本技术公开了一种基于图像分析的对中度计算方法，通过摄像头获取的图像信息，结合先进的图像处理技术，包括中值滤波、图像差分和阈值化处理，精确提取关键特征并计算对中度。该方法能够有效提升对中精度，为设备的稳定运行和生产效率提供可靠的技术支持。

 本技术公开了一种获取大型高温锻件光条图像中光条亚像素边缘的方法及系统，涉及计算机视觉检测技术领域；包括:以锻件图像中光条的像素级边缘为中心获取N1×N2范围内像素，以像素的中心为坐标原点o建立坐标系oxy，x为坐标系的横轴，y为坐标系的纵轴；在坐标系oxy中根据N1×N2范围内像素的灰度得到曲线δ；曲线δ与像素级边缘所在像素的边缘线相交后得到两个交点，获取像素级边缘中心与两个交点连线垂直的直线，该直线与曲线δ的交点为所取像素级边缘对应的亚像素级边缘。该方法能得到大型高温锻件图像中锻件上光条的亚像素边缘，适用于因锻件上存在压痕造成图像中光条曲率变化较大时光条的亚像素边缘获取，具有计算精度高、适应好的特点。

 本技术公开了一种基于时空解耦多尺度特征融合的人体行为识别方法及系统，包括局部时空多尺度特征融合网络MDCNN和时空解耦网络DTST；使用多尺度卷积神经网络提取多通道传感器数据的不同尺度特征，同时提取信号的浅层特征和深层特征，充分利用不同层次特征之间的互补信息，提取表现动作信息的特征；通过基于Transformer的时空解耦网络，将网络解耦为时间解耦和空间解耦结构，以便于精确地提取惯性信号中的时空特征；最后，使用Softmax分类器进行动作分类识别。本发明可高效利用多传感器数据之间的一致性和互补性，融合多尺度时空特征，充分考虑时间维度上的变化与空间位置上的相关信息考虑，对不同传感通道的信号保持了不同的关注度，提升人体行为识别中的识别精度。

 本技术公开了一种基于光谱相似度降低藻类误识别率的荧光光谱解析方法，属于海洋水生态环境监测技术领域，本方法能够有效降低藻类光谱的误识别率。本发明所述算法对95个纯种藻类样品的分类测量结果与标准方法相比有4个差值点位于95%的一致性界限外，占比小于5%。对混合样品中49个藻类样品的分类测量结果与国家标准方法相比有3个差值点位于95%的一致性界限外，占比亦小于5%。考虑到测量误差的随机性，这种结果表明本发明所述算法测量结果与国家标准方法测量结果之间具有很好的一致性。

 本技术公开了一种基于多尺度特征融合Transformer的大豆叶片病害识别方法，包括以下步骤:S1：从公共数据集中获取不同类型的大豆叶片病害图像，S2：对采集的大豆叶片病害图像进行预处理操作，包括旋转、翻转、亮度调整、对比度调整；S3：构建大豆叶片病害识别模型；S4：对训练后的模型进行验证；S5：获取待识别的大豆叶片病害图像；S6：将待识别的大豆叶片图像输入构建好的大豆叶片病害识别模型中，识别并通过分类器输出病害种类；引入了金字塔池化模块和自注意力机制，并对通道注意力模块进行了优化，可以获取不同尺度之间的全局空间依赖关系，从而有效提高模型的识别准确率。

 本技术公开了一种面向雨天车辆检测的多模块协同式去雨方法及系统，给定输入多模块协同式去雨方法的有雨图像，通过卷积层完成原始噪声过滤，构建渐进式信息感知模块，用于丰富空间细节的提取与传递优先级高的信息，输出特征；特征在编码单元经下采样被逐级缩小至低分辨率，经中间层处理后，由解码单元映射至原始高分辨率，输出特征；特征经3×3卷积层映射后生成残差图像，通过与相加得到最终去雨结果。

 本技术公开了一种基于两阶段渐进式的去雨方法及系统，旨在解决智能网联汽车在雨天场景下车辆检测精度衰退的问题。该方法通过构建专门的车辆检测数据集MCGVD，并将其分为训练集和测试集，利用包含改进U‑Net的特征提取网络和特征融合机制的两阶段渐进式去雨网络TSPNet进行训练。测试集输入训练完成的TSPNet中，通过1x1卷积进行通道升维后提取浅层雨纹信息，再通过改进的编码器‑解码器架构完成深层雨纹信息的提取，最终复原得到车辆图像，实现雨天车辆检测。该系统通过轻量级特征提取与加权模块和高效率特征传递与融合模块，提高了去雨效果和图像质量，显著提升了车辆检测系统在复杂天气条件下的性能，具有重要的实际应用价值。

 本技术提出一种触屏交互下手绘微地图曲线拟合优化方法，涉及地图数据制备领域，本质上是一种复杂曲线拟合优化方法。该方法旨在优化移动端平台上用户手绘微地图曲线的几何形态，解决因手指遮挡、触屏精度等因素导致的手绘曲线抖动等问题，提升手绘微地图视觉效果和地理信息实用性。方法包括:通过分析手绘曲线的时空特征，选取分段点，将复杂曲线分段；运用支持向量机对线段进行分类；针对不同类型的线段采用最小二乘估计或贝塞尔曲线进行拟合优化；以主方向为约束，对优化后的线段进行方向规则化表达；最后，基于显著基准线将优化线段合并为完整曲线。本发明能有效提升手绘微地图的美观性和信息表达准确性，降低用户创作门槛，增强用户体验。

 本技术公开了一种结合图注意力和区域分类的视觉重定位方法，涉及计算机视觉中视觉重定位领域。该方法采取场景区域分类的方法，对空间场景进行建模与层次分类，对数据进行重标注，采用层次化的场景坐标区域回归与相对坐标预测的做法，将重定位问题由粗到细地将重定位问题前置转换为一个分类问题，最终将定位集中在一个小型区域内，有助于改善大场景规模下的重定位问题；运用图注意力机制，结合分类结果，使得图像中的像素点更好地获取与其处于同一个区域内的其他像素点的信息，产生更为优秀的特征表示。本发明能够解决真实场景下的视觉重定位问题。

 本文涉及三维空间生成式智能体生成方法、装置及电子设备。包括:通过基于预设场景元素搭建三维的活动场景，并搭建活动场景的时间系统；导入初始虚拟对象，设置初始虚拟对象的个人信息；初始虚拟对象为三维模型；创建初始虚拟对象的记忆库；基于初始虚拟对象创建动画器组件以及寻路组件，生成生成式智能体；动画器组件用于控制生成式智能体执行动作，寻路组件用于在活动场景中对生成式智能体导航，生成式智能体用于执行预设任务，预设任务基于个人信息、记忆库中存储内容、时间系统的时间点与活动场景中的地点生成，能够构建三维的活动场景和智能体对象，实现了智能体在三维场景中自动寻路功能，并能根据周围环境和自身情况自动执行任务。