摘要
本发明公开了试纸条阴阳性识别准确率提高方法、装置及存储介质。所述方法包括:使用多光谱摄像头采集试纸条C线、T线区域的图像数据;对采集到的多光谱图像进行特征提取与优化处理;抽象化检测过程为逻辑电路模型,构建节点特征矩阵;在模型中随机注入故障,模拟环境问题,生成测试向量;利用失效响应数据训练图卷积神经网络模型,加入空洞卷积;应用训练好的模型分析实时数据,预测故障及评估颜色变化;若检测异常,使用色差矩阵和时序分析精确区分红色类型;计算基于优化特征和高精度颜色信息的置信度,确定物体框。通过实施本发明的方法可解决现有试纸条检测技术中存在的准确性不高、抗干扰能力弱以及缺乏有效的故障模拟的问题。
技术关键词
卷积神经网络模型
逻辑电路
多光谱
技术对物体
GCN模型
时序分析方法
模拟真实环境
特征提取能力
高分辨率摄像头
故障注入测试
颜色
数据
输入输出关系
检测试纸条
节点特征
图像
深度学习算法
色差
系统为您推荐了相关专利信息
智能防控系统
信息处理模块
雷达装置
低空监视装置
光电雷达
三维点云数据
监测方法
神经网络对图像
医疗废物容器
统计特征参数
逻辑控制系统
继电器
逻辑运算模块
生成控制信号
判断逻辑电路
多光谱遥感影像
遥感影像数据
指数计算方法
切片
气溶胶光学厚度