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。

 本公开的实施例提供了一种基于全局‑局部表面协同感知的物体高斯逆渲染方法；涉及图形逆渲染领域。方法包括进行光线投射与采样，获取采样点；利用几何网络和颜色网络计算采样点的神经辐射距离值和颜色值，获取全局几何表征；根据神经辐射距离值，初始化高斯点云位置；从初始化高斯点云中选取局部控制点，以局部控制点为中心，确定局部采样点并构建局部距离函数；根据局部采样点，利用局部距离函数和神经辐射距离函数，计算局部采样点的局部距离值和全局神经辐射距离值；根据全局几何表征，以这两个距离值为约束，重建几何细节；为高斯点云添加属性值进行材质与光照建模，获取材质属性与光照条件。以此缓解物体表面粗糙、提高细节捕捉能力。

 本技术公开了盆骨关键点定位方法、系统及存储介质，盆骨关键点定位方法步骤如下:S1：骨骼影像的原图像和畸变图像坐标点生成；S2：骨骼畸变后的关键点映射计算；S3：构建四象限，通过等比变换实现图像畸变增广；S4：通过深度学习，训练关键点定位模型，实现临床盆骨关键点定位。本发明通过引入仿畸变数据增广技术，生成更具代表性的数据集，实现自动化、高准确度的盆骨关键点定位；本发明可将盆骨骨骼关键点定位精度从平均误差1.3毫米降低到平均误差1.1毫米，提升了定位精度。

 本文公开了一种基于分类和多级残差增强的高光谱与多光谱图像融合方法，涉及新一代信息技术领域。本申请中所述高光谱与多光谱图像融合方法获取的重建的高分辨率高光谱图像较为准确，而且重建的高分辨率高光谱图像与源图像所对应标签之间的偏差较少，在对图像细节重建方面较为突出，能够具有较高的还原精度；而且，本申请所述高光谱与多光谱图像融合方法在对背景噪声较多的源图像进行融合时具有较强的鲁棒性和适应性，能够有效地抑制背景噪声对图像融合质量的干扰；此外，本申请所述高光谱与多光谱图像融合方法对不同类别的地物还具有较强的区分能力和重建精度。

 本技术公开了一种基于机器视觉的玉米秸秆切碎长度检测方法，涉及玉米秸秆智能化收获技术领域，方法包括:获取待检测图像，并将待检测图像输入至预训练模型中得出待检测图像中的每个玉米秸秆对应的长度；模型的训练过程为：对实验图像数据进行空域内的变换处理，得到增强后的图像数据；对增强后的图像数据进行分割提取，并标记，确定每个连通区域对应面积，基于最小外接矩形拟合计算出每个面积对应的玉米秸秆的实际长度，基于实际物理长度以及实际长度，确定是否对模型参数进行调整。本发明实现了秸秆切碎后长度的实时精确测量，为玉米打捆机械的智能化改造提供技术支撑。

 本技术公开了一种基于嵌入式与图像处理的玉米果穗损伤检测方法，涉及农作物无损检测技术领域，方法包括:提取当前原始图像的图像边缘特征，并对背景区域进行分割，得到第一图像，对第一图像进行膨胀处理，确定果穗区域，并对第一图像进行剔除果穗区域处理，得到第二图像，对第二图像进行预处理，得到玉米叶子区域，对第二图像进行剔除玉米叶子区域处理，得到第三图像，对第三图像进行开运算，得到损伤区域。本发明在不同的色彩空间中，不同的特征提取难易度不同，因此在不同的色彩空间提取不同的特征区域可以大幅度提升区域范围确定的准确性。

 本技术公开了一种基于深度学习和嵌入式的玉米果穗损伤检测方法，涉及农用机械技术领域，方法包括:实时获取收获机工作时，集穗箱内的影像数据，并通过预训练的深度学习模型，对所述影像数据进行处理，得到损伤分类结果；对所述损伤分类结果中的每一张影像数据进行预处理，并对预处理后的影像数据进行损伤部分的占比计算，并对占比计算结果进行保存处理。本发明通过预训练的深度学习模型可以及时准确的确定出在玉米收获的过程中出现的玉米损伤的比例，此外，通过计算损伤部分的占比还可以进一步为后续收获方案或收获机的改进提供一部分数据支撑。