研究目的
通过结合深度学习(Faster-RCNN)和聚类算法(层次聚类与K均值),提升对药品注射液中微小液体颗粒的检测与定位精度。
研究成果
所提出的结合Faster-RCNN与聚类算法的方法平均将检测精度提升12%,证实了其在识别药物注射剂中外来颗粒方面的有效性。未来工作应聚焦于优化召回率、区分颗粒类型及提升计算效率以实现实际部署。
研究不足
该算法未提高召回率,需进一步优化计算,且无法区分外来颗粒类型。可能尚未针对生产线实时应用进行充分优化。
研究目的
通过结合深度学习(Faster-RCNN)和聚类算法(层次聚类与K均值),提升对药品注射液中微小液体颗粒的检测与定位精度。
研究成果
所提出的结合Faster-RCNN与聚类算法的方法平均将检测精度提升12%,证实了其在识别药物注射剂中外来颗粒方面的有效性。未来工作应聚焦于优化召回率、区分颗粒类型及提升计算效率以实现实际部署。
研究不足
该算法未提高召回率,需进一步优化计算,且无法区分外来颗粒类型。可能尚未针对生产线实时应用进行充分优化。
加载中....
您正在对论文“[IEEE 2018第八届图像处理理论、工具与应用国际会议(IPTA) - 中国西安(2018.11.7-2018.11.10)] 2018第八届图像处理理论、工具与应用国际会议(IPTA) - 基于联合深度学习与聚类算法的注射剂液体颗粒检测”进行纠错
纠错内容
联系方式(选填)
称呼
电话
单位名称
用途
期望交货周期
称呼
电话
单位名称
用途
期望交货周期