小波神经网络在红外光谱数据压缩中的应用

红外光谱是进行化合物定性及定量分析的重要依据,通常需要大量的数据才能较准确地反映所测化合物的结构特征.对应于众多的化合物,红外光谱的数据量非常庞大.因而,在保证红外光谱主要特征基本不变的前提下,如何对红外光谱进行压缩,较大地减少数据量,进而改善红外光谱的存储、检索及处理等方式是一项很有意义的研究工作.小波神经网络(Wavelet neural network),简称小波网络,是基于小波分析所构造的一种新的神经网络模型,目前在化学界尚未见到介绍和应用.本文将其应用于聚苯乙烯薄膜红外光谱的压缩表达.结果表明,小波网络在大量压缩数据的同时,能够很好地恢复原有红外光谱,特别是能够较准确地反映吸收峰的位置和强度.     

基于PSO算法的结构损伤检测研究

结构损伤检测问题常常可转化为数学上的约束优化问题。采用粒子群算法（PSO）求解约束优化问题。可求解结构损伤检测问题。首先介绍基本粒子群算法，然后建立结构损伤检测问题的数学模型，采用悬臂梁单损伤和多损伤的数值仿真研究，验证了粒子群算法求解结构损伤检测问题的可行性，最后针对实际结构振型测试时振型的非完备性，直接利用非完备振型，求解损伤检测问题，数值仿真结果表明，利用非完备振型，仍可得到较好畴检测结果。     

基于Labview机器视觉的SIM卡槽缺陷检测系统研究

设计了一套基于Labview机器视觉的SIM卡槽缺陷检测系统,首先通过光学相机获得SIM卡槽的彩色图像,并结合Labview软件对图像进行灰度化处理和模板匹配算法,获得模板的匹配特征及位置;其次对图像进行形态学处理细化目标轮廓;再对图像进行二值化处理,得到引脚上白色的斑点面积,通过判断斑点面积来确认引脚是否存在折弯、变形、缺失等情况;最后采用彩色定位算法来判断SIM卡槽上引脚是否存在漏铜情况,实现对SIM卡槽缺陷的准确检测,并将检测结果在人机交互界面进行显示.试验表明,所设计的检测系统误报率为0,漏报率为0,平均检测时间小于750 ms,满足实际生产的应用需求.