為了提高缺陷多動障礙的自動檢測能力,保障兒童的生理和心理健康,提出了基于注意力集中能力測定儀的缺陷多動障礙自動檢測與評估。為精準識別出兒童的缺陷多動障礙,設計了缺陷多動障礙特征的識別框圖,依托缺陷多動障礙特征的識別步驟,完成了缺陷多動障礙特征的識別;采用缺陷多動障礙自動檢測模型的構建方法,設計了模型的構建流程,又結合注意力集中能力測定儀的特征度量,設計了缺陷多動障礙自動檢測模型的整體框架,完成缺陷多動障礙自動檢測模型的構建;最后通過缺陷多動障礙的檢測流程設計,實現了基于注意力集中能力測定儀的缺陷多動障礙自動檢測。對比實驗結果表明,基于注意力集中能力測定儀的缺陷多動障礙自動檢測方法的檢測能力提高了64.7%。 

【文章來源】：自動化與儀器儀表. 2020,(10)

【文章頁數】：4 頁

【部分圖文】：

缺陷多動障礙特征的識別框圖

缺陷多動障礙自動檢測模型的構建流程圖

缺陷多動障礙自動檢測模型結合了注意力集中能力測定儀的特征度量,該模型是由缺陷多動障礙預測模型、缺陷多動障礙評估模型以及缺陷多動障礙優(yōu)先級評估模型構成[10],缺陷多動障礙自動檢測模型的整體框架如圖3所示。以上針對兒童缺陷多動障礙檢測過程存在的不足,采用缺陷多動障礙自動檢測模型的構建方法,設計了模型的構建流程,又結合了注意力集中能力測定儀的特征度量,設計了缺陷多動障礙自動檢測模型的整體框架,完成缺陷多動障礙自動檢測模型的構建;接下來通過缺陷多動障礙的檢測流程設計,實現基于注意力集中能力測定儀的缺陷多動障礙自動檢測。

【參考文獻】：
期刊論文
[1]BP網絡算法在脈沖渦流缺陷檢測中的應用[J]. 范昭君.  自動化與儀器儀表. 2019(09)
[2]航空激光增材制造零部件內部缺陷智能檢測方法[J]. 趙慧凱.  自動化與儀器儀表. 2019(07)
[3]鐵軌圖像的低秩矩陣分解缺陷檢測[J]. 張琳娜,岑翼剛.  信號處理. 2019(04)
[4]功能近紅外腦成像應用于兒童注意缺陷多動障礙的研究進展[J]. 吳馨如,王昕,楊健.  中華實用兒科臨床雜志. 2019 (08)
[5]電機銅排表面毛刺缺陷檢測技術研究[J]. 范劍英,劉力源,趙首博.  儀器儀表學報. 2019(03)
[6]基于時空雙稀疏表示的成人ADHD腦網絡檢測與分析[J]. 龔軍輝,劉小燕,周建松,孫剛.  自動化學報. 2019(10)
[7]基于機器視覺的太陽能電池片缺陷檢測技術的研究[J]. 劉磊,王沖,趙樹旺,李海濱.  電子測量與儀器學報. 2018(10)
[8]基于加速度傳感器的人體能耗檢測系統的設計研究[J]. 劉鵬.  電子設計工程. 2018(19)
[9]單純注意缺陷多動障礙兒童學習能力的特征[J]. 董敏,王玉鳳,錢秋謹.  中華精神科雜志. 2018 (02)
[10]基于機器視覺的方塊地毯邊緣缺陷檢測技術[J]. 方新茂,顏文旭,丁律.  電子設計工程. 2018(03)



本文編號：3239570