基于全局对齐的建筑物点云带约束重建方法

    公开(公告)号:CN117078852A

    公开(公告)日:2023-11-17

    申请号:CN202311045704.6

    申请日:2023-08-18

    Applicant: 厦门大学

    Abstract: 基于全局对齐的建筑物点云带约束重建方法,涉及点云三维重建。步骤:1、对输入的点云进行初始法向的估计;2、对估计的初始法向进行稀疏优化,使得同一个面上的点具有相同的法向;3、结合初始估计法向和优化后的法向,利用区域增长算法对输入点云进行分割得到一系列的平面基元;4、计算出建筑物点云的主轴方向作为全局参考,为每个平面基元设置目标法向来构建平面基元中的平行,垂直,共面和对称关系;5、根据构建得到的约束关系,全局优化平面基元的方向和位置;6、对所有平面求交计算平面基元的边界,得到最终的模型。方法简单高效,能在恢复点云形状的同时保持严格的约束关系,且对噪声和异常值具有良好鲁棒性。

    元学习药物-靶点相互作用预测系统及预测方法

    公开(公告)号:CN113140254B

    公开(公告)日:2023-08-25

    申请号:CN202110467829.2

    申请日:2021-04-28

    Applicant: 厦门大学

    Abstract: 元学习药物‑靶点相互作用预测系统及预测方法,涉及药物与靶点相互作用。系统包括知识图谱构建模块、知识图谱特征获取模块和元学习药物‑靶点相互作用预测模型;知识图谱构建模块用于生成以药物和靶点为中心的知识图谱数据集;知识图谱特征获取模块用于学习药物、靶点及其邻域的特征信息;元学习药物‑靶点相互作用预测模型用于利用知识图谱嵌入模块获取的药物和靶点特征来辅助关联预测。通过将知识图谱构建模块生成的知识图谱输入至transR模型中获取节点的特征信息,选择每种关系的少量边输入至神经网络系统中预训练神经网络模型,少量要预测的关系类型的边对神经网络系统微调,学习要预测的关系类型特征信息。性能优异,高稳定,高精度。

    一种基于蛋白质预训练表征学习的抗菌肽预测方法和装置

    公开(公告)号:CN112614538A

    公开(公告)日:2021-04-06

    申请号:CN202011498422.8

    申请日:2020-12-17

    Applicant: 厦门大学

    Abstract: 本发明公开了一种基于蛋白质预训练表征学习的抗菌肽预测方法和装置,所述方法包括以下步骤:步骤S1:采用预训练策略,对来自蛋白质数据库的无标签蛋白质序列进行分词、遮盖处理,进行掩盖语言模型和句子连续性预测两个任务的预训练,捕捉词语级别和句子级别的表示,帮助模型学习蛋白质序列通用的结构化特征;步骤S2:针对抗菌肽预识别和预测任务,更改预训练模型的输出层,使用带标签的抗菌肽数据集对模型进行微调,生成抗菌肽预测模型;步骤S3:根据抗菌肽预识别和预测任务,采用抗菌肽预测模型进行识别,输出预测结果。本发明将预训练应用到抗菌肽识别和预测领域,基于已知的数据量小、分布不均衡的抗菌肽序列,建立高效的抗菌肽预测模型。

    一种基于边界约束卡尔曼滤波长时间多目标对虾跟踪方法

    公开(公告)号:CN111724405A

    公开(公告)日:2020-09-29

    申请号:CN202010485883.5

    申请日:2020-06-01

    Applicant: 厦门大学

    Abstract: 一种基于边界约束卡尔曼滤波长时间多目标对虾跟踪方法,涉及计算机应用。1)将水箱用隔板分隔成若干区域,每块区域形成一尾虾的目标跟踪区,编号分配,框选出前景;2)基于OTSU算法分离背景和前景,计算背景区域的平均灰度值,填充前景区域并建立背景模型;3)为每一个观测区域建立一个卡尔曼滤波器并初始化卡尔曼滤波器;4)利用背景模型检测出目标所在位置;5)检查每个观测值所属跟踪区域,为每个观测向量分配跟踪的ID;6)对目标进行预测,确定目标的跟踪结果;7)更新卡尔曼滤波器,将修正后的状态向量作为当前帧的目标状态值;8)读取下一帧图像,重复步骤4)~8),直至所有图像计算完毕。提升跟踪精度,减少干扰噪声。

    基于图像识别与级联分类器的对虾形态参数自动测量方法

    公开(公告)号:CN108388874A

    公开(公告)日:2018-08-10

    申请号:CN201810180586.2

    申请日:2018-03-05

    Applicant: 厦门大学

    Abstract: 本发明涉及图像采集及识别技术领域,具体涉及基于图像识别与级联分类器的对虾形态参数自动测量方法,包括S1、采集多个对虾彩色图像作为样本;S2、并将各个样本进行训练后再进行分类,获得基于LBP特征的级联强分类器;S3、采集待测对虾彩色图像A经过归一化校正,得到归一化图像B;S4、将归一化图形进行图像分割,得到分割图像B;S5、将步骤S4得到的分割图像C进行标尺测量,得到测量图像D;S6、将步骤S5得到的测量图像D进行图像校正,得到校正图像E;S7、使用级联强分类器识别校正图像E,计算出待测对虾的形态参数。本发明通过上述算法,从而能够精准实现对虾形态参数的精准测量。能够提高测量精准度和测量效率。

    基于链置换反应的分子加法器构建方法

    公开(公告)号:CN103699354A

    公开(公告)日:2014-04-02

    申请号:CN201410011255.8

    申请日:2014-01-10

    Applicant: 厦门大学

    Abstract: 基于链置换反应的分子加法器构建方法,涉及逻辑计算和分子计算。提供一种基于链置换反应的半加器、全加器等分子加法器的构建方法。包括:编码电路的输入与各级输出,形式化表征加法器电路;基于链置换反应多层转化,获得计算机可运行的文件;在Mathematica平台进行化学反应层级分子加法器的仿真,实现分子加法器的构建。基于链置换反应建立分子电路与电子电路的联系,通过计算机软件实现分子加法器的搭建。

    火灾预测模型训练、使用方法、设备和介质

    公开(公告)号:CN116011670A

    公开(公告)日:2023-04-25

    申请号:CN202310076286.0

    申请日:2023-01-17

    Applicant: 厦门大学

    Abstract: 本发明提供了一种火灾预测模型训练方法,具体实现方案为:获取预设参数,基于数据模拟软件生成与目标场景对应的模拟火灾数据;其中,所述预设参数包括目标场所空间参数以及火灾特征参数;基于所述模拟火灾数据进行初步建模,生成火灾预测模型;利用特征蒸馏方式训练所述火灾预测模型并利用历史时序信息对所述火灾预测模型进行实时修正。根据本发明的技术方案,克服了传统物理模拟火灾预测模型在时效性上的不足,加快了模型的推理速度,同时能够对火灾全时段进行预测,提供更符合实际环境的预测结果及有效的火灾救援信息。

    一种基于CenterNet的激光视觉焊缝跟踪系统、设备及存储介质

    公开(公告)号:CN114131149A

    公开(公告)日:2022-03-04

    申请号:CN202111598385.2

    申请日:2021-12-24

    Applicant: 厦门大学

    Abstract: 本发明提供一种基于CenterNet的激光视觉焊缝跟踪系统、设备及存储介质,其中,系统包括:工控机与六轴机器人之间通过以太网进行连接,工控机读取六轴机器人的状态参数;工控机与线结构光传感器之间使用USB进行连接,工控机读取图像数据激光视觉焊缝跟踪控制软件安装在工控机中;工控机将读取到的六轴机器人的状态参数和图像数据进行预处理,得到预处理后数据;激光视觉焊缝跟踪控制软件以预处理后数据为输入,得到六轴机器人的运动指令和置信度。本申请避免了对焊缝特征点提取和机器人运动规划这两个问题的割裂。不仅加快了运算速度,提高焊缝跟踪的实时性,同时也加大了优化的空间,从而提高焊缝跟踪的准确性。

Patent Agency Ranking