本技术公开了一种基于深度学习的儿童发育性髋关节发育不良辅助诊断系统，包括训练好的实例分割模型和特征点定位模型；实例分割模型用于从儿童骨盆影像中分割出双侧闭孔和髂骨；特征点定位模型用于从儿童骨盆影像中精确定位8个髋关节特征点；诊断步骤如下:将待诊断的儿童骨盆影像输入实例分割模型，分割出双侧闭孔和髂骨，获得闭孔和髂骨的最大横径、面积以及闭孔和髂骨的旋转指数、面积比，以判断骨盆影像的对称性；如果判定骨盆影像对称，则符合质控标准；质控流程结束后，选择将符合质控标准的影像或全部影像送入特征点定位模型进行特征点检测及IHDI分级。本发明可实现儿童发育性髋关节发育不良的快速、准确的影像质控与分级诊断。

 本技术公开了一种基于基础模型辅助半监督学习的医学图像分割方法及系统。在医学图像分割任务中，本发明通过引入视觉基础模型Segment Anything Model(SAM)与U‑Net模型相结合的创新方法，显著提升了标注精度和分割效果。与现有的半监督学习方法相比，本发明通过引入可靠性评分机制和前景冲突处理策略，解决了低质量伪标签的问题，并通过区域交换策略有效利用了不可靠图像。最终，本发明为解决医学图像分割中的伪标签质量不高和数据标注成本高的问题提供了新的解决方案，极大地提高了医学图像分割的性能，并在多个基准数据集上展示了优越的分割效果。

 本技术公开了一种弱监督语义分割方法及相关装置，本发明在生成语义分割伪标签时，根据前景辅助文本特征和图像X特征的相似度，为前景类别名称筛选出的相似单词，构建前景文本提示，帮助视觉语言预训练模型对像素的激活，解决了目标像素激活不充分的问题，根据图像X的常见背景类别名称特征和图像X特征的相似度，筛选出的常见背景类别名称，构建背景文本提示，使视觉语言预训练模型对共现背景的敏感度提高，解决了共现背景的问题。

 本分发明公开了一种基于非监督遥感变化检测的火烧迹地识别方法，具体为:计算火灾前后两期影像的N种光谱指数，并生成N种差异影像；对所有差异影像中的像素进行分类判断，对分类判断的结果进行融合得到初始样本；采用逻辑规则确定初始样本中火烧迹地类像素和非火烧迹地类像素作为最终训练标签；计算火灾前后两期影像的局部G指数，并与原始光谱特征进行级联，产生训练特征集；以训练标签和特征集作为输入训练多种学习器；将训练好的多种学习器的输出进行决策级融合，从而识别火烧迹地。本技术可以实现大区域、高精度、高效率的火烧迹地提取，更好地服务于野火灾后重建与灾前预防。

 本技术公开了一种基于双流特征融合的三维点云开放场景理解方法，属于多模态学习领域，包括数据准备，收集三维点云数据V，进行数据标注得到三维点云开放场景理解数据集A，将获得的三维点云开放场景理解数据集A进行数据集划分；构建三维点云开放场景监督信息，构建前景兴趣区和构建开放语义信息，融合双流特征信息；设计包含一个三维点云特征提取器E、预训练的文本特征提取器θtext与多模态判别器D的模型M；训练模型M得到模型M*；在模型M*上进行测试；本发明采用上述一种基于双流特征融合的三维点云开放场景理解方法，实现了在开集上的三维点云场景理解，显著提高了开集语义分割等任务的精度。

 本技术公开了一种激光粉末床熔融质量分析方法、装置、设备及介质，涉及激光粉末床熔融质量分析技术领域，本发明通过采集熔凝图像的表面灰度图像，对图像的一阶统计量特征进行提取，并对特征数据进行多个数据维度及多个属性维度进行多元分析，获取特征数据之间的潜在关系和相关性，并以此建立灰度特征与样件质量之间的关联关系，整体上是从无明显缺陷样件的熔凝表面图像中充分挖掘图像信息，并将数据特征可视化，实现对无明显缺陷样件的质量分析；同时，本发明的方法能够实现自动化检测，减少人工参与度，使得检测结果更加客观和准确。

 本文公开了一种人工彩虹的确定方法、装置、存储介质及电子设备。该方法包括:通过图像采集设备获取原始图像，其中，原始图像中携带有彩虹信息；依据原始图像和目标网络框架确定彩虹信息，其中，目标网络框架中集成有：目标检测算法、双边分割网络，其中，彩虹信息包括：彩虹标框信息、彩虹掩膜信息；对彩虹信息进行质量评估，得到评估结果，其中，质量评估包括以下至少之一：色彩通道指标评估、边缘清晰度评估、曲线完整性评估；根据评估结果形成彩虹成像效果反馈，基于彩虹成像效果反馈调节彩虹成像。通过本申请，解决了相关技术中无法在边缘端对彩虹图像进行部署评估的问题。

 本技术公开了一种基于无人机遥感和改进PWD‑YOLOv10n算法的松材线虫病树分级检测方法，涉及林业有害病树检测的技术领域，其方法步骤包括(1)病树遥感影像采集；(2)数据集构建；(3)网络模型改进；(4)评价指标选取；(5)结果评估，步骤(3)中，通过设计高精度、低漏检的PWD‑YOLOv10模型，在YOLOv10n模型的骨干网络中引入CAA注意力机制模块，以增强特征提取能力；将C2f_EMSCP模块分别引入骨干和颈部部分，进一步提高模型的识别精度并有效减少漏检率，本发明通过训练高性能的PWD‑YOLOv10n模型，实现了在复杂环境中对松材线虫病树进行快速准确的分级检测。

 本技术提供了一种基于四邻域差分的冷轧带钢表面缺陷快速检测方法，包括以下步骤:获取冷轧带钢的样本图像，并结合动态规划的方式计算样本图像的积分图；利用积分图，将样本图像均匀划分为多个大小相同的子块，并计算每个子块的灰度均值特征；利用灰度均值特征，计算每个子块与四邻域子块之间的差分值，选择最大的差分值作为子块的四邻域差分值，并生成四邻域差分图；根据四邻域差分图，采用双阈值法对差分值进行划分，并标定各个子块是否为缺陷区域，得到缺陷子块和非缺陷子块；利用区域增长算法合并相邻的缺陷子块，得到样本图像的完整缺陷区域。本发明通过上述方法能够快速、准确地分割出缺陷区域，满足在线检测的要求。

 本技术公开一种基于增量重建的无人机贴近图像采集方法，步骤包括:采用无人机对目标结构进行倾斜摄影或多视图图像采集并重建为低精度点云；将目标结构三维网格模型离散为点云，与低精度点云进行匹配后作为目标点云；获取飞行空间以及图像采集候选点集；在每个图像采集候选点建立相机主视模型；计算每个相机模型下的目标网格可视信息；将可视目标网格分为I类网格和II类网格，获取有效视点集；从有效视点集中获取工作视点；基于工作视点坐标在飞行空间内生成无人机飞行路径。本发明中，通过视点预处理方法实现无人机贴近目标结构飞行，提高图像像素精度；通过视点预处理方法，实现无人机的静态避障；通过视点筛选方法，确保三维重建精度。