基于深度学习的化妆品塑料瓶缺陷检测

提出一种基于深度卷积神经网络的化妆品塑料瓶表面缺陷检测算法。采用百万像素级别的工业相机采集大量的塑料瓶图像样本,并通过HSV(hue,saturation,value)颜色空间变换和Otsu阈值分割等方法对图像进行预处理。采用随机图像变换法对数据集进行增强,并对图像进行标准归一化处理。在卷积神经网络模型中应用深度可分离卷积和Dropout技术以减少参数量,从而避免过度拟合。使用训练样本集训练该模型,并在测试集中将结果与几种经典图像识别算法进行比较分析,结果显示,本文算法的识别准确率高达约0.97。由此表明本文算法的效果优于其他经典算法,有望将其应用于化妆品塑料瓶缺陷检测的工业自动化系统,以提升缺陷识别效果,从而提高生产效率。     

基于Android和SURF算法的图像识别系统的研究

图像识别技术是计算机视觉和图像处理领域里的重要研究课题之一,在军事及民用领域应用广泛。在目标检测算法中,基于特征的方法具有压缩信息量、执行速度快、精度高等优点,SIFT算法便是其中之一,但传统的SIFT算法应用于图像识别过程中数据量大、计算耗时长,提出了一种基于SURF算法的图像识别方法,并使用Android NDK调用OpenCV在Android手机平台上实现了一套图像识别系统,结果表明,基于SURF算法的图像识别系统识别效果和实时性更好、具有更强的鲁棒性。     

基于深度神经网络的手写数字识别模拟研究

当前图像识别大多采用基于特征提取的传统机器学习方法与卷积神经网络的方法,但传统图像识别技术需要手动提取图片特征,而卷积神经网络对硬件要求高,训练时间长等。针对以上问题,本文提出基于深度神经网络模型的手写体图像识别方法,让机器自动学习特征,并在此基础上,通过改进成本函数,加入dropout防止过拟合,来提高手写数字识别的识别率。仿真实验对比结果表明,基于深度神经网络模型的方法比当前传统算法的识别率提高了3.41%,有效解决了人工识别费力耗时问题,对手写数字的研究具有重要意义。     

基于改进的卷积神经网络图像识别方法

当前的图像特征识别大多采用的是传统的机器学习方法与卷积神经网络方法。传统的机器学习对图像识别的研究,特征提取多是通过人工完成,泛化能力不够强。最早的卷积神经网络也存在诸多缺陷,如硬件要求高,需要的训练样本量大,训练时间长。针对以上问题,提出了一种改进的神经网络模型,在LeNet-5模型的基础上并在保证识别率的情况下,简化网络结构,提高训练速度。将改进的网络结构在MINIST字符库上进行识别实验,分析网络结构在不同参量中的识别能力,并与传统算法进行对比分析。结果表明提出的改进结构在当前识别正确率上,明显高于传统的识别算法,为当前的图像识别提供新的参考。     

基于模糊神经网络的车牌图像识别方法

提出了一种基于模糊神经网络的方法对汽车车牌字符进行识别.该方法首先基于Rough Sets.思想获取初始规则和训练集,基于图像识别目标确定网络结构,通过神经网络的学习算法对网络进行优化.然后根据图像识别的模糊特性,利用模糊神经网络对汽车车牌进行精确的识别.实验结果证明该算法比常规识别算法识别率更高.     

工业图像在线识别方法研究

综述了图像处理技术中,图像预处理、图像特征提取与图像识别的各种现存方法及其优缺点,并针对工业图像处理要求实时性较强的特点,提出一种计算量小,判决速度快的新颖算法.     

桌面式虚拟装配训练评价系统设计与实现

针对当前面向人员操作的虚拟装配训练缺乏评价方法的现状,提出了基于装配体零部件约束解除的零件分层方法,根据装配体组成零件的特征属性对零件进行特征编码,结合桌面式虚拟现实技术,采用基于时间步长和事件步长相结合的方式对受训人员的操作进行识别、记录。构建了基于专家知识并与虚拟装配过程相关的序列性、工艺性和时效性评判规则库,应用分层模糊评价方法,实现了对操作人员装配操作过程的评价。将该方法应用于某型装备保障虚拟训练系统,验证了方法的有效性。     

基于音频语谱图像识别的广告检索

随着中国广播电视事业的快速发展,对广播电视进行广告监测的重要性越来越突出。该文提出了一种基于音频语谱图像识别的广告检索方法,该方法把每个广告片段的音频转换成语谱图像,并通过boosting训练算法,从中提取可区分的、适合索引的特征以训练分类器。检索时,通过特征对齐,采用基于期望最大化(expectation maximization,EM)的迭代方法识别最匹配的广告。实验结果表明:该方法可以快速准确地从广播电视中检索到广告,而且具有很好的鲁棒性,基于该方法开发的广播电视广告监测系统已经得到了实际应用。     

三峡右岸拌和楼汽车牌号图像识别系统

开发了三峡右岸拌和楼混凝土生产管理与车辆自动调度系统之子系统——汽车牌号图像识别系统．重点讨论了图像识别算法和识别牌的定位方法．依识别牌几何特征提出了一种特殊的二值化处理方法．生产实践证明该图像识别系统具有较高的可靠性与稳定性,完全符合生产和设计要求．     

一种混合阈值剪枝的稀疏化训练图像识别算法

卷积神经网络在图像识别的应用中,有大量的冗余参数,增大了计算量,降低了网络运行速度.针对这个问题,提出了一种混合多阈值的稀疏化训练剪枝算法,通过稀疏化训练和混合全局与局部阈值的剪枝算法,压缩了神经网络的模型.通过对缩放因子L1正则化,使重要性低的通道值接近0,进行稀疏化训练,再引入全局阈值和局部阈值剪枝掉接近于零的通道并防止模型向粗粒度方向压缩,并对其进行训练微调参数,得到了混合阈值剪枝的精简模型.最后为了验证本文方法有效性,在DOTA(a large-scale dataset for object detection in aerial images)数据集中进行测试,该算法在小幅度降低图像识别精度的前提下,成功地压缩模型90％大小,加快了53％的计算速度,取得了较好的效果.     

基于类Haar特征和自适应提升算法的前车识别

针对汽车高级驾驶辅助系统（ADAS）中前方车辆识别率低的问题，基于机器视觉原理研究了前方道路图像中的类Haar特征，并进行积分图计算，在提取类Haar特征基础上，采用自适应提升（AdaBoost）算法进行正负样本训练并级联，得到训练好的模型，进而检测和识别汽车行驶中前方车辆。最后基于Opencv计算机视觉库在Visual Studio开发环境中进行了算法实现和测试，结果表明，每帧视频图像识别时间小于40毫秒，检测率准确可靠，满足多场景、多工况下的前方车辆实时识别。     

基于DSP＋FPGA的实时图像识别系统硬件与算法设计

图像识别算法的运算量大,控制复杂,对系统的性能要求很高,DSP的结构特殊和性能优良,能很好地满足系统的需要,笔者选用ADS-BF535作为图像识别模块的核心,负责图像识别算法的实现,选用高速灵活的XC2S200 FPGA作为图像采集模块的核心,负责图像的采集,完成预处理工作,从而保证了系统的实时性,系统使用模板匹配和BP网络识别这2种算法对数字0-9进行识别。研究表明：在DSP＋FPGA的构架上实现的图像识别系统,结构灵活、通用性强,提高了算法的效率,充分发挥DSP和FPGA结合的优势,准确快速地实现了图像识别。     

基于TMS320C6678的布匹瑕疵检测算法的并行实现

针对布匹瑕疵检测系统在工业应用中的实时性需求,在分析了小规模过完全字典布匹瑕疵检测算法的基础上,将该算法从VS平台移植至TMS320C6678平台,并提出了一种基于特征拆分的并行方案以充分利用各个内核资源,采用优化的内核间同步、通信方案,实现了高效的多核并行处理,大大减少了算法耗时。实验结果表明,该方法是可行、有效的,并且极大地提升了布匹瑕疵检测系统的实时处理能力,为以后工业应用打下了良好的基础。     

一种基于时间的机器人 装配任务规划方法

采用时间Petri网,针对有代表性的柔性装配单元的任务规划问题进行建模。计算了顺序和并行作业的时间消耗,并在此基础上提出了任务规划的时间优化算法。该项研究可针对作业任务的需要自动产生不同的装配序列以达到是的时间消耗,该方法还适用于对装配系统布局进行性能评价,并可用于指导装配系统设计。     

基于卷积神经网络的图像识别算法研究

针对卷积神经网络在自然图像识别上的局限性,提出一种适用于自然图像识别的卷积神经网络算法,使其在自然图像识别的准确率和速度上取得更好的效果.首先利用MAPREDUCE实现算法的并行化,并利用GPU技术对该算法进行加速;再次利用多区域的逻辑回归计算方法提高图像识别的准确率.在实验环境下验证了改进算法的正确性和有效性.     

机器视觉技术在汽车纵梁装配工艺孔在线检测中的应用

为了对工业现场中汽车纵梁装配工艺孔进行加工在线检测,采用机器视觉和计算机控制技术,对图像拼接、特征提取和模式识别等算法进行分析和处理,最终实现了纵梁装配工艺孔质量的自动识别,实践证明这种方法具有可行性和实用性。     

改进Retinex算子融合特征搜索的图像识别算法研究

针对人脸图像识别系统易受光照干扰,在复杂背景下,易识别出伪目标,使其识别精度不高等难题,综合考虑高斯核函数的x,y方向,设计新的Retinex识别算子;并调用Open CV函数库中训练好的Hear分类器来进行模式匹配,形成了基于Open CV的人脸检测机制;再引入PCA特征搜索方法,搜索人脸信息;最终提出了人脸识别耦合特征搜索的安防系统解决方案。并测试该系统的性能,结果表明:与当前基于Retinex与PCA的识别算法相比,该算法具有更高的识别精度;且识别效率更高,能满足实时性要求。     

液压集成块装配过程仿真系统关键技术研究

为检验和比较液压集成块的设计结果,设计了液压集成块装配过程仿真系统.该系统在三维装配环境下,采用基于特征体素的参数化造型方法完成装配单元的实体模型表达;深入研究了装配路径的规划算法,根据液压集成块的特点,提出应用优化的启发式搜索算法A*进行装配路径规划;采用基于空间约束关系的坐标驱动技术实现液压集成块装配过程仿真;通过实例展示装配过程,验证了装配过程仿真系统的实用性和有效性.     

基于图像边缘位移的有监督的稀疏表示分类方法

稀疏表示分类算法在有监督的图像识别上有广泛的应用.该分类算法的准确度与训练样本个数有很大的关联.通常训练样本越充分,则该算法分类准确率越高,然而遇到小样本问题时,该算法分类准确率会明显降低.针对小样本问题,提出使用基于图像边缘位移的方法,得到和原始训练图像样本高度相关的新样本,达到扩充训练样本容量的目的,进而提高算法的分类准确率.同时,对于带仿射约束的稀疏表示分类算法,也可以经过图像边缘位移方法来提高分类准确率.实验结果证明,所用方法能够取得较好的图像识别效果.     

烧结矿矿相显微图像识别及系统开发

为了快速、准确地获得烧结矿矿物组成,研究开发了烧结矿矿相显微图像识别系统。在分析不同碱度烧结矿矿相特征的基础上,确定了图像识别算法的原则;并研究对比分水岭、模糊C-均值(FCM)和区域生长这3种识别算法。研究结果表明:区域生长算法比较适合于烧结矿矿相显微图像的识别;应用VC++2003.net开发了烧结矿矿相显微图像识别系统,其识别结果与专家分析结果相比,相对误差小于5%,达到了烧结矿矿相识别的精度要求。