造其损失函数Loss；用数据集D以最小化Loss训练语义分割模型，得到微地震事件分割模型；生成样本的预测框，计算预测框的置信度分数；计算样本的最优置信度阈值和最优面积阈值；获取待检测DAS微地震数据进行检测。本发明检测结果能提供DAS微地震事件的位置信息，便利使用者更迅速方便的定位出微地震事件、且能提供更精准的检测结果，降低漏检率与误检率，提高DAS微地震事件检测精度与模型鲁棒性，同时提供了更强的可解释性。

 本文涉及生物信息学技术领域，特别涉及一种基于尺度不变特征变换和预过滤的同源蛋白质查找方法，其中，方法包括:获取待比对蛋白质结构中的‑碳原子坐标，计算其对应的距离矩阵，并利用SIFT算法提取距离矩阵的特征描述向量矩阵，将该矩阵映射至高维球面，并通过球面分区的预过滤算法从大规模蛋白质数据库中快速筛选出满足预过滤条件的候选蛋白质结构，将待比对蛋白质结构与候选蛋白质结构的特征描述向量矩阵进行GPU加速的精确比对，以生成蛋白质结构比对结果，进而确定待比对蛋白质对应的同源蛋白质。由此，本申请在保持比对精度的同时提升了比对速度，克服了现有技术中效率与精度难以兼顾的不足，适用于大规模蛋白质数据库的快速搜索与高效比对。

 本技术涉及一种基于改进FCOS的道路边坡落石检测方法，具体包括如下步骤:步骤一：对FCOS算法进行改进，引入轻量级主干网络替换原特征提取网络轻量化网络模型，减少网络参数，训练网络模型得到网络模型权重文件；步骤二：利用PTQ量化方法将模型量化为计算精度int8类型的边缘端模型并部署到地平线RDK X3 Module模块。本发明使用轻量级主干网络作为特征提取网络，减少了网络参数，使得模型可以在边缘设备部署，将模型量化部署到地平线RDK X3 Module模块运行，实现了对道路边坡落石准确和实时检测，将识别到落石结果的数据帧上传到服务器，降低了网络的地质量和无效数据的传输量，降低了服务器的压力。

 本技术公开了基于高斯泼溅与3DMM模型的单目视频人脸重建与驱动方法，包括如下步骤:S1、基于3DMM模型将人脸RGB视频的每一帧转化为显式表示的人脸网格；S2、构建几何增强模块，采用改进的迭代最近点算法对眼睛和牙齿区域进行几何对齐；S3、初始化3D高斯球，根据人脸网格在不同表情下的点变化驱动3D高斯球的动态变化；S4、基于不同面部区域的特性，分配自适应优化的学习策略系数；S5、为每个3D高斯球增加置信度信息，通过渲染生成置信度图像并与渲染图像相乘，与输入图像计算高维特征相似性，优化3D高斯球的属性参数和渲染效果。本发明结合高斯泼溅与3DMM模型，实现了单目视频人脸高精度重建与驱动。

 本文涉及一种月季切花分级系统，包含获取切花相关参数的图像采集模块、切花传送模块和与图像采集模块、切花传送模块通讯连接的控制模块。系统能够基于分拣标准的调整而调整图像采集模块的信息采集内容，并基于控制模块生成相应的用于评估切花等级的评分。基于切花等级，受控制模块发送的指令的控制，切花传送模块能够将相应等级的切花传送至其所对应的分拣区。本申请涉及通过图像化技术对花朵的形态特征进行精准识别与分类的方法。具体而言，针对花朵的花型、开放等级和畸形程度进行系统划分，以及对花朵的大小和畸形率进行季节性变化的分析，显著提升了自动分级设备在切花分级过程中的准确性和可靠性。

 本技术公开了一种基于傅里叶级数特征的神经网络辅助调制格式识别方法、系统及设备，属于通信技术领域，其技术方案要点是，包括以下步骤:S1、调制格式不敏感的数字信号处理；S2、对历史信号集的幅值进行直方统计；S3、对历史幅度分布集进行傅里叶级数分解；S4、根据历史幅度特征集和历史标签集，训练神经网络；S5、生成实际待识别信号；S6、对实际待识别信号的幅值进行直方统计，得到信号幅度分布；S7、对信号幅度分布进行傅里叶级数分解；S8、将幅度分布特征输入训练完成的神经网络，得到相应的调制格式标签，实现调制格式识别；发明能够在大信噪比范围内以较低的计算复杂度在光纤通信系统接收端识别信号调制格式，提高接收机的灵活性。

 本技术涉及海洋监测技术领域，尤其是涉及一种基于Transformer的海洋生物种群异常监测方法及系统。方法，包括获取不同监测点的海洋生物种群数据，包括遥感卫星影像数据、水下传感器网络的时间序列测量数据和无人机采集的高分辨率图像数据；对获取的海洋生物种群数据进行预处理；基于门控制机制对海洋生物数据进行特征筛选；基于Transformer模型对筛选的特征进行异常检测；输出异常检测结果并反馈Transformer模型进行再训练。本发明提出的基于门控制机制的自适应特征筛选方法能够自动识别和筛选出与海洋生物种群变化最相关的特征，从而减少数据冗余和噪声的干扰。

 本技术公开了一种病理图像自监督染色归一化方法和装置，属于数字病理和图像处理相结合的技术领域，包括:构建病理图像数据库；设计染色归一化模型，其包括公共特征域提取模块、内容感知器、场景感知器、融合模块，该染色归一化模型可以对病理图像进行颜色转换，得到染色归一化后图像；基于输入原始病理图像和染色归一化后图像的像素级差异构建自监督损失函数并训练染色归一化模型，该模型可对任意未知病理数据中心的图像实现朝选定的病理数据中心图像进行自适应染色风格归一化。