典型文献
基于形态学和机器学习的固体核径迹图像优化识别算法
文献摘要：
目的 基于机器学习方法,提出一种固体核径迹图像的计算机识别算法,实现核径迹的自动、快速和准确识别,提高固体径迹图像分析效率.方法 首先利用形态学方法扫描143张含有径迹的图像,确定疑似径迹位置并截取1 250张素材图.选取素材的50％为训练集、30％为验证集,训练机器学习模型.另选素材的20％为测试集,测试模型识别效果.算法代码基于MATLAB软件编写并训练.结果 建立的固体径迹识别算法识别能力较强,测试集识别准确度可达84.8％.算法构建的机器学习模型程序能跟随训练数据量的投入不断进化,准确度进一步提升.结论 本算法在图像形态学基础上结合机器学习对径迹识别算法进行了研究,较好地实现固体径迹的自动识别.未来将加大模型的数据投入,优化算法,提高识别准确度,以期为图像径迹自动识别提供更精确高效的方法.
文献关键词：
固体核径迹;图像识别;机器学习
中图分类号：
作者姓名：
张子扬;范胜男;李梦雪;周文珊;邓君
作者机构：
中国疾病预防控制中心辐射防护与核安全医学所,北京 100088;湖北省疾病预防控制中心,湖北武汉 430079
文献出处：
引用格式：
[1]张子扬;范胜男;李梦雪;周文珊;邓君-.基于形态学和机器学习的固体核径迹图像优化识别算法)[J].中国辐射卫生,2022(03):290-295
A类：
固体核径迹
B类：
图像优化,优化识别,识别算法,基于机器学习,机器学习方法,准确识别,图像分析,分析效率,形态学方法,截取,训练集,验证集,机器学习模型,另选,测试集,测试模型,模型识别,代码,算法识别,识别能力,训练数据,数据量,图像形态学,对径,自动识别,大模型,图像识别
AB值：
0.319851
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
