面向机器智能的情感分析

大模型的兴起,尤其是以大模型为基础的人工智能技术的发展与应用引起了全社会对人工智能技术的广泛关注。人工智能技术已经在很多方面达到甚至超越人类,可以替代人工完成一些技艺要求较高的工作。不过,在人工智能迈向人类智慧的道路上,仍然有许多难题亟待克服与解决,其中一个重要的问题就是情感分析与理解问题,如让机器准确理解人类的情感。针对该问题,文章从情感的定义与分类入手,对情感分析研究需要解决的问题,研究方向、研究现状、面临的挑战、应用前景与展望等进行了讨论。     

基于OpenCV组合优化的人脸识别应用平台设计

人脸识别是最符合人的本能且便捷的识别认证方式,在人工智能领域广泛应用,多数的人脸识别的算法很容易受到外界因素的影响,或者要求识别者站在某一固定位置,识别缓慢和准确率不高。本设计实现了一种基于Open CV的人脸识别的应用平台,首先对人的脸部图像进行采集和预处理,通过对算法优化,利用平台的Eigenfaces、Fisherfaces和LBP(local binary patterns histograms)三种用于人脸识别的算法协同多重使用,并在判定人脸识别系统识别到待检测目标的同时再加上限制条件,再结合Qt框架搭建用户界面,实现人脸模块训练和人脸识别的功能。经过测试,系统界面友好,运行稳定,对人脸位置和环境光照变化具有较好鲁棒性,能快速和准确地对人脸实时检测和识别。     

带有交货期和加工时间可控的单机排序问题

讨论了带有交货期和工件的加工时间可控的单机排序问题.本文首先根据最优排序的性质确定了最优资源的分配方法,并将问题转化为指派问题,通过构造多项式时间算法确定最优排序.然后,本文将学习效应与加工时间可控问题结合,分别讨论了加工时间是线性资源函数和凸资源函数两种情况,证明了该类问题是多项式时间可解的.最后,讨论了一种特殊情况(学习因子是常数,加工时间是凸资源函数),给出了复杂性为O(nlogn)的算法,通过运行此算法确定最优资源分配量和工件的最优排序.     

机器视觉技术在烟草包装设备上的应用

基于机器视觉技术的烟包检测器是以机器视觉技术为基础,通过软件对兴趣区域进行处理,就能识别有质量缺陷的烟包.     

基于机器视觉技术的玻璃纤维漏板底板温控研究

玻璃纤维是一种工程材料,在生产工艺中,漏板底板温度均匀性对现场拉丝稳定和产品质量有至关重要的作用.利用机器视觉对漏板底板温度进行检测可以排除人的主观因素干扰,而且还能够对其温度值进行定量描述,避免了因人而异的检测结果,具有其他检测方法无法比拟的优越性.     

易开盖刻痕图像检测的方法研究

易开盖刻痕深度是决定罐头包装质量的关键参数,针对现有检测设备无法满足工业自动化要求的问题,该文提出一种基于光切法和图像处理技术的机器视觉系统,来实现易开盖刻痕深度的现场测量。采用电子目镜对9J型光切显微镜进行视频化改造,利用Visual C＋＋6.0进行图像测量软件开发。     

基于机器视觉的炮管校直内孔直线度检测

炮管内孔直线度检测是炮管校直的关键技术。为了实现炮管的自动化校直,对炮管校直内孔直线度检测的原理进行了深入研究。提出了一种利用CCD相机的新型光轴式炮管校直内孔直线度检测的方法,解决了现有检测方法的自定心机构在移动过程中发生旋转而引入检测误差的问题。根据所提出的检测方法,设计了炮管校直内孔直线度检测装置;特别设计了一种新型自定心机构能够检测带有膛线炮管的直线度,其结构简单、装配误差小,可以减少由定心机构所引入的误差。通过计算分析,该检测装置可以达到0. 005 mm的检测分辨率。实验结果重复性精度较高,具有一定的工程应用价值。     

身兼家长间谍的机器保姆

有必要的话,家长随时能通过服务、设备得知孩子所处的位置或者根据孩子的行为发送警报。没有做过妈妈的人,恐怕想象不出一个母亲的保护欲有多可怕。她们小心翼翼,时刻戒备,防止孩子受到丁点伤害。如果有什么东西能让她们时刻知道她们的孩子在干什么,是否处于危险中或者做出不当的行为,这些妈妈们可能什么都愿意拿来换。     

武汉轻轨宗关站自动检票机数量的最优配置研究

通过对武汉轻轨宗关站高峰客流量的统计及对该站远期高峰客流量的预计,进行设计取值.根据该站的属性以及客流具体特点进行定量分析和定性判断,并进行自动检票机配置数量的初步计算.最后,综合考虑该站在设计时车站的站厅、站台、出入口通道、人行楼梯、售检票口（机）等部位的通过能力以及设计乘客具体流程得到自动售票机配置最优数量.     

热态重轨表面缺陷机器视觉检测的关键技术

针对目前热态重轨表面缺陷检测速度慢、精度低的问题,提出一种基于机器视觉的热态重轨表面缺陷检测系统。利用多线阵CCD摄像机采集图像,根据重轨几何特征及其缺陷高频区域特性,对重轨进行了六视角拍摄,然后在图像工作站中进行各种图像处理。系统采用改进的Hough变换提取特征缺陷,针对SVM算法训练速度慢的特点,利用模糊Kohonen神经网络对重轨表面缺陷进行分类。采用上述机器视觉检测关键技术对热态重轨表面进行缺陷识别,提高了检测速度,且正确率在85%以上。