摘要：开花是油菜生长过程中的重要阶段,花朵覆盖度可以精确反映油菜花的生长状态,为产量预测提供有用信息。为了解决传统覆盖度获取方法需要大量人工的问题,本研究将覆盖度问题转变为油菜花的分割问题,提出了一种快速、无损的油菜花簇覆盖度获取方法。首先,基于无人机(UAV)的RGB影像,针对UNet网络特征融合不充分的问题,设计了一种特征聚合桥分割网络FABM-UNet;其次,为了验证模型的有效性,构建了油菜花分割数据集RSD,该数据集由DJI Phantom 4 Pro v2.0捕获而得,包括720张油菜花的影像以及对应的分割标签;最后,与传统的4种分割方法以及7种深度学习的网络(Deeplabv3+、PSPNet、UNet、UNet++、UNet3plus、Attention-UNet和TransUNet)进行对比,结果表明,FABM-UNet网络的分割指标IoU和Dice系数分别为0.87和0.93,在本研究的油菜花数据集上实现了最优分割性能,分割结果可以直观揭示油菜花朵覆盖度的变化情况,为油菜品种的选育提供了有力的支撑。

摘要：目前,国内各医院为了护理卧床及行动不便的患者,应用了多种医疗护理床具,其中最为常见的是一种是在床体的一端设置一个可调装置,用来调节床头的高低,以便于患者躺下和坐起,但是上述医用护理床具有一个共同的弊端,对于昏迷、烦躁、嗜睡等患者需要人为的措施进行保护患者的安全,且增加了工作量也不一定能够保护患者安全,本设计解决了上述技术问题,提供了一种结构简单、使用方便的护理床,该护理床的设计,于2016年3月获得了国家新型实用专利证书,专利号：ZL201520841689.0.