专利交易市场

一种用于复材缺陷无损检测的红外热影像分析方法，包括以下步骤：(1)数据采集：利用红外热像仪获取聚合物复合材料内部缺陷的热影像数据，包括试样的脉冲加热与试样表面热图像捕捉两个过程；(2)数据预处理：对传感器采集到的原始热影像数据进行预处理，包括三部分内容：a)图像有效区域选择b)数据的扩展c)中心化处理；(3)缺陷检测热影像数据分析模型OLPPT构建：计算特征空间的嵌入矩阵Y；(4)OLPPT模型结果可视化：嵌入投影y可视化；(5)OLPPT模型效果定量评估：计算信噪比指标。

基于生成核主成分热影像分析的复合材料缺陷检测方法，属于复合材料热成像无损检测技术领域。它包括以下步骤：步骤1、获取复合材料的热影像数据集；步骤2、热影像数据的扩增和预处理：建立谱归一化生成对抗网络生成热图像；步骤3、建立核主成分分析模型：特征空间映射和投影矩阵计算；步骤4、图像重构与缺陷可视化；步骤5、模型表现评估。本发明采用基于生成对抗网络的数据扩增策略和基于核映射的非线性降维技术来分析具有非线性特性的热图像数据；在原始热影像数据较少的情况下生成与实验记录热图像分布相同的数据；采用核主成分热成像分析模型解决了热影像分析中缺陷和背景难以分离的问题，提高了缺陷的可见性。

一种基于多维信息融合和深度学习的脑部医学影像分析方法，包括如下步骤：S1、开发测试环境平台搭建：搭建深度学习训练用工作站，配置训练框架；S2、对主流深度学习算法和网络模型进行研究：对主流的深度学习算法、网络模型、医学影像分析检测框架和数据集进行测试，并分析各种深度学习算法和卷积网络模型在图像分割、目标检测和疾病分类分级方面的优缺点；S3、制作医学影像训练数据集、验证数据集和测试数据集；S4、基于多个深度学习网络的医学影像分析诊断研究。本发明能分别训练不同的深度学习卷积神经网络，通过构建加权贝叶斯网络，对不同类型医学影像的分析结果进行处理，从而得到最后的分析诊断结果，诊断结果的准确性大大提高。

本发明涉及一种多目标集成式深度神经网络的乳腺X光影像分析方法。该方法通过分析大量的乳腺X光影像，实现从乳腺X光影像中自动检测出肿块区域；对上述检测出的区域，进一步对肿块边界进行自动提取；最后根据肿块的特征对肿块的性质进行分析，对辅助放射专家判断乳腺X光影像中的肿块的性质有着极大的意义。

一种极化卫星影像分析方法，主要解决极化卫星影像中具备稀疏性的小目标的识别准确率较低的问题，同时也解决了并行加速处理过程为了克服数据分割造成分割线附近图像特征丢失或因补偿带来的额外计算代价问题，通过将映射到高维特征空间中的样本分批次进行空间聚类和簇类规约，在不降低大尺寸(稠密)对象识别率的同时提高了稀疏对象的有效识别。

本发明公开了一种基于影像分析的多用途智能跑步设备，包括跑步机主体、控制室以及防护装置，控制室包括处理器、驱动装置以及存储装置，存储装置用于存储用户的健身数据，跑步机主体包括第一摄像头、第二摄像头、跑步带、重力传感器、第一显示器以及车轮，第一摄像头与处理器连接，用于拍摄跑步机主体前方的画面并将其发送给处理器，第二摄像头与处理器连接，用于拍摄用户的动作并将其发送给处理器，跑步带与驱动装置连接，重力传感器位于跑步带内部，用于检测跑步带的受力值并将其发送给处理器，防护装置包括若干防护墙以及电液推杆，防护墙设置于跑步机主体的四周，电液推杆设置于保护墙底部，用于控制防护墙的升降高度。