本文公开了一种基于人工智能的智慧工地施工安全监管方法及系统，其方法包括:每相隔预设的时间段，获取无人机航拍图像及点云数据；根据点云数据生成数字高程模型；在数字高程模型中提取高程数据；提取无人机航拍图像中的地物特征和边缘特征；对数字正射影像、地物特征和数字高程模型进行整合，得到矢量图；匹配无人机航拍图像中重叠图像中的边缘特征，并将其输入机器学习模型，生成空中三角测量模型；根据空中三角测量模型，创建立体像对，生成实景三维模型；整合实景三维模型和矢量图，得到施工现场数字地图；获取人员位置数据；确定危险因子，并分析得到施工现场安全隐患分析警示区，确定安全施工距离以及施工区域的施工安全风险系数并显示。

 本技术涉及一种飞行器滑跑轨迹识别方法和系统，包括:获取飞行器机载单目相机的相机内参，建立相机坐标系与像素坐标系的转换关系；获取飞行器的相机捕获的图像并进行畸变矫正处理；基于畸变矫正后的图像，提取像素坐标系下的飞行器轮组关键点坐标以及地面跑道中心线关键点坐标；基于飞行器轮组尺寸信息，以及飞行器轮组关键点坐标和地面跑道中心线关键点坐标，利用相机坐标系与像素坐标系的转换关系，计算相机坐标系下的飞行器轮组和地面跑道中心线特征点的三维坐标；基于飞行器轮组和地面跑道中心线的三维坐标，拟合得到地面跑道中心线方向，计算飞行器相对地面跑道中心线的偏移信息，实现飞行器滑跑轨迹识。

 本技术涉及房颤检测技术领域，尤其涉及一种基于面部视频的房颤检测方法，通过从面部视频提取粗略rPPG信号和运动级别，结合GAN网络和LSTM模块结合注意力机制的房颤识别网络进行多任务学习，从而实现房颤类别的识别。本发明仅需获取面部视频即可实现了对房颤的无感检测，用户体验性好安全系数高；此外，本发明引入了运动级别分析，并结合GAN网络以及带有LSTM模块和注意力模块的房颤识别网络进行多任务学习，对于人脸运动引起的噪声有更强的鲁棒性。

 基于三维重建无损表型参数提取的香菇产量估测方法，属于农业信息化与智能化技术领域，解决香菇产量估测准确度低的问题。本技术的方法包括:利用感兴趣区域，对香菇进行点云三维重建，生成稠密点云数据；对稠密点云数据进行预处理；基于改进的CP‑PointNet++模型和聚类算法，分割香菇点云，提取菌盖直径、厚度、菌柄高度多维度关键表型参数，覆盖香菇表型信息的主要特征；改进的PointNet++网络包括：在PointNet++网络的MLP层加入CBAM模块，采用部分卷积PConv替换普通卷积；将香菇的表型参数表型参数作为神经网络模型的输入变量，预测香菇产量。本发明适用于香菇等食用菌的表型性状分析与育种研究。

 本技术属于图像处理技术领域。提供了一种阴影恢复方法、模型训练方法、系统、介质、产品及设备，对预处理后的OCT图像采用预训练的双阶段辅助梯度模型进行阴影恢复，得到阴影恢复后的OCT图像；训练过程，包括:获取多张OCT图像作为训练图像，对所述训练图像进行预处理后，选取不同阴影比例训练图像，根据不同阴影比例训练图像进行扩充构建训练集；根据所述训练集，在第一阶段训练过程中，通过将整幅图片预测为背景的方式进行训练损失的最小化；利用自然先验知识进行引导，结合人工合成的训练图像阴影，进行第二阶段的训练。本发明通过二值化掩码机制实现了阴影区域高精度恢复，避免了错误结构信息的产生。

 本技术公开了一种基于图像的车辆淹没部位自动判别方法，属于计算机视觉技术领域。首先，构建基于深度学习的水面和车辆实例分割模型以及基于深度学习的车辆外部部件目标检测模型；构建基于机器学习的车辆淹没部位判别模型，该模型以车辆的各类外部部件目标检测置信度作为输入。然后，读取城市洪涝图像，利用水面和车辆实例分割模型获取水面掩码和车辆掩码；根据水面掩码和车辆掩码选出水中车辆；利用车辆外部部件目标检测模型从水中车辆掩码区域范围图像中检测出外部部件；车辆淹没部位判别模型根据各类外部部件目标检测置信度判别车辆淹没部位，从而实现车辆淹没部位自动判别。本发明方法可为应急救援、车辆转移和车损评估提供参考。

 本文提供了一种脊柱内窥镜图像手术器械分割方法及系统，对脊柱内窥镜图像进行多尺度卷积操作，识别轮廓边缘检测中的光斑干扰特征；基于脊柱内窥镜图像中纹理的信息方差对脊柱内窥镜图像中手术器械的轮廓信息进行多梯度同步提取，得到手术器械在各个梯度分支下的轮廓特征图，依据各个轮廓特征图之间的纹理信息差异确定每个梯度分支对应通道的识别注意力；依据所有通道的识别注意力和光斑干扰特征对所有轮廓特征图进行卷积融合，得到手术器械的融合轮廓，再基于融合轮廓对脊柱内窥镜图像进行图像分割，得到手术器械的分割特征图。采用本申请的方案，可实现脊柱内窥镜图像中手术器械轮廓特征的多梯度同步提取，从而提高手术器械分割的鲁棒性。

 本文公开了一种高分遥感图像道路提取方法、装置、设备及存储介质，涉及遥感技术领域。具体实现方案包括:获取样本集；构建道路提取模型，通过样本集对道路提取模型进行模型训练直至损失函数收敛，得到目标道路提取模型；通过目标道路提取模型对输入的高分遥感图像进行道路提取，得到道路图像。本公开解决了现有技术中对于有着复杂背景的道路网络的道路提取精度较低的问题，提高了复杂背景的道路网络下的道路提取精度。

 本技术公开了一种目标检测方法，包括读取摄像机的当前帧图像和当前帧之前的序列帧图像，对序列帧图像和当前帧图像分别进行处理生成环境背景图像和新图像；采用背景差分法计算新图像与环境背景图像之间的差异，依据自适应差分阈值将差异结果二值化得到二值图像，并采用边缘检测算法获取二值图像中的轮廓边缘；计算轮廓边缘的最小矩形边界框作为动态区域边界框，并采用矩形提取策略得到包含动态区域的图像；将包含动态区域的图像输入至目标检测模型中得到目标检测结果，目标检测模型为预先采用考虑气象因素的数据集训练得到；本发明避免目标区域占比过低造成无法进行目标识别的问题，且采用考虑气象因素的数据集训练模型，提高了模型泛化能力。

 本技术公开了一种自动获取面包切片层三维结构表型参数的方法，包括步骤:S1、获取面包切片层的三维点云；对三维点云进行直通滤波，得到面包切片表面点云；S2、进行插值分割和平面拟合，获得数据集；S3、构建3D面包分割网络对数据集进行点云分割，得到面包平面点云；再对面包平面点云进行投影处理，得到每个点云边界；S4、遍历每个点云边界，还原面包切片层孔隙点云；S5、提取出第一表型参数和第二表型参数。本发明用三轴运动平台和线激光轮廓传感器进行扫描，成本可控且可长期使用；还用3D面包分割网络和架构还原，准确的重构面包切片层的三维结构；还从表面和孔隙这两个角度获取大量的表型参数，使得评估更全面。