简介:摘要: 本论文首先研究了 LCD缺陷自动识别系统,建立了硬件系统,并将该系统应用于实际生产线,从而充分提高了 LCD生产企业的生产效率。 LCD的缺陷通常分为三种:功能缺陷,背光源面板缺陷,玻璃基板缺陷。不同的缺陷显示方式各异,自动识别功能需要能够区分不同的显示缺陷, 然后介绍了液晶显示器的主要参数, 即对光和光的测量。对于液晶显示参数,还给出了检测液晶显示缺陷的画面。液晶显示参数是图像采集的基础,图像采集信息以液晶显示参数为主, 在此基础上建立缺陷自动识别系统。
简介:摘 要:介绍了一种基于3D视觉对玻璃安装和涂胶定位识别系统,该系统主要包含机器人系统、3D视觉定位系统,采用智能机器视觉技术,确保机器人正确识别玻璃和涂胶位置,完成精准的抓取和涂胶轨迹。通过实验系统进行实验过程研究,验证了自动化识别系统的有效性,大大提升企业的自动化、智能化水平。
简介:摘要目的比较基于病历资料的医生报告与计算机自动识别方式对门急诊流感样病例(ILI)监测的准确性。方法2019年4—10月在宜昌市中心医院发热门诊、呼吸内科门诊及急诊内科门诊就诊的患者中,选取国际疾病分类第10版诊断编码属于J00-J22范围且病历症状信息完整的病例,共3 542例,以流感监测专业人员根据ILI病例定义的判断结果为金标准,绘制受试者工作特征(ROC)曲线,计算灵敏度、特异度、诊断一致率,分析计算机自动识别与医生报告两种方式对ILI病例监测的准确性。结果病例年龄M(P25,P75)为30(24,38)岁;其中符合定义标准ILI病例为1 179例(33.29%),医生报告ILI 为1 306例(36.87%),计算机自动识别ILI为 1 150例(32.47%);男性为1 391例(39.27%)。计算机自动识别和医生报告与金标准判断的结果一致性Kappa值分别为0.97和0.66,ROC曲线下面积分别为0.98和0.84。计算机自动识别方式的灵敏度和特异度(分别为96.95%和99.70%)均高于医生报告方式(灵敏度和特异度分别为82.27%和85.78%)(P值均<0.001)。结论基于电子病历的计算机自动识别方式开展ILI病例监测,具有良好的灵敏度和特异度。
简介:摘要目的验证基于快速区域卷积神经网络(Faster R-CNN)胰腺癌增强CT自动识别系统,并探讨其临床应用价值。方法回顾性收集青岛大学附属医院2013年1月至2016年5月收治的315例胰腺癌患者的4 024张增强CT影像序列,将2 614张影像序列作为训练组输入Faster R-CNN系统,建立影像自动识别模型,通过读取135例胰腺癌的1 410张增强CT影像进行验证。为了进一步测试其临床应用效果,读取150例胰腺占位患者的3 750张增强CT影像并对其诊断结果进行随访。记录结节类别的精准率和召回率,绘制精确回归曲线,分析Faster R-CNN诊断的准确性、灵敏度、特异度,生成受试者工作特征(ROC)曲线,并计算曲线下面积。结果基于135例胰腺癌增强CT影像,得到Faster R-CNN的人工智能辅助诊断的ROC曲线的曲线下面积为0.927,准确性、特异度、灵敏度分别为0.902、0.913、0.801。经过150例胰腺占位患者资料的验证,判定阳性893张,阴性2 857张,Faster R-CNN诊断为胰腺癌患者98例,对其诊断结果进行随访,其中53例经外科手术后病理证实为胰腺导管癌、21例为胰腺囊腺癌、12例为胰腺囊腺瘤、5例为胰腺囊肿,7例患者未手术治疗。在术后5~17个月内6例死于腹腔肿瘤浸润、肝转移或肺转移。在Faster R-CNN诊断为阴性的52例患者中,有9例经外科术后证实为胰腺导管癌。结论Faster R-CNN系统能够帮助影像科医师对胰腺癌进行诊断,具有一定的临床应用价值。
简介:摘要:在当今的生产生活中,许多工作人员没有足够的安全意识,在施工过程中,不按规定佩戴安全帽,给自身的安全带来威胁。由于人工监管佩戴安全帽耗时耗力,且随着图像处理技术的迅速发展,图像识别技术逐渐被用在生产领域,因此,利用深度学习与图像处理技术相结合,让机器自动识别监督工作人员佩戴安全帽的研究十分具有意义。