网站大量收购闲置独家精品文档,联系QQ:2885784924

DB32_T 4546-2023 电镜扫描硅藻图像自动化检验技术规范.docx

DB32_T 4546-2023 电镜扫描硅藻图像自动化检验技术规范.docx

  1. 1、本文档共10页,可阅读全部内容。
  2. 2、有哪些信誉好的足球投注网站(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。
  3. 3、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
  4. 4、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)。
查看更多

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

发出

布版

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

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,其必威体育精装版版本(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

文档评论(0)

S.s + 关注
实名认证
内容提供者

该用户很懒,什么也没介绍

1亿VIP精品文档

相关文档