高速公路交通安全状态直接检测方法

根据交通安全状态视频图像的特点,把交通安全状态分为安全和危险二大类,通过对智能视频处理方法的比较,提出一种依据原型模式的直接检测模型和算法,直接检测方法可有效提高交通安全状态识别算法的实时性和准确性.实验表明,本方法交通安全状态的分类识别正确率达87.5%,识别速度比传统神经网络方法提高了16.2%.     

基于深度学习SCNet的钢筋混凝土锈蚀裂缝识别

为提高钢筋混凝土锈蚀裂缝检测分类的效率和精度，提出了一种基于深度学习卷 积神经网络（Convolutional Neural Network，CNN）的钢筋混凝土锈蚀裂缝识别模型 SCNet（Steel Corrosion Net）. 首先通过原始数据采集和数据增强构建了39 000张图片的裂缝数据集，然后利 用 TensorFlow 学习框架和 Python构建神经网络模型并进行训练测试，根据模型的训练精度和 测试精度进行网络结构和网络参数的优化，最终将 SCNet识别模型与两种传统检测方法进行 对比 . 结果表明：文中所建立的 SCNet三分类神经网络模型达到了 96.8%的分类准确率，可以 有效识别分类钢筋混凝土锈蚀裂缝，并且具有较高的准确率和可测性；在图像数据有阴影、扭 曲等噪声干扰的条件下，两种传统检测方法已不能达到理想的分类效果，SCNet模型仍能表现 出相对稳定的分类性能.     

金属表面缺陷的机器视觉检测方法研究与实现

针对人工检查方式存在效率低、安全性差及劳动强度大的问题,提出了一种机器视觉检测金属表面缺陷的方法.利用SIFT特征提取并对金属表面缺陷分类,分类正确率达到96%.分类后利用k-means聚类方法和高斯拉普拉斯算子斑点检测对金属表面进行缺陷识别.结果表明,各类方法的综合应用具有较高的识别精度,能有效地识别多个不同种类的金属表面缺陷,符合对金属加工制造的品质控制的特性,对实现金属表面缺陷的高效检测有着重要意义.     

基于最小二乘支持向量机的脑电信号分类

研究了基于运动想象脑电信号对大脑的想象运动状态进行分类识别的问题.根据事件相关同步和事件相关去同步现象识别出被试的想象运动状态,通过频带能量特征提取方法获得了想象左右手运动时的脑电信号特征,使用最小二乘支持向量机对提取到的频带能量特征进行分类.结果表明,使用最小二乘支持向量机可以对运动想象脑电信号的频带能量特征进行有效分类,分类正确率达到92%,其分类效果与使用标准支持向量机相当,但在计算速度上更有优势.     

漆包线缠绕缺陷的实时检测与修正方法研究

针对线圈绕线设备在进行高精度绕线作业时,容易出现间隙错误、搭接错误等缠绕缺陷问题,为提高线圈绕制质量,提出了一种实时检测线圈缠绕过程中出现不同绕制状态并进行修正的方法. 该方法在分析线圈的绕制特点基础上,给出了漆包线缠绕缺陷的实时检测算法,并设计了相应的视觉检测系统和绕线设备的控制系统. 该方法基于1×3模板提出了对预处理后的效果图轮廓点的提取算法;基于轮廓点拟合的绕制状态检测给出了修正方法,从而实现了线圈绕制状态的实时检测,并根据视觉实时检测结果修正错误的绕制状态. 通过视觉检测系统稳定性试验、系统准确率试验和正交试验的验证,该方法明显增加了线圈绕制的紧密性,使线圈绕制成品的生产效率及质量得到了有效提高.      

基于电磁感应的道路车辆车型在线分类方法研究

广泛应用于道路车辆检测的环形线圈车辆检测器对于车辆车型的实时分类正确率较低,主要原因是面对各种车辆电磁感应特性的复杂多变和未知车型的新车辆层出不穷问题,其模式固定的分类模型难以胜任.基于通过环形线圈时车辆电磁感应特性波形提出一种新的车辆车型实时判别方法:运用主分量分析法提取特征,采用自适应共振神经网络聚类建立车辆类别模式,动态划分各车型包含的类别模式;以半监督学习方式在线增加未知车型的新车辆模式,算法自适应新车辆的车型识别. 7种车型的道路现场实时车型识别实验平均正确率为91.3%,加入新模式自动识别后提高至92.5%;Alexnet多层卷积神经网络算法的对比实验中,训练集和测试集正确率分别为99.5%和87.1%,相差较大.实验结果验证了本文方法在道路车辆模式不断变化情况下实现车型识别的可行性.     

利用表面肌电进行手势自动识别

针对手势自动识别研究中提高正确率和降低训练时间两者需要同时兼顾的问题,提出了一种基于Fisher Score(FS)特征降维方法与机器学习相结合的新的手势识别模型。提取4通道表面肌电信号的时域、频域、时-频域和非线性特征,构成特征集;采用FS方法和主成分分析(PCA)方法分别进行特征降维,采用线性判别分析(LDA)和支持向量机(SVM)分别作为分类器;通过两种特征降维方法与两种分类器的不同组合构建不同的手势识别模型,并对分类模型的性能进行对比研究。实验结果表明,特征降维方法与分类器的组合能显著提高分类器的正确率、降低训练时间。与PCA方法相比,FS方法是一种实现简便、效果理想的特征降维方法:与SVM组合的分类模型获得最高分类正确率99.92%;与LDA组合的分类模型不仅获得99.24%的分类正确率,而且花费最短的训练时间1.44ms,该模型可为手势的实时自动识别提供理想的方法和途径。     

基于分布式光纤传感系统的有载变压器故障检测技术研究

提出基于分布式光纤传感技术的人工神经网络有载变压器故障检测预报模型，通过人工模拟变压器的故障状态及正常运行状态，并通过k-means SMOTE数据扩充方法，可以有限扩充少量故障数据集，使故障数据量可以和正常数据量达到一致，将扩充后的故障数据与正常运行的数据一起送入长短期记忆卷积神经网络(convolutional neural networks long short term memory, CNN-LSTM)识别模型，最终可以将故障的识别率提升到100%,这对采用分布式光纤传感技术在有载变压器故障识别系统上的发展具有重要意义。     

基于重叠边缘的夜间重叠番茄识别

为更准确地识别出夜间重叠番茄,提出一种基于重叠边缘检测的夜间重叠番茄识别算法.该算法采用基于OTSU法进行图像分割,利用Canny算子进行边缘检测,并从中识别出重叠边缘,进一步基于重叠边缘应用一种距离就近法判断重叠番茄前后位置关系,最后基于圆拟合对重叠番茄中前未被遮挡番茄进行识别.试验结果表明:无枝叶遮挡时,前后位置关系判断正确率为96%,前未被遮挡番茄识别正确率为91.7%;当有枝叶遮挡时,前后位置关系判断正确率为90%;当被遮挡率低于50%时,前未被遮挡番茄识别正确率为83.3%;该算法可实现夜间双果重叠番茄前后位置关系判断及前未被遮挡番茄识别.     

基于脉象信号的亚健康状态的识别

提出了一种新的识别亚健康状态的方法.利用HK-2000C集成化数字脉搏传感器提取人体左关处桡动脉脉搏信号,然后计算脉搏功率谱,并在此基础上提取功率谱峰值及功率谱重心,并将它们对应的频率作为特征量,利用线性判别式分析(LDA)对所提特征进行分类.经对30例样本的识别检验,结果表明,用功率谱重心及重心频率作为特征量分类率达到80%,用功率谱峰值和峰值频率作为特征量,分类正确率达到了86.667%.     

光纤环绕制中张力控制与高精度排线的研究

针对光纤环各类绕制方式对温度变化抑制能力的研究,得到四级对称绕制设备的具体要求。目前的光纤环绕制设备与其进行比较后,发现主要有以下缺陷:绕制过程中张力控制波动大、排线精度比较低和绕制设备的自动化程度不完全。对光纤环绕制设备的进行改进:首先,建立供纤轮与绕纤轮之间速度差的数学模型;并经过仿真得到换光纤层绕制时必须改变供线轮的转速以保证张力的基本范围;而且使用舞蹈轮微控设备实现张力波动小范围控制。其次,采用光纤绕制检测设备实时检测光纤排线性能;并确定合适的滞后角度以实现高精度排线。最后,采用一从两主的电机控制方法实现光纤绕制设备的自动绕制。经过实验验证:该张力控制方法可以实现不同层光纤张力的高精度控制,而采用该排线方式也可以完全实现高精度排线的自动化。     

光纤复合式变压器电磁线的温度检测精度分析

针对目前大型变压器内部温度场精确测量的需求,为提升传统光纤测温的感知范围与测量精度,设计了一种光纤复合式变压器绕组测温方案,对于绕组与光纤之间各个部件的热量传递进行了建模,并采用有限元法对光纤测量的精度进行了数值计算。通过理论对比分析可知,根据所建立的热路模型由光纤测量温度可反推绕组附近绝缘纸等部件的精确温度,误差可控制在合理范围内,进一步提升了光纤测温的准确度与感知范围。     

基于CGRU模型的语音情感识别研究与实现

语音情感识别是人机交互、情感计算中重要的研究方向.目前普遍使用深度神经网络用于语音情感特征的提取，但使用哪种神经网络模型、如何缓解模型过拟合问题还需进一步研究.针对这些问题，提出了一种结合一维卷积(CNN)以及门控循环单元(GRU)的CGRU模型，从原始语音信号的MFCC特征中提取语音的低阶以及高阶情感特征，并通过随机森林对其进行特征选择，在三种公用的情感语料库EMODB，SAVEE，RAVDESS上分别取得了79%，69%以及75%的识别精度.通过添加高斯噪声及改变速度等方法来增加样本量实现数据扩充，进一步提高了识别精度.通过在线识别系统验证了模型在实际环境中的可用性.     

基于φ-OTDR光纤振动传感系统模式识别方法

提出一种基于相位敏感光时域反射计(φ-OTDR)的光纤振动传感系统, 提取信号的主波能量、 主瓣时延、 主波峰峰值、 主波Q值、 频谱、 3 dB时延、 主瓣峰值、 中心频率、 二次回波损耗、 波数和半波长度11种特征参量作为参考衡量标准, 用多参量模糊评价矩阵的目标识别方法, 对5组200次实验进行相似目标识别分类. 结果表明,  该方法通过多角度参量进行目标衡量判别, 综合识别率达90.87%, 提高了相似识别的准确性.     

基于φ-OTDR光纤振动传感系统模式识别方法

提出一种基于相位敏感光时域反射计(φ-OTDR)的光纤振动传感系统, 提取信号的主波能量、 主瓣时延、 主波峰峰值、 主波Q值、 频谱、 3 dB时延、 主瓣峰值、 中心频率、 二次回波损耗、 波数和半波长度11种特征参量作为参考衡量标准, 用多参量模糊评价矩阵的目标识别方法, 对5组200次实验进行相似目标识别分类. 结果表明,  该方法通过多角度参量进行目标衡量判别, 综合识别率达90.87%, 提高了相似识别的准确性.     

基于CNN的计算机生成图像识别方法

针对计算机生成图像(Computer Generated images, CG)与真实照片(Photograpgh, PG)识别率不高的问题,该文提出了一种改进的卷积神经网络方法来实现CG与PG的识别.该方法首先对识别问题进行卷积神经网络二分类建模,并选择VGG-19网络结构作为基础,建立不同的模型.该方法创新性地引入迁移学习,节省训练时间和大量计算资源,最后使用softmax分类器进行分类.实验结果表明,该文方法对PG图像的识别准确率达到92%.与其他方法比较,该文方法识别准确率最高,说明该文方法具有可行性与有效性.     

相关向量机在光纤预警系统模式识别中的应用

由于传统模式识别方法存在过学习、训练时间长等缺陷,不能满足光纤预警系统实时在线监测的要求.相关向量机能够克服传统方法的缺点,识别精度高,向量机个数需求少,因此,将相关向量机应用于光纤预警系统模式识别中,采用小波能谱和小波信息熵的特征提取方法,在测试阶段采用有向无环图的方法进行多类识别.通过对威胁管道安全的事件进行实验,识别精度达到92.67%,向量机个数只有2个,验证了相关向量机方法应用于光纤预警系统的可行性和有效性.     

基于改进YOLOv5的绝缘子缺陷检测算法

绝缘子缺陷检测是电网巡检过程中重要的一环,为提高绝缘子缺陷检测的精度,该文提出一种基于改进YOLOv5算法的绝缘子缺陷检测算法——YOLOv5t,能够在保证网络运行速度的条件下,提升网络的检测精度.该算法在YOLOv5s的基础上,将三重注意力机制(triplet attention)添加到骨干网络中,给予每个特征通道不同的权重,以提高网络的检测精度;并采用CIoU Loss作为网络回归损失的损失函数,提升网络的收敛速度;同时将Soft-NMS作为网络的预测结果处理方法,降低网络的漏检率.YOLOv5t与几种常用的缺陷检测网络的对比实验结果表明,YOLOv5t的准确率达到97.2%,召回率达到98%,平均精度均值达到99.1%,较YOLOv5s算法分别提升了0.9%、5.1%和2.1%,并且检测速度没有受到影响.     

基于变权重奇异谱分析的心律不齐识别方法

现有心律不齐研究多数围绕心电信号中不同频率特性成分的分离展开，而不同子序列的信息量对于最终目标决策的贡献则缺少研究与分析.为增强高贡献度子序列对于分类器的影响，提出了一种变权重奇异谱分析与深度学习结合的识别方法.通过奇异谱分析获得多个子序列，结合各个子序列的奇异值计算随机森林下的基尼系数，并将其作为权重.变权重的序列样本用于训练神经网络模型，更高效地挖掘了有用信息，进一步提高了识别精度，最终的心律不齐识别准确率为98.35%，Macro-F1为97.95%.相对于传统的定值权重，本文提出的变权重识别方法在各个性能指标上均有明显提升.     

循环多特征信息融合法： 一种基于深度学习的车道线检测方法

车道线检测是辅助驾驶和自动驾驶的核心技术之一。为了进一步增强车道线特征的提取能力,提出一种基于深度学习的循环多特征信息融合车道线识别算法。针对模型计算效率问题,该算法将车道线检测问题视为基于行选择单元格的分类问题;针对图像中车道信息聚合问题,提出了一种新的循环多特征信息聚合(recurrent multi-feature information aggregator,RMFA)方法,并将该方法与残差神经网络(residual neural network,ResNet)相结合提出融合上下文及多通道信息的车道线识别网络ResNet-RMFA。将该网络模型在Tusimple和CULane公开数据集上进行了性能测试,实验结果表明该模型单帧图像的推理时间可达4.8 ms,在Tusimple数据集上的精确度为96.07%,在CULane数据集上的F1(IoU=0.5)评分为69.3%,达到了速度与精度的良好平衡。