摘要
本发明涉及计算机视觉领域,具体是指基于计算机视觉的龋齿智能识别方法及系统,所述方法包括以下步骤:图像采集、图像分割、瓶颈特征提取、重构误差优化、生成诊断结果、诊断结果反馈、龋齿发展预测,本发明通过将U‑Net的解码器部分与ConvNeXt的编码器部分结合为分割模型,使用多标签召回损失函数,进行有效识别;引入胶囊图网络作为瓶颈层,通过动态路由机制捕捉数据中潜在的空间关系和局部特征的高层次依赖;使用MFO‑SFR‑HWACO算法优化深度自编码器的超参数配置。所述系统包括数据采集模块、图像分割模块、瓶颈特征提取模块、重构误差优化模块、诊断结果生成模块、龋齿发展预测模块和智能化报告生成模块。
技术关键词
瓶颈特征
深度自动编码器
重构误差
智能识别方法
计算机视觉
样本
图像分割
特征提取模块
引入胶囊
构建预测模型
数据采集模块
解码器
超参数
掩膜
蚂蚁
生成特征
系统为您推荐了相关专利信息
状态空间模型
扫描模块
信息解码器
跨模态
编码器
协同识别方法
显著性检测算法
分支
表达式
Softmax函数
智能评估方法
节点状态预测
多模态
约束特征
数据
区外故障
衰减直流分量
电流模型
保护方法
暂态能量