BoHuYeShan

glmos-code-explain# CNN-MicroAI-Colony: 深度学习驱动的智能菌落计数系统 项目简介CNN-MicroAI-Colony 是一个基于深度学习的智能菌落计数和分析系统，旨在为微生物研究、食品安全检测等领域提供高效、准确的自动化解决方案。该项目采用现代计算机视觉技术，结合深度学习模型，实现了快速、精确的菌落检测和计数功能。 核心特性1. 强大的检测能力场景识别能力 标准微生物平板识别率 >98% 质量略差或低像素场景 95-98% 黏连菌落场景 85-92% 边界模糊场景 ~80% 技术指标 检测准确率：MAE 5.2% 形态学鉴别准确率：88% 单帧处理速度：420ms 支持多种图像格式（JPG、PNG、TIFF） 支持UV/IR光谱成像 与其他模型对比 相比YOLOv6等现代检测器具有更好的稳定性 在黏连菌落场景下表现优秀（<80% vs <15%） 在低像素图像中保持高准确率（95-98%） 2. 高效的处理性能CPU模式优化 狂暴模式配置： 使用所有CPU核心优化 Intel MKL加速支持 内存预分配优化 AV ...

glmos-code-explain# 【预发稿】CNN-MicroAI-Colony: 深度学习驱动的智能菌落计数系统 项目简介CNN-MicroAI-Colony 是一个基于深度学习的智能菌落计数和分析系统，旨在为微生物研究、食品安全检测等领域提供高效、准确的自动化解决方案。该项目采用现代计算机视觉技术，结合深度学习模型，实现了快速、精确的菌落检测和计数功能。 核心特性1. 强大的检测能力 检测准确率超过95% 误报率低于1% 尺寸测量误差控制在2%以内 支持多种图像格式（JPG、PNG、TIFF） 支持UV/IR光谱成像 2. 高效的处理性能 单图处理时间<2秒 批量处理每张图片<1秒 GPU加速支持，提速3-5倍 优化的资源占用： CPU使用率：20-40% 内存使用：2-4GB GPU内存：2-3GB（如可用） 3. 专业的分析功能 菌落检测和计数 尺寸测量 形态分析 生长速率计算 多维度数据可视化 分布直方图 计数序列图 置信度分布 多图对比 技术架构1. 前端架构 基于PyQt5的现代化GUI界面 响应式设计 多线程支持 模块化组件结构 ...

关于历史博客过往的文件内容我不打算同步到此博客中，这个博客就作为新的开始。 关于博客使用瓷伯克将会用于工作室文章文案等内容创作的自有发表平台。

首先我要表明的 这个博客算是第4个公开发布的个人博客，最早的博客是什么时候启用的已经难以追溯了，但是我会将我有记录保存的博客文章发布在这里，但是不按照原有时间记录，除非有特殊意义。 个人博客的地址是[bohuyeshan.top] 我的另一个github账号是bohuyeshan以后会在这个账号发布个人的项目。 博客介绍 这是一个个人博客，主要记录学习笔记，以及一些技术文章。 直接将hexo-theme-butterfly主题clone下来，然后修改了部分样式，然后使用hexo进行博客的搭建。 数据库用vercel进行部署。这至少是免费的，就是后面用来cloudflare的cdn加速qexo搭建的博客后台进行快速管理，虽然我还是喜欢用vscode直接编辑文档。 博客使用到的物品工具一类的？ hexo hexo-theme-butterfly node.js git vscode github vercel cloudflare

测试文章