基于稀疏表示分类算法的复合绝缘子憎水性检测方法

复合绝缘子表面憎水性的检测是判断其防污闪性能的主要手段之一.本文引入稀疏表示分类算法实现了对复合绝缘子憎水性图像的检测分类.运用最小一范数方法计算稀疏表示系数,通过计算最小残差图像来搜索与测试图像最匹配的训练样本图像,从而准确识别出检测试样的憎水性HC等级.该算法避开了一般模式识别算法中较复杂的特征提取环节,为复合绝缘子憎水性图像识别检测提供了新的思路.实验结果表明,该方法能有效地应用于复合绝缘子憎水性图像的分级.     

基于视频监控的座位管理系统研究

设计了一种通过视频监控系统的基于图像识别技术的座位管理系统,以该系统管理高校图书馆的座位资源,从而使图书馆资源得到更有效地使用。该系统与读者校园卡系统的结合可方便、快捷地实现读者在图书馆中座位的预约和选择;同时以视频监控系统为数据采集核心,通过图像识别技术判断座位的实际使用情况。该座位管理系统可以合理有效地管理图书馆中的座位资源,减少占座现象的发生。     

蓝印花布纹样标准数据集的构建

针对在以数字化的方式传承和保护蓝印花布的技术中由于缺乏具有原始手工特征的蓝色印花图案数据集,极大地限制了深度学习技术在蓝印花布纹样识别领域的应用问题,构建了一个大规模蓝印花布纹样数据集。该数据集包含50 216张蓝印花布纹样,从动物、植物、中国神话传说及复合四大题材的角度将数据分为85个子类。该数据集的创建不仅涉及到蓝印花布的数字化建设,如蓝印花布纹样检索及相关纹样命名,还能使相关研究人员设计和验证机器学习算法。在所构建的数据集基础上,提供了4个典型深度学习网络的实验结果,以此作为其性能基准。     

不同形状植物成熟果实的识别提取方法

提出一种自然场景下对不同形状植物果实图像进行识别提取的方法.采用RGB色差模型及Ostu自适应阈值分割进行图像二值化.应用数学形态学方法对二值图像进行预处理获取植物果实轮廓.采用果实质心、最小凸边形方法对目标进行特征提取.实验表明,除对类圆果实识别较好外,对不规则果实识别效果更佳,其最小凸边形提取比外接矩形及类圆提取方法更接近真实图像,具有一定的通用性.     

崩积体粒径的图像识别与分析

崩塌是一种常见的地质灾害,崩落块石所形成的崩积体往往可以反映崩塌运动过程、影响范围等。基于无人机航拍影像技术以及孔隙(颗粒)与裂隙图像识别与分析系统(PCAS)的崩积体调查方法,将粒径分析方法引入崩积体调查,对崩积体粒度分布与堆积特点进行研究。结果表明:"无人机航拍影像技术-PCAS"统计方法切实可行,具有便捷、安全、成本低、高效和高精度的特点;将小茅坡崩积体划分为主积区、散落区、影响区,3个特征明显的区域;小茅坡崩积体粒径服从Y=A+(B/t)的逆分布规律;从纵向上看,崩积体内小块石占比呈先减小后增大再减小的趋势;从横向上看,距崩源相同距离各区粒径组分的含量基本相同,中块石与大块石在横向上呈现先增大后减小的趋势。研究成果对崩塌堆积调查具有重要意义,为野外调查提供一种新的技术手段。     

基于轻量级AlexNet网络的秦简文字识别算法

以样本少且欠均衡的高信噪比秦简文字图像为研究对象,提出一种基于改进的轻量级AlexNet网络模型的秦简文字识别算法。首先,构建秦简单文字图像数据集,对其进行增强降噪、图像归一化等预处理操作;其次,调整AlexNet网络模型结构,构建4层卷积层与池化层的顺序连接,并在前2层卷积层分别融入InceptionA与InceptionC结构,以分解卷积的形式对秦简文字进行局部特征提取,选取ReLU函数作为模型的激活函数,并在全连接层融入Dropout层进一步防止模型出现过拟合现象;最后,调用Softmax分类器完成秦简文字图像识别。研究结果表明：该网络模型在轻量化与识别准确率的表现上具有明显的优势,平均识别耗时为635 ms,识别准确率达到了99.89%,识别效果良好,可为秦简文字识别理论研究提供参考。     

基于改进ResNet网络的猫狗图像识别

动物种类的识别一直是图像识别领域的重点,为了更好地对图像中动物进行识别、帮助社会对家庭宠物的管理,本论述提出一种基于ACNet模块和CBAM注意力机制模块而改进的ACResNet18模型用来识别猫狗种类,通过非对称卷积快增强网络模型的核骨架,实现更有效的特征提取,引入CBAM注意力机制加强网络识别精度,能够更精确地对图像中猫狗进行识别和分类。本次实验使用Kaggle竞赛中的猫狗数据集进行图像识别,并通过对比实验,验证了相比于原模型,改进后的模型准确率有明显提升,最终提高了模型在图像分类上的精确度和鲁棒性,证实了该模型的可靠性。     

基于机器视觉的风力机叶片损伤检测系统

针对风力机叶片表面出现的磨损等早期损伤特征现象,传统损伤检测方法存在高成本低效率等问题,设计了一种基于机器视觉和图像处理相结合的风力机叶片损伤检测系统。通过搭建机器视觉实验平台完成风力机损伤叶片图像采集和处理,通过使用HSV进行颜色平面提取,卷积运算、高亮显示操作滤波,选用自动阈值分割方法中最小均匀性度量法进行阈值分割处理,最后通过数学形态学去噪处理,腐蚀、膨胀、开运算等操作完成特征提取,设计了基于LabVIEW的风力机叶片智能图像识别系统,通过对图像处理后的损伤特征识别效果调试,完成性能测试。实验结果表明,基于该算法处理后的图像在设计的识别系统内准确识别率达到92.3%,并对裂纹损伤进行目标测量得到实际长度且绝对误差最大为3mm。该系统满足叶片检损的要求,实现对风力机叶片表面裂纹、轮廓磨损等损伤的图像处理和识别,并对损伤处进行标记、计数和测量,实现无损探伤,为兆瓦级风力机叶片损伤检测提供方法借鉴和图像处理、系统设计的技术支持。     

基于视觉的室内吸烟行为数据采集与分析

对吸烟者行为的分析研究,是烟草行业创新发展的重要需求。该文结合吸烟室应用场景,提出一种基于视觉的吸烟行为研究方法,构建了基于视觉的吸烟行为数据采集和分析流程,获取包含外观特征、烟包品牌、抽吸行为、人脸情绪在内的6维度吸烟行为数据;设计并实现了基于视觉的吸烟行为数据采集分析系统,系统采用云+端的层次化架构,由智能终端系统、云端服务平台和数据应用系统这3个部分组成。系统应用表明：系统实现了吸烟室内吸烟者在自然状态下的行为识别和数据收集,可为烟草企业认知和了解吸烟者吸烟行为提供有效的数据支持,具有较好的应用价值和实践意义。