机器人系统的集成智能研究.pptVIP

算法流程图 提出一种基于基于结构学习和超像素相结合的视盘检测方法。 利用结构学习对视盘的边缘进行检测，利用超像素对视盘的区域进行定位，最后将两者结合提取视盘区域。 该方法的意义在于同时利用视盘的边缘信息与区域信息对视盘进行检测，从而提高算法的性能。 Edge map Super pixels 医学图像处理 视盘检测 基于结构学习与超像素进行视盘检测 算法在MESSIDOR数据库和DRIONS数据库上的测试结果如下： Metrics DRIONS MESSIDOR AOL 0.8518(0.0907) 0.8638(0.1034) S 0.9170(0.0547) 0.9139(0.0760) Ac 0.9763(0.0158) 0.9778(0.0210) TPF 0.9169(0.0823) 0.9418(0.0878) FPF 0.0134(0.0823) 0.0140(0.0140) MAD 3.7803(0.0132) 4.7803(4.5136) 以上结果为均值（方差）；DRIONS与MESSIDOR为两个常用数据库；AOL：Area Overlap；S：Dice’s Coefficients；Ac：Accuracy；TPF：True Positive Fraction；FPF：False Positive Fraction；MAD：Mean Absolute Distrance. 基于结构学习与超像素进行视盘检测 医学图像处理 视盘检测 DRIONS Database proposed S.Morales[1] AOL 0.8518(0.0907) 0.8424(0.1174) S 0.9170(0.0547) 0.9084(0.0982) Ac 0.9763(0.0158) 0.9934(0.0051) TPF 0.9169(0.0823) 0.9281(0.1177) FPF 0.0134(0.0823) 0.0040(0.0041) MAD 3.7803(0.0132) 2.4945(2.5239) S. Morales, V. Naranjo, J. Angulo, and M.Alcaniz, “Automatic detection optic disc based on PCA and mathematical morphology,” IEEE Trans. Med. Imag, VOL.32, NO.4, APRIL 2013 MSSIDOR Database proposed S.Morales[1] AOL 0.8638(0.1034) 0.8228(0.1384) S 0.9139(0.0760) 0.8950(0.1056) Ac 0.9778(0.0210) 0.9949(0.0050) TPF 0.9418(0.0878) 0.9300(0.1239) FPF 0.0140(0.0140) 0.0035(0.0041) MAD 4.7803(4.5136) 4.0759(6.0909) 医学图像处理 视盘检测 谢谢！ 请各位专家指导！ * * 下面我将着重介绍项目的研究内容及方案，包括研究背景、研究内容、实验方案三部分。 * CT 表示循环周期，越小越好。W表示机器人的总质量，越小越好。SL表示Single-level strategy, ML表示Multi-level strategy. * 2000年，美国康奈尔大学的HOD LIPSON 教授首次用进化计算在计算机上自动设计出可移动机器人，并用3D打印机进行了物理实现，完成了‘用机器自动产生机器’的原型机。该工作当年在NATURE上得以发表。由此，HOD LIPSON教授提出了一个更加一般化的问题：如何象搭乐高积木块一样自动设计出满足预先设定功能要求的机电系统。 * 几乎在同时，美国BEACON国家科技中心的。。。。 自动设计，解决了机电系统设计自动化的一个关键问题。当时我作为小组的关键成员开展了相关的研究工作，并与2004年获得了博士学位。 * 国际机电系统领域的著名权威， * 传统的计算机辅助设计虽然可以提高设计者的效率，但是它们只能够被动地支持设计者进行设计，即通过仿真来验证设计是否正确。很多重要的决定，比如说是用何种元件和模块进行设计、模块和元件之间如何组合成有意义的拓扑结构、元件和模块的参数如何设定等一系列重要的决策都不得不由设计者自己完成。而机电系统设计自动化概念的提出，将为计算机主动支持设计者进行设计，提高设计的效率和创新性提供一个框架。 电子设计自动化的研究已经取得了重大的成就，在科学研究和工业应用中都获得了重要的突破，并由此产生了一个影响广泛的工业分支。与之形成鲜明对照的是，对机电一体化系统设计自动化的研究工作