基于深度學習的化纖外觀缺陷語義分割
摘要： 針對化纖外觀缺陷檢測使用基于深度學習的語義分割方法，總結了自2014年以來基于深度學習的典型語義分割方法，并在此基礎上應用到化纖外觀檢測項目上，取得了不錯的效果。 01 化纖外觀缺陷檢測背景 化纖作為紡織制造的原料，由化纖生產企業進入下游紡織企業前會收卷形成絲餅，但在絲餅生產中會有不同程度的損傷，如產生油污、毛絲、絆絲、斷絲等表面缺陷，這些缺陷會直接造成下游紡織企業生產的產品質量不高。油污會影響織物的外觀以及上色；毛絲會使織造效率降低，同時使織物表面產生瑕疵；絆絲不僅會影響化纖的包裝外觀，而且在化纖后續加工容易產生斷頭和毛絲；而斷絲則直接導致化纖的不連續。因此需要對化纖絲餅進行影響織物質量的表面缺陷檢測，以確保化纖出廠質量。目前大部分生產廠家通過人工來檢測化纖外觀缺陷，既費時費力又不能保證質量，使用機器視覺代替人工檢測對化纖生產企業是迫切需要的。 化纖外觀缺陷主要包括油污、碰毛、紙管破損、絆絲、毛......閱讀全文
基于深度學習的化纖外觀缺陷語義分割
摘要： 針對化纖外觀缺陷檢測使用基于深度學習的語義分割方法，總結了自2014年以來基于深度學習的典型語義分割方法，并在此基礎上應用到化纖外觀檢測項目上，取得了不錯的效果。 01 化纖外觀缺陷檢測背景 化纖作為紡織制造的原料，由化纖生產企業進入下游紡織企業前會收卷形成絲餅，但在絲餅
基于深度學習和超像素的大田小區水稻稻穗分割技術研究
不同生長階段頂視相機角度下進行稻穗分割近日華中農業大學和華中科技大學聯合作物表型研究團隊在《Plant Methods》雜志上發表題為：Panicle-SEG: A robust image segmentation method for rice panicles in the field b
基于CNN的語義分割應用于溝槽輪廓圖像以研究作物根系...
基于CNN的語義分割應用于溝槽輪廓圖像以研究作物根系分布情況由于土壤中的養分和水分分布不均，影響作物生長和產量的根系體系是土壤根系分布的重要組成部分。耕地中的養分分布取決于耕地面積，耕作方法和施肥系統。為此，根系分布受耕作和施肥影響。?現代農業通常使用高輸入設備，使位于地表附近的耕層土壤變得十分肥沃
基于深度學習的時間序列預測研究獲進展
時間序列預測是大規模數據無損壓縮和極端天氣預報等領域的核心技術。隨著應用場景多樣化和數據復雜性提升，現有模型在異構數據的統一表達、長序列結構依賴建模、極端天氣波動捕捉等方面存在挑戰。中國科學院計算機網絡信息中心人工智能團隊圍繞上述挑戰開展研究，提出一系列創新算法與模型，并在實際系統部署應用。
Nature：利用深度學習可預測細胞外觀，幫助發現病變過程
據Nature最新報道，艾倫細胞科學研究所（Allen Institute for Cell Science）發布的網站Allen Cell Explore，包含數千個干細胞的三維立體圖像，不止是發現每個細胞的獨特外觀，通過深度學習算法，該研究所還對細胞的外觀進行了預測。改變一個基因對細胞整體而
研究人員基于深度學習無創獲得血液輸入函數
全面量化大腦PET圖像，常常需要精確的血流輸入函數。然而傳統方法中，獲取這一函數通常依賴于侵入性且耗時的動脈導管采血，這在臨床實踐中往往難以實現。7月2日，中國科學院深圳先進技術研究院副研究員孫濤團隊與河南省人民醫院副院長王梅云團隊合作，在醫學影像頂級期刊《IEEE醫學影像匯刊》發表最新研究。研究團
基于深度學習的全基因組選擇新方法誕生
近日，中國農業科學院作物科學研究所、三亞南繁研究院大數據智能設計育種創新團隊聯合多家單位提出利用植物海量多組學數據進行全基因組預測的深度學習方法, 可以實現育種大數據的高效整合與利用，將助力深度學習在全基因組選擇中的應用，為智能設計育種及平臺構建提供有效工具。相關研究成果發表在《分子植物》（Mole
母乳抗菌肽篩選新突破：基于深度學習技術的高效發現
近日，我所能源研究技術平臺（DNL20）靳艷研究員團隊與大連工業大學劉俐副教授團隊、國家乳業技術創新中心何劍正高級工程師團隊合作，發展了一種基于深度學習技術的乳源抗菌肽篩選新方法。團隊利用該方法從母乳中篩選獲得了新結構抗菌肽，并揭示了母乳初乳和成熟乳中抗菌肽的分布規律。世界衛生組織（WHO）和中國營
基于深度強化學習的機器人控制的合作研究獲進展
近日，中國科學院沈陽自動化研究所與英國愛丁堡機器人中心合作研究取得新進展，提出了一種在動態、非結構環境下基于深度強化學習的移動機械臂自主作業方法，將最新的人工智能學習理論成功應用于真實的復雜移動機械臂控制。相關研究成果發表于期刊Sensors。 機器人在空間、陸地和水下等大量動態、非結構環境下
科學家在智能駕駛場景感知研究方面取得進展
近日，中國科學院上海微系統與信息技術研究所仿生視覺系統實驗室研究員李嘉茂團隊與合作者在智能駕駛感知領域取得進展。針對智能駕駛感知的兩個關鍵問題——柵格占據預測和全景分割進行研究，兩項成果分別被機器人領域國際學術會議2024 IEEE International Conference on Robot
首個基于深度學習的腦靜脈系統相關腦出血診斷研究獲突破
近日，浙江大學醫學院附屬第二醫院童璐莎、高峰教授團隊，聯合浙江大學生物儀器與工程學院趙立教授團隊，成功開發出一種用于區別急性自發性腦出血的可解釋性的人工智能模型，該模型針對急性腦葉出血發病兇險，病因鑒別困難等問題，僅利用常規頭顱CT（非增強），從急診腦出血患者中精準識別出腦靜脈系統血栓形成相關腦出血
美開發出基于熱映像的圖像分割算法
美國普渡大學的研究人員開發出一種基于熱映像的計算機圖像分割算法，可使計算機迅速識別出物體的外形，即便其發生扭曲或輕度變形也不會受到影響。該技術將使機器視覺與人類視覺更加接近，可廣泛應用于圖像搜索、醫療影像以及無人機制造等多個領域。詳細研究結果將分為兩篇論文，在6月21日至23日舉行的IEEE(美
化學所發展基于深度學習的蛋白質單分子分析新方法
蛋白質是生命活動的物質基礎和主要承擔者，許多重要的蛋白質以復合物或多聚體形式參與信號轉導、離子轉運、免疫響應等眾多生理過程，蛋白質的化學計量組成與其生物功能的調控及多種疾病的發生發展密切相關。因此，在生理條件下定量表征蛋白質的化學計量比（亞基組成數或蛋白聚集狀態），對于研究蛋白質的相互作用、闡明
我國科學家首次公開了SAR圖像船舶檢測數據集
近日，中國科學院空天信息研究院數字地球重點實驗室研究員王超團隊首次公開了SAR圖像船舶檢測數據集。該數據集來自于多源、多模式SAR圖像。基于此數據集，該團隊實現了復雜背景下的商船檢測與分類一體化深度學習處理系統，在無需海陸分割的基礎上，實現商用船舶的近實時自動檢測與分類，為我國國產高分3號的業務
TPU將成深度學習的未來？（一）
在Google I/O 2016的主題演講進入尾聲時，谷歌的CEO皮采提到了一項他們這段時間在AI和機器學習上取得的成果，一款叫做Tensor Processing Unit（張量處理單元）的處理器，簡稱TPU。在這個月看來，第一代的TPU處理器已經過時。在昨天凌晨舉行的谷歌I/O 2017
TPU將成深度學習的未來？（二）
能夠進行數據推理的第二代TPU第一代的TPU只能用于深度學習的第一階段，而新版則能讓神經網絡對數據做出推論。谷歌大腦研究團隊主管Jeff Dean表示：“我預計我們將更多的使用這些TPU來進行人工智能培訓，讓我們的實驗周期變得更加快速。”“在設計第一代TPU產品的時候，我們已經建立了一個相對
一種基于半監督學習的深度狀態空間模型在植物生長建...
一種基于半監督學習的深度狀態空間模型在植物生長建模中的應用研究培育優質高產的作物一直是科學家們追求的目標，人們通過一系列先進的栽培技術來實現此目標。比如對于番茄的培育，由于干旱脅迫有利于番茄的糖分積累，所以人們可以運用精準灌溉技術來控制水分的供給量從而優化番茄果實品質，然而這項技術并沒有在農田實踐中
聲學所提出一種基于深度學習的水下目標定位新方法
近年來，淺海聲源定位，尤其是水下低頻寬帶聲源的定位問題，受到了國內外研究者的廣泛關注。匹配場等傳統方法需要環境的先驗知識對聲場進行建模，而環境參數瞬息萬變，往往不能準確獲得，環境參數的這種不確定性會造成傳統方法的定位性能不佳。 為了減少對環境先驗知識的依賴，近日，中國科學院聲學研究所語言聲學與
科研人員開發出基于深度學習的小麥旗葉夾角測量新方法
旗葉夾角是決定小麥群體大小、群體光能攔截效率以及通風透光性能的關鍵農藝性狀，是小麥株型的重要構成因素之一。旗葉夾角因長期依賴人工測量，導致效率低、精度差、主觀性強，難以滿足大規模精準育種和栽培管理的需求。因此，低成本、高精度測量小麥旗葉夾角成為當前亟需解決的技術瓶頸。近日，中國科學院遺傳與發育生物學
靈素系統——一種基于基因指紋和深度學習的藥效預測系統
2021年6月17日，北京大學國際癌癥研究院謝正偉團隊在Nature Biotechnology（IF=36.6）在線發表了題目為“Prediction of drug efficacy fromtranscriptional profiles with deep learning”的科研論文（
深度學習算法“解密”腦活動
英國《自然·醫學》雜志9月25日在線發表的一項研究，報告了一種可以分析四肢癱瘓患者大腦活動的深度學習算法。該算法已被用于向患者的前臂肌肉傳遞電刺激，從而恢復癱瘓肢體的功能性運動。 慢性癱瘓患者的生活質量可以通過腦機接口加以改善。腦機接口可以將控制運動的中樞神經系統回路和輔助設備（例如計算機光標
AI偵探敲碎深度學習黑箱
研究人員創建了能填補照片空白的神經網絡，以鑒別人工智能瑕疵。 Jason Yosinski坐在美國加州舊金山的一個小型玻璃辦公室內，陷入了對人工智能的沉思。作為優步公司的研究科學家，Yosinski正為在筆記本電腦上運行的人工智能（AI）進行“腦外科手術”。 很多AI將改變人類現代生活，例如
BMC－Biology：基于深度學習預測E3泛素連接酶識別位點
真核細胞內蛋白質的降解依賴于自噬及泛素-蛋白酶體系統（2004年諾貝爾化學獎）。其中，泛素-蛋白酶體系統負責降解細胞內超過80%的蛋白，該系統的關鍵酶為E3泛素連接酶，負責識別要被降解的底物蛋白并將其泛素化。人體內表達600余種E3，這些E3以特定規則結合不同底物蛋白，從而實現降解過程的特異性。底物
基于包裝材料薄膜外觀質量的檢測
民以食為天，食品安全關系到每個人的健康。近年來，屢見不鮮的食品安全問題引起了民眾的極大關注，政府相關部門也出臺了法律法規對食品質量進行監管、控制，這些均對食品生產企業提出了極大的挑戰。企業主不得不重新審視食品質量控制的重要性，進而尋求食品安全問題解決方案。除了原料、添加劑和加工工藝等因素，食品包裝對
深度學習算法準確追蹤動物運動
根據英國《自然·神經科學》雜志8月21日在線發表的一項研究，美國哈佛大學團隊運用一種新型深度學習算法，成功追蹤動物運動及行為，其準確度可達到人工水平，而且無需采用追蹤標記物或進行費時的手動分析。專家認為，這一成果打開了海量的數據來源之門。 準確追蹤行為發生期間的身體運動部位是運動科學的一項重要
深度學習協助預測厄爾尼諾－|《自然》論文
《自然》發表的一篇論文Deep learning for multi-year ENSO forecasts報道了一種可以提前一年半預測厄爾尼諾事件的深度學習方法，克服了該領域內長期存在的一項挑戰。用來預測厄爾尼諾現象的CNN預測系統來源: Ham et al. 厄爾尼諾事件發生于太平洋東部和
識別田間條件下小麥的穗區域的表型分析方法
2019年6月，Plant Phenomics刊發了由來自英國諾里奇研究所（Norwich Research Park）的Tahani Alkhudaydi等人撰寫的題為An exploration of deep-learning based phenotypic analysis to dete
深度學習在雷達中的研究綜述（一）
深度學習在雷達中的研究綜述王俊,?鄭彤,?雷鵬,?魏少明????摘要：雷達通過發射天線發射電磁波，經過不同物體反射接收到相應的反射波，對其接收結果進行分析，能得到物體距雷達的位置，徑向運動速度等信息，所以對雷達信號的分析具有重要的研究意義。近些年深度學習成為各個領域的研究熱點，而在雷達領域同樣可通過
深度學習在雷達中的研究綜述（二）
其中，?J(w,b)?為對應自編碼器代價函數，?β?為控制系數性懲罰因子權重。2.3 DBN基本原理DBN是一個概率生成模型，其建立一個觀測數據與標簽之間的聯合分布。并且DBN由多個受限玻爾茲曼機(Restricted Boltzmann Machine, RBM)組成，典型的DBN結構如圖4所示。
深度學習在雷達中的研究綜述（三）
3.2 基于SAE的SAR圖像處理研究SAE的特點是可自動從無標記數據中學習特征，并且給出比原始數據更好的特征描述，進一步通過該學習到的特征得到更好的分類效果。有學者將其應用于地物目標分類、艦船分類以及城市變化檢測等場景。并且通過SAE對SAR圖像進行分析，其與傳統方法相比，展現SAE具有自動學習高