零件图像识别特征的研究

图像的识别分类总是以被识别物体的某些特征为基础.因此,零件图像识别特征的选取与提取是零件图像识别分类的关键技术,本文对零件图像的几何特征和形状特征进行了研究.设计了零件图像处理程序,提取了区域面积、边界周长、轮廓个数,圆形度参数、区域重心坐标、区域的外接矩形参数6个直观易测的零件图像特征参数.实验结果表明,本文提出的方法是有效的,为下一步零件图像的识别分类奠定了基础.     

多类特征显微图像的识别

针对粉末状态下的中药材显微图像明显具有纹理的特性,提出了一种基于多类型特征组合的中药材显微图像的识别方法.分别使用了三种分析方法,即分形分析方法、小波分析方法、灰度/梯度共生矩阵法,在各种方法中提取对图像分类贡献较大的特征量,并组合成特征向量,作为识别的依据.实验中采用了k-近邻分类方法,实验结果表明了该方法的可行性和有效性,为中药材的定量识别提供了理论依据.     

基于对比学习与多尺度结合的陶瓷显微图像分类方法

陶瓷文物修复是文物保护研究中一项重要内容,对碎片分类可提高修复效率。针对人工标注分类耗时长、效率低、主观因素大等问题,该文基于对比学习方法对陶瓷显微图像进行分类,然而,传统的SimCLR(a simple framework for contrastive learning of visual representations)对比学习网络不能精准提取陶瓷显微图像细节,因此,该文将SimCLR网络与多尺度方法结合,对陶瓷显微图像进行分类。首先,将采集到的陶瓷显微图像进行增强并提取特征,在特征提取模块使用多尺度卷积操作替换SimCLR中的标准卷积,使得网络具有更大的感受野,提取到更加准确的特征信息;其次,使用多层感知机(MLP)将提取到的特征进行降维处理,提高后续计算效率;最后,使用归一化温度标度的交叉熵损耗对模型进行优化。实验结果表明,改进后的网络在陶瓷显微图像分类中比原始网络准确率提高1.8%,达到98.6%,且网络参数只增加了0.11 m。该方法能以较小的代价有效对陶瓷碎片分类,辅助文物修复。     

一种新的基于模型的图像配准方法及其在裂隙灯图像眼前节三维重构中的应用

提出了一种以三维模型为基础进行二维图像配准的方法.本方法根据先验知识建立三维模型,并运用边缘提取等方法获得二维特征.将三维模型的特征与所有二维特征的整体最大相关性作为约束,对一系列空间位置不确定的二维图像进行配准.由于裂隙灯显微图像采集过程中的特殊情况,所获得的一系列图像空间位置不十分确定.以基于裂隙灯显微图像进行眼前节三维重构的过程为例,对上述方法进行说明.并以此为背景进行了实验,取得了良好的效果.     

磨粒图像的纹理分析及识别

以磨粒显微图像分析为应用背景，引入方向测度对磨粒图像表面纹理特征进行描述．该方法对磨粒图像各方向的灰度变化规律进行统计分析，提取了8个纹理特征．然后以提取的纹理特征为输入矢量，利用径向基函数神经网络对磨粒纹理进行分类识别．应用实例表明，方向测度综合反映了磨粒纹理的方向性和粗糙性，可用于磨粒纹理特征的描述；所建立的基于神经网络的磨粒纹理分类模型学习速度快，识别率较高．     

基于量子粒子群算法选择特征的遥感图像分类

针对目前遥感图像分类算法存在精度低、 速度慢等问题, 提出一种基于量子粒子群算法的遥感图像分类算法, 以提高遥感图像的分类效果. 首先分析目前遥感图像分类算法存在的不足及其原因; 然后提取多种类型的遥感图像原始特征, 采用量子粒子群算法对特征进行筛选, 以提取对遥感图像分类结果较重要的特征; 最后采用最小二乘支持向量机(LSSVM)建立遥感图像分类器, 实现遥感图像分类和识别, 并进行遥感图像分类的仿真对比实验. 实验结果表明, 该算法克服了当前遥感图像分类算 法存在的局限性, 大幅度提高了遥感图像的分类精度, 有效减少了图像分类误差, 提高了图像分类效率.     

利用计算机视觉检测家蚕微粒子病的改进研究

在家蚕微粒子病显微图像自动识别图像分割问题中，首先应从显微图像中将微粒子从复杂背景中提取出来．由于显微图像对比度差、光照不均匀及噪音等因素的影响，采用传统的阈值分割方法和边缘检测方法不能顾及到图像局部的实际有用的目标信息，因此很难准确提取微粒子孢子区域．利用数学形态学的方法根据微粒子图像的形状特征来检测微粒子区域，实现微粒子和背景的分割，取得了较好的效果．运用基于遗传算法的BP网络进行了识别和分类，结果证明此方法是有效的．     

基于孪生网络的苹果外观品质分级方法

针对人工和机械在苹果分级中存在低效、易损、准确率低等问题,提出一种基于孪生网络的苹果外观品质分级方法。该方法首先人工采集包含真实背景和不同等级的苹果图像数据集,并进行预处理操作,包括删除无关背景、0-1缩放和数据增强等;其次以卷积层、池化层和批归一化层为基础模块,搭建神经网络模型,提取苹果图像特征;最后用全连接层训练一个分类器,完成对苹果图像特征的分类,从而得到苹果外观品质对应的等级,其中模型的损失函数为对比损失。实验结果表明,构建的孪生网络模型在苹果外观品质分级中,平均分类准确率达到了97.71%,具有较好的稳定性,其用于苹果外观品质的自动分级是可行的,并为其他农产品的外观分级提供思路和参考。     

显微图像和SEM图像在褶蛛外生殖器形态学研究中的比较

显微观察一直是基于形态特征进行蜘蛛分类学研究的主要手段,可以为蜘蛛分类提供所需要的鉴定特征.而深入研究蜘蛛复杂的外生殖器形态特征时,由于显微图像在高倍放大条件下,景深变小,导致三维立体信息丢失.相比之下,SEM图像在表现微小、复杂结构的细节和三维形态上,更胜一筹.然而,扫描电镜无法显示内部结构的局限使其在进行深入的比较形态学研究中,并不能完全取代显微观察.本文结合Crispiphantes rhomboidea外生殖器的形态学研究,针对显微图像和SEM图像在研究微小、复杂的褶蛛外生殖器结构中所发挥的作用进行了比较,分析了二者的优势和局限.结果显示综合显微图像和SEM图像信息可以最大限度的挖掘蜘蛛复杂的外生殖器形态结构中所蕴涵的系统发育信息,有助于我们进行同源结构的比较.     

用马铃薯淀粉制粉丝新法

我国马铃薯资源丰富,但人们日常生活所消耗的鲜马铃薯仅占很小比例。由于深加工的单调性和局限性,致使大量马铃薯不能被充分利用。粉丝是我国人民喜爱的传统食品,但其制造局限于价高料紧的绿豆淀粉和豌豆淀粉,用马铃薯淀粉制做的粉丝弹性差,水煮后极易断条,且无韧劲。为提高马铃薯淀粉粉丝的质量,我们在马铃薯淀粉中加上品质独特的魔芋,生产出的马铃薯淀粉粉丝,产品质量与豆类淀粉粉丝相差无     

基于ISODATA算法的漏磁信号到缺陷轮廓的网络映射

由于漏磁信号与缺陷轮廓的非线性关系，由管道漏磁信号描述管道缺陷的几何特征一直是管道漏磁检测的难点．本采用小波基函数神经网络的方法，建立了由管道缺陷的漏磁信号到缺陷截面轮廓图的网络映射．算法中应用迭代自组织数据分析(ISODATA)动态聚类的算法使得基函数中心的选取更加合理，经过多层分辨率的训练．网络输出表明，该网络可以较准确反映出缺陷的几何特征，为管道缺陷的特征提取提供一种可行的方法。     

基于组合分类器的联机手写汉字识别

提出一种基于二级组合分类器的汉字手写体识别方法,首先提取汉字的整字特征和笔划特征;进行单字识别的过程中,GA-BP笔划分类器起着对汉字识别的主导作用,当写入汉字出现连笔、字形变化导致系统产生拒识情况时,采用隐马尔可夫整字分类器作为辅助去提高整体的识别率.     

一种基于RBF神经网络的英文字符识别方法

提出了一种基于RBF神经网络的英文字符识别方法。该方法首先提取字符的结构特征和统计特征，以它们作为神经网络的输入向量，然后用RBF神经网络进行识别。使用了高斯函数作为神经网络的激励函数，并以最小二乘准则对字符进行识别。对字符样本的识别结果显示，此方法在识别错误率和识别效率等方面均有很好的效果。     

基于极端学习机的胶囊缺陷检测

针对胶囊常见的凹陷缺陷进行不变矩分析,提取胶囊的偏心率和圆形度为特征变量,提出一种基于极端学习机的胶囊缺陷检测与识别的方法,对胶囊进行检测分类.仿真结果表明基于极端学习机的胶囊分类算法能很好地区分出具有缺陷的胶囊,分辨正确率接近100%,运算速度比BP神经网络更快,训练过程稳定,也说明所提取的特征能很好区分有凹陷与无凹陷胶囊.     

基于形状和结构特征的白酒识别方法研究

提出了一种有效描述白酒显微图像中微粒的形状和结构分布的组合特征提取方法,研究了基于显微图像的白酒识别方法.显微图像先经过全差分滤波增强,以及互熵阀值区域分割.然后提取显微图像的形状和结构特征,包括所有区域面积、周长和低阶矩的总和、均值及方差,最大5个区域的畸度和圆度,以及区域数目,共计26个特征值.最后基于BP神经网络建立白酒识别模型.通过实验,比较了传统形状特征与文中提出的形状及结构组合特征在白酒识别中的效果,结果表明使用文中提供的形状及结构组合特征获得更高的识别率,达到95%以上.     

基于CAD模型的虚轴机床检测系统设计

基于最新研制的三杆五自由度并联机构虚轴机床设计了一个零件检测系统，分析了虚轴机床检测装置的特点，介绍了检测装置的运动控制模型和数控系统组成。利用商品化CAM软件的NC功能进行检测轨迹规划，以G代码文本文件的形式提交检测作业要求，并介绍了检测过程控制及检测数据处理等问题。     

The Recognition of Silk Fabric Defects Based on Biorthogonal Wavelet Analysis and SOM Neural Network

A feasible approach fog the recognition of silk fabric defects based on wavelet transform and SOM neural network is proposed in this paper, the indispensable processes of which are defect images denoising and enhancement, image edge detection, feature extraction and defects identification. Both geometrical and textural feature panuneters are extracted from the edge image and the enhanced defect image, and utifize SOM neural network to recognize the common defects which silk fabrics have, including warp- lacking, weft-lacking, double weft, loom bars, oll-stalin. Experimental results show the advantages with high identification correctness and high inspection speed.     

基于CAD模型的虚轴机床检测系统的设计

基于最新研制的三杆五自由度并联机构虚轴机床设计了一个零件检测系统,分析了虚轴机床检测装置的特点,介绍了检测装置的运动控制模型数控系统组成。利用商品化CAM软件的NC功能进行检测轨迹规划,以G代码文本文件的形式提交检测作业要求,并介绍了检测过程控制及检测数据处理等问题。     

神经网络多变量监控系统在发酵工业中的应用

以发酵工业过程监控为研究对象，根据发酵过程工况参数实时检测困难的特殊性，提出了一种基于神经网络的监控体系框架，对用神经网络组成的静态预报模型和动态监测模型的有机结合应各自组成结构的特点进行了较详细的分析和研究。最后，以酒精发酵过程监控为仿真研究对象，做了仿真实验，仿真结果令人满意。在实践中经过不断完善，完全可以应用于实际生产。     

Techniques of Image Processing Based on Artificial Neural Networks

This paper presented an online quality inspection system based on artificial neural networks. Chromatism classification and edge detection are two difficult problems in glass steel surface quality inspection. Two artificial neural networks were made and the two problems were solved. The one solved chromatism classification. Hue, saturation and their probability of three colors, whose appearing probabilities were maximum in color histogram, were selected as input parameters, and the number of output node could be adjusted with the change of requirement. The other solved edge detection. In this neutral network, edge detection of gray scale image was able to be tested with trained neural networks for a binary image. It prevent the difficulty that the number of needed training samples was too large if gray scale images were directly regarded as training samples. This system is able to be applied to not only glass steel fault inspection but also other product online quality inspection and classification.