利用多颜色空间特征融合方法检测近似目标

以棉花中羊毛、白头发、塑料膜等杂质的检测为应用背景,提出一种利用多颜色空间特征融合方法。该方法构建了颜色特征评价函数,对近似目标在不同颜色空间的特征表现进行评估,从中抽取近似目标的若干最优特征;再利用区域信息相关度权值小波分析算法进行多特征融合,获取近似目标的图像。实验结果表明,融合图像比原始图像及单色空间图像具有较高的图像信息量值,近似目标视觉特征明显增强。此方法为提取与背景特征相近的近似目标提供一条新思路。     

基于时序挖掘的时间融合算法及在海表面温度预测中的应用

使用序列挖掘的时间融合模型研究数字海洋中海表面温度(Sea Surface Temperature,SST)预测,对基于时序的动态SST数据进行推测.提出基于平滑处理与支持度判断的抛物线回归模型方法,通过对曲线拐点判断方法的改进,改善抛物线回归模型在趋势预测方面存在的不足.试验证明此方法对发展趋势较为平稳的SST数据具有较好的预测效果.     

电池充电状态和电压/温度异常联合故障诊断

电池安全问题是阻碍新能源汽车退役电池梯次再利用的关键因素,而电荷状态、电压和温度是判断电池安全状态的重要参数。基于此,提出基于实车数据的电池联合故障诊断。首先从实车数据平台获取数据,经过数据的预处理和螳螂算法优化K近邻(dung beetle optimizes K-nearest neighbor, DBO-KNN)算法进行特征提取,然后将提取的特征输入到建立的差分整合移动平均自回归(autoregressive integrated moving average model, ARIMA)故障诊断模型中,实现对电池单体的低压和过压的实时诊断和精准定位,最后通过电压、电池荷电状态(state of charge, SOC)和温度进行联合判断是否有触发热失控的风险,根据危险程度发出不同的报警等级。算例分析了故障特征提取准确率高达98.97%,不仅能精准定位单体发生异常的位置,还能提前9 s发生报警,有效预防了电池发生热失控的风险,验证了本文方法的有效性。实现了工程实际应用方面的较好效果,为未来动力电池梯次循环利用以及安全预警平台的研发奠定了基础。     

基于边缘增强的多聚焦图像融合方法

提出一种基于边缘增强的多聚焦图像融合方法,对需要融合的2幅图像进行小波多尺度分解,根据绝时值最大的方法对高频细节分量图像进行融合,通过增强和提取原始图像的边缘信息强度指导低频近似分量的融合,以此突出融合图像中的边缘信息．采用信息熵和标准差等评价指标对该方法进行客观评价．结果表明：该方法融合效果良好,可以更好地突出低频域边缘细节信息,提高融合图像的清晰度,改善视觉效果．     

原生质体融合技术及其在苏云金芽孢杆菌中的应用

原生质体融合技术获得的长足进展使其成为一种有效的重组技术并在苏云金芽孢杆菌上得到了广泛应用.本文从PEG诱导融合、电场诱导融合、激光诱导融合和螯合剂诱导融合等方面阐述了原生质体融合技术的进展,并从种内融合、种间融合和远缘融合三个角度列举了它在苏云金芽孢杆菌广谱多功能生态工程菌构建中的应用.     

统一和通用的白噪声信息融合反卷积估值器

对于带不同局部动态模型的多传感器线性离散时变随机控制系统,应用Kalman滤波方法,在按标量加权最优融合准则下,提出了统一和通用的最优信息融合白噪声反卷积估值器,并对定常系统提出了稳态最优信息融合白噪声反卷积估值器。它们可统一处理白噪声反卷积融合滤波、平滑和预报问题。为了计算最优加权,提出了输人白噪声局部估计误差互协方差计算公式。它们在石油、地震勘探领域中有重要的应用背景。     

一个基于多视图立体视觉的三维重建方法

研究了基于多视图立体视觉的三维重建方法.给定一组待重建物体的图像,利用传统的立体视觉技术计算每幅图像的深度信息;然后设计一个基于体素划分的模型融合方法,将图像的深度信息融合为一个完整的三维初始模型;随后,对初始模型进行全局的迭代优化,输出最终的重建模型.在构造体素网络图时,充分利用图像一致性度量建立体素之间的连接关系;在对模型迭代优化时,结合图像一致性度量和网格的光顺性准则.该方法能很好地处理纹理缺失的区域,获得完整的三维模型.实验结果证明:该方法能够重建高质量完整的三维模型.     

基于灰色关联分析的多传感器数据融合方法

提出了一种基于灰色关联分析的多传感器数据融合方法，计算多传感器测量数据的灰色关联矩阵，进行灰色优势分析，然后进行数据融合。此方法考虑了各传感器测量数据的精确度，而且删除了测量比较差或测量不到的数据。仿真结果表明，应用该方法可进一步提高多传感器的测量精度和可靠性，适用于多传感器的数据融合。     

基于深度卷积神经网络的肺结节检测与识别

应用卷积神经网络将肺结节从含有背景、噪声的胸腔区域里检测并识别出来。首先,对图像进行预处理,获得肺实质图像。然后,应用Faster R-CNN多特征融合算法检测肺结节候选区域,再利用多角度特征融合方法滤除假阳性结节。接着,通过数据增强法、残差学习法、优化初始参数等对卷积神经网络的性能进行优化。最后,应用迁移学习方法对数据集进行训练,得出最终的检测结果。抽取LIDC数据集中含有肺结节图像数据,检测并识别肺结节的准确率达到98. 1%。实验结果表明,该算法优于其他3类算法,实现了肺结节的精确检测和识别,在保证检测和识别出正确结节的前提下,降低了过拟合率及训练时间,提高了算法效率,研究成果为早期肺癌的诊断提供参考依据。     

井下采选充一体化智能运输管控系统设计

针对井下采选充一体化开采技术的发展,为了提高其智能化的水平,加强监测和控制,利用现有的传感技术、计算机网络技术、信息综合处理技术等,构建运输设备“三位一体”的智能运输管控系统。智能运输管控系统基于小波分析和模糊神经网络实现对运行设备的智能实时监测,对设备故障能及早发现并报警,通过专家知识库对设备故障进行分类、存储。从而为解决设备故障提供技术支持。现场实验结果表明智能管控系统可有效地监测设备,对设备故障有一定的预测性,满足井下采选充系统的要求。