摘要：视网膜微动脉瘤的检测对于早期发现糖尿病视网膜病变等重要疾病至关重要,但该病灶尺寸相对较小,属于眼底图像中的微小目标,现有的微动脉瘤检测算法难以实现该病灶的精准检测,为此提出了基于多特征尺度融合的改进Faster-RCNN微动脉瘤自动检测算法。该算法在Faster-RCNN网络模型的基础上,首先采用多特征尺度融合对特征提取网络与RPN结构进行改进以提高网络对于微小目标特征的利用;然后,通过感兴趣区域齐平池化以消除感兴趣区域池化过程中引入的量化误差;最后,通过对损失函数中的smooth L1损失函数进行重新设计得到平衡L1损失函数以实现损失函数优化,从而有效降低大梯度难学样本与小梯度易学样本间的不平衡问题,进而使得模型能够得到更好地训练。针对眼底图像中微动脉瘤的自动检测,将优化后的Faster-RCNN网络模型在Kaggle数据集上进行训练及测试,并与其他方法进行对比。实验结果表明,与其他各种结构的Faster-RCNN网络模型相比,所提出的基于多特征尺度融合的改进Faster-RCNN算法能显著提高检测结果(F-score与原始Faster-RCNN相比提升了9.36%);与其他网络模型以及方法相比,所提出的基于多特征尺度融合的改进Faster-RCNN的自动检测精度明显更优。故所提出的基于多特征尺度融合的改进Faster-RCNN算法性能较优,能准确、有效地检测出眼底图像中的微动脉瘤。

摘要：为了提高对视频中车辆的实时,准确的检测,提出一种新的车辆检测方法,该方法通过CenterNet目标检测对视频图像中的车辆进行识别并自动进行标签制作成数据集,再基于改进后的GYolov3训练数据集,最后实现对视频图像中车辆的准确检测。在损失函数中,使用GIoU来取代Yolov3的损失函数,实验数据表明,在使用GIoU作为新的损失函数后,建立了新的设计模型,在检测速度上略微有所提升,在检测精度上提高了5%。

摘要：介绍了荧光猝灭原理,设计了一种基于荧光猝灭原理的溶解氧浓度测量系统,解释了系统检测原理,给出了系统结构图及关键部分的电路设计。最后给出了相关的实验结果并进行了分析。实验表明,系统测量精度为0.01mg/L,响应时间少于30ms,具有较好的响应速度、精度以及稳定性。