简介:摘要目的通过手机拍摄PD伴冻结步态(FOG)患者的步态视频,构建基于手机视频的PD伴FOG患者的自动识别系统。方法选择广州市第一人民医院神经内科自2020年12月至2021年5月收治的49例PD伴FOG患者,收集患者的临床资料,使用手机拍摄患者"3 m往返"和"3 m往返通过窄道(长0.6 m)的过程,获得87个有效视频,标注每个视频的转身阶段、直行阶段及其中的FOG事件。提取视频中关键点的位置信号,对信号预处理后提取特征数据,由特征数据分别建立动作识别模型、直行FOG识别模型和转身FOG识别模型,最后组成端到端的FOG识别模型。采用留一法(LOSO)评估上述模型的性能。结果87个有效视频中25 881个窗口样本,其中22 066个非FOG窗口样本,3815个FOG窗口样本。LOSO法评估结果显示,动作识别模型的灵敏度为83.27%,特异度为91.38%,准确度为89.28%。直行FOG识别模型的灵敏度为57.69%,特异度为88.12%。转身FOG识别模型的灵敏度为61.54%,特异度为98.72%。端到端的FOG识别模型的灵敏度和特异度分别为85.71%、75.73%。结论基于手机视频的PD患者FOG自动识别系统具有较高的灵敏度和特异度,可实现远程识别PD患者的FOG,便于对PD伴FOG患者的筛查和随访。
简介:摘要:目前全国电厂的接卸效率普遍较低,均是人工交接来车信息。普遍存在车辆信息存在误差、人工工作量增加。人工对比效率低、第一时间未掌握来车信息,不及时调度,造成车辆入厂压车、增加火车入厂到卸煤中间环节耽误时间等情况的发生。所以火车车号自动识别系统可以自动对来煤火车车厢号码进行识别,同时与各矿方采购计划表自动对比,自动查找出来煤矿别等信息。大大减少了人工查找时间,降低工作量,提高了火车接卸效率,减少火车延时费的支出,节约公司的资金。实现了企业车辆入厂的自动化,信息化管理,节省人力物力财力,提高企业管理,确保了电厂接卸效率连续、安全、可靠经济的运行。
简介:摘要:随着机器人技术与人工智能的快速发展, 农业机械化在现代农业生产中发挥着越来越重要的作用。本文旨在探究一种基于多传感器融合技术的西红柿自动识别采收工具, 通过结合计算机视觉、深度学习等技术, 实现对西红柿成熟度的快速准确识别, 并指导采收机械执行精准采收操作。研究方法采用了摄像头、红外传感器和激光测距等多种传感器, 通过融合各传感器数据, 提高识别系统的准确性和鲁棒性。研究结果表明, 该采收工具能够有效识别不同成熟度的西红柿, 并实现对成熟西红柿的准确无损采摘, 采摘成功率达到92%。此外, 系统还展示了良好的环境适应性和操作灵活性。研究意义在于为农业自动化技术的发展贡献了一套有效的西红柿自动识别与精准采收解决方案, 对提高农业生产效率和降低人力成本具有重要价值。
简介:摘要:本文针对无线通信领域中的信号识别和分类问题,提出了一种基于深度学习的新方法。我们使用了卷积神经网络(CNN)和长短时记忆网络(LSTM)等深度学习模型,对无线信号数据进行特征提取和分类。通过在大规模真实数据集上进行实验评估,我们验证了所提方法的有效性和准确性。与传统方法相比,基于深度学习的方法在识别和分类性能上取得了显著的改进。此外,我们还探索了数据增强技术在提高模型鲁棒性方面的应用。实验结果表明,采用数据增强技术可以进一步提升模型的泛化能力和适应性。该研究对于无线通信系统中信号识别和分类的自动化和智能化具有重要意义,有助于提高通信系统的性能和效率。
简介:摘要目的探讨提取腭裂语音中过高鼻音特征性共振峰参数建立的级联声道模型和小波包变换结合线性预测系数(LPC)2种算法模型,在识别腭裂患者高鼻音中的应用效果。方法选取2015年10月至2018年12月,在四川大学华西口腔医院语音矫治专科就诊的859例腭裂患者,其中男421例,女438例,平均年龄12.1岁。正常语音216例,轻度高鼻音220例,中度高鼻音213例,重度高鼻音210例。按照汉语普通话测试工具收集包括词组、短句的语音样本共62 707份。运用级联声道模型、小波包变换结合LPC的语音信号识别方法提取共振峰参数,采用K近邻分类器,对数据进行分类,判别有无过高鼻音及具体等级。将2种算法模型的分类结果与人工语音评估金标准结果进行对比,运用卡方检验分析其准确性。结果级联声道模型和小波包变换结合LPC提取共振峰参数这2种方法判断高鼻音有无的正确率分别为80.56%(692/859)和89.99%(773/859),对高鼻音等级判断的总正确率为72.29%(621/859)和88.13%(757/859),差异均具有统计学意义(P<0.05)。2种算法对每个高鼻音等级自动判别的正确率均为小波包变换结合LPC优于级联声道模型,且差异具有统计学意义(P<0.05)。2种方法对高鼻音等级类别的识别错误类型中,最严重的错误均为将正常语音判断为轻度高鼻音,小波包变换结合LPC法与级联声道模型分别达到了18.98%(41/216)与14.81%(32/216),但前者的其余错误率均在5%以下,优于后者。结论小波包变换结合LPC的算法与级联声道模型相比,在判断腭裂患者高鼻音有无及等级方面正确率更高,可辅助人工语音师对腭裂患者的语音评估。