基于机器学习的裂纹识别研究现状及发展趋势

裂纹识别一直是机器视觉领域的重要研究内容,尤其是与之相关的自动检测算法在近年来备受关注。深度学习作为机器学习的一个分支,其在裂纹识别方面已显现出强大的功能和灵活性。本文对基于机器学习的裂纹识别技术的发展情况、研究现状以及典型方法进行详细介绍:首先介绍了多种机器学习方法在裂纹识别领域的应用,并从特征提取算法和应用对象等方面介绍了支持向量机(Support Vector Machine, SVM)、K最近邻(K-Nearest Neighbor, KNN)、神经网络、决策树和随机森林等常用的分类器;其次,从网络模型、数据集和应用对象等方面介绍了深度学习方法在裂纹识别领域的应用。同时,本文还对近20年(2000-2020年)的81篇相关文献进行对比分析,认为未来金属裂纹的识别依旧是热门研究,多种算法的混合会逐渐替代单一算法成为今后的发展方向。     

生成式与判别式视觉目标跟踪算法综述

视觉目标跟踪是对目标位置、速度、运动轨迹等信息检测与预测技术。该技术融合了计算机视觉、图像处理、深度学习等众多领域技术。本文将对目标跟踪算法发展情况以及研究现状进行梳理。首先介绍目前常用的基准数据集;其次指出生成式算法与判别式算法差异;再对传统的生成式算法进行简单的分析总结;随后围绕算法框架分别介绍相关滤波框架、深度学习框架、孪生网络框架、Transformer框架的判别式算法并分析不同算法的优缺点;最后分析目前动态目标跟踪存在的问题并展望。     

智能旋转冰箱控制系统设计

传统冰箱采用机械式温控,储存量大且种类繁多物品时容易被遗忘导致过期浪费,本文设计一种智能旋转冰箱控制系统以解决这一难题。系统以单片机为主控芯片,通过压力传感器检测物品存放,根据时钟模块传递时间信息给单片机记录,同时按键控制蓝牙模块发送存放时间给手机APP。冰箱内部设计舵机控制模块,可以旋转存储平台实现快速、智能存取,箱门设计显示模块实时显示物品信息。系统在检测物品、数据记录、显示及信号发送等方面灵敏度高,成本较低且能够通过手机实现对食物信息全面了解,绿色节能,市场需求和应用价值高。