- 1、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。。
- 2、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载。
- 3、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
- 4、该文档为VIP文档,如果想要下载,成为VIP会员后,下载免费。
- 5、成为VIP后,下载本文档将扣除1次下载权益。下载后,不支持退款、换文档。如有疑问请联系我们。
- 6、成为VIP后,您将拥有八大权益,权益包括:VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 7、VIP文档为合作方或网友上传,每下载1次, 网站将根据用户上传文档的质量评分、类型等,对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
ICS13.31CCSA92
江苏省地方标准
DB32/T4546—2023
电镜扫描硅藻图像自动化检验技术规范
Technicalspecificationforautomaticrecognitionofdigitalscanningelectronmicroscopyimagesofdiatoms
2023?09?22发布2023?10?22实施
江苏省市场监督管理局
发
发出
布版
Ⅰ
DB32/T4546—2023
目次
前言 Ⅲ
1范围 1
2规范性引用文件 1
3术语和定义 1
4方法原理 2
5设备要求 2
6自动化检验系统模型构建 3
6.1图像输入模块 3
6.2识别模块 3
6.3统计输出模块 4
7实施步骤 4
7.1图像采集 4
7.2图像输入与识别 4
7.3统计输出 5
7.4结果判读 5
8测试及性能要求 5
8.1测试要求 5
8.2识别查准率的计算 5
8.3识别查全率的计算 5
8.4不完整硅藻检出率的计算 6
8.5识别速度的计算 6
8.6漏检率的计算 6
8.7性能要求 6
参考文献 7
Ⅲ
DB32/T4546—2023
前言
本文件按照GB/T1.1—2020《标准化工作导则第1部分:标准化文件的结构和起草规则》的规定
起草。
请注意本文件的某些内容可能涉及专利。本文件的发布机构不承担识别专利的责任。本文件由江苏省司法厅提出并归口。
本文件起草单位:南京医科大学司法鉴定所、南京市公安局水上分局。
本文件主要起草人:陈峰、刘晓荣、陈鹏、陈冶秋、李开、俞尤嘉、王增良、李荣、冀强、周世一、张志威、唐伟、陈吉、黄帅楠。
1
DB32/T4546—2023
电镜扫描硅藻图像自动化检验技术规范
1范围
本文件规定了电镜扫描硅藻图像自动化检验的设备要求、自动化检验系统模型构建、实施步骤、测试及性能要求。
本文件适用于电镜扫描硅藻图像自动化检验系统的构建、测试与使用。
2规范性引用文件
下列文件中的内容通过文中的规范性引用而构成本文件必不可少的条款。其中,注日期的引用文件,仅该日期对应的版本适用于本文件;不注日期的引用文件,其最新版本(包括所有的修改单)适用于本文件。
GA/T1662—2019法庭科学硅藻检验技术规范微波消解?真空抽滤?显微镜法
T/CESA1036—2019信息技术人工智能机器学习模型及系统的质量要素和测试方法
T/CESA1040—2019信息技术人工智能面向机器学习的数据标注规程
3术语和定义
GA/T1662—2019和T/CESA1036—2019界定的以及下列术语和定义适用于本文件。3.1
电镜扫描硅藻图像digitalscanningelectronmicroscopyimagesofdiatoms
通过微波消解?真空抽滤?电子显微镜法检验脏器样本或水体样本中的硅藻时,电子显微镜扫描富集膜所得的数字化图像。
3.2
电镜扫描硅藻图像自动识别系统automaticrecognitionsystemofdigitalscanningelectronmi?
croscopyimagesofdiatoms
基于计算机技术,对电镜扫描硅藻图像进行获取、分析识别并输出图像中硅藻识别结果的系统。3.3
深度学习模型deeplearningmodel
采用深度学习方法建立的输入与目标输出联系的计算模型。
注:主要包含算法、超参数、参数、模型输入规范、模型输出规范五大要素。3.4
训练training
对于给定的数据集,生成和优化深度学习模型参数设置的过程。3.5
验证validation
对于给定的数据集,采用训练后的模型进行预测,由此进行选择并优化训练模型结构和超
您可能关注的文档
- T_HBSEA 009-2024 给排水管网工程信息模型应用统一标准.docx
- DB3206_T 1051-2023 绿道系统建设指南.docx
- T_CBDA 63-2022 建筑装饰室内石材及瓷板干挂技术规程.docx
- T_CBDA 70-2023 中小型体育馆室内装饰装修技术规程.docx
- DB3209_T 1241-2023 1:5001:10001:2000基础地理信息地形要素数据规范.docx
- T_CBDA 69-2023 建筑装饰装修碳排放计算标准.docx
- DB32_T 4609-2023 地表水环境质量监测网断面(点位)标识设置与管理技术规范.docx
- DB32_T 4545-2023 海岸线分类与调查技术规范.docx
- T_CBDA 71-2023 地铁车站适老化导向标识系统设计标准.docx
- T_CBDA 1004-2023 光电建筑构件与设备.docx
- DB32_T 4598-2023 光伏农业园区规划编制要求.docx
- JJF(皖) 117-2022 电测量变送器校验仪校准规范.docx
- DB32_T 4599-2023 淮扬菜新中式冷餐会服务规范.docx
- DB32_T 4631-2023 既有住宅适老化改造技术标准.docx
- DB32_T 4346-2022 水污染在线监测设备与数据采集传输仪通讯协议技术规范.docx
- DB32_T 4339.2-2022 高速公路沥青面层质量管控技术规范 第2部分:动态智能管控.docx
- DB3202_T 1042-2023 全科社区工作者服务规范.docx
- DB32_T 4382-2022 综合能源系统能效测算导则.docx
- DB32_T 4544-2023 潮滩与盐沼生态系统碳储量调查技术规范.docx
- DB32_T 4448-2023 信息系统运行维护体系建设指南.docx
原创力文档


文档评论(0)