水果识别中图像特征综述

图像特征是水果识别的关键,也是研究采摘机器人的基础。本文对水果图像的特征进行分析,介绍了颜色、形状、纹理等具有代表性的图像特征,并阐述了各个图像特征的应用情况,最后探讨图像特征研究中存在的问题和发展趋势,以期为相关学者提供参考。     

基于视频图像识别的崩塌落石监测预警系统设计与实现

为了提高视频采集设备在地质灾害监测预警中的智能化水平,采用工程地质学、图像处理、通讯技术相结合的方法,编写了一套基于视频影像的崩塌落石检测代码,并设计了相应的硬件搭载设备.崩塌落石检测程序写入野外视频采集装置内运行,仅回传危险发生时的视频片段和报警结果,以降低系统对网落带宽的要求.该系统是在灾害发生后的起始时刻捕捉危险信号并发出警报,提供了辅助灾前预报的第二道防线.给出了系统在公路边坡和居民区山坡中的布设原则.以人工模拟滚石的方式测试了系统对崩塌落石的检测效果,发现错报率31.0%,漏报率10.3%,说明系统灵敏度可满足要求,但抗干扰能力还有待提高.     

基于低秩双线性池化注意力网络的舰船目标识别

针对多模态舰船图像融合识别质量不高等问题，构建了一种端到端的低秩双线性池化注意力网络。首先对各模态原始特征向量基于跨模类别中心进行注意力加权重构，使不同模态特征更好地关注公共类别信息；然后采用双线性池化捕获不同模态图像的交互信息，并引入权重低秩分解降低网络参数规模；最后依靠特征级联实现模态信息的交互与互补，并设计联合损失提升网络跨模态融合识别效果。实验结果表明，相比现有融合方法，所提方法可有效提升多模态遥感舰船图像的融合识别效果，在公开的遥感舰船数据集上取得了较高的识别准确率。     

基于拉曼光谱识别技术的创新型智能识别垃圾桶设计

随着人工智能技术的发展,基于芯片编程的各类智能机器人被越来越广泛地应用于医学、娱乐、环保等领域。而因当下资源有限,环境问题不容乐观,垃圾分类迫在眉睫,便利用拉曼光谱和芯片编程技术来开发智能垃圾桶。其利用每种物质的非弹性散射的散射光各不相同的原理,通过拉曼光谱仪对垃圾进行照射,由此判断垃圾的材质,然后通过垃圾桶内"机械板"的移动,将垃圾投入不同的固定区域,以此实现垃圾的识别与分类,节省资源,实现有用物品的回收再利用。     

一种基于嵌入式的颜色识别转换音阶方法的研究及实现

设计选用STM32作主控芯片,由自带FIFO的OV7725摄像头对颜色进行采集与存储,并由TFTLCD显示屏显示采集到的图像.STM32根据显示屏图像的像素点做颜色统计及分析,将不同颜色转换为相应的指令控制语音芯片输出与该颜色相对应的音阶指令,并通过扬声器播放对应的声乐谱中的Do、Re、Mi、Fa、Sol、La、Xi这几个音阶,同时可通过功放及数字电位器控制扬声器音量大小.设计可应用于幼儿音乐教具制作等相关领域.     

基于LABVIEW的巡逻机器人智能识别系统设计

针对无人化工厂智能自主巡逻功能的实现,设计了一种基于LABVIEW的无线监控巡逻机器人。基于巡逻机器人工作环境和上下楼梯等越障过程的分析,设计了机器人主要结构参数,分析了机器人的稳定性,测试了基于LABVIEW的视觉智能识别系统在识别并分类障碍物时的实用性。实验结果表明,采用所设计的智能识别系统可满足巡逻机器人智能越障的要求。     

连采移动设备主动安全识别系统

面对井下交通安全管理多有盲区的现状,一套可自动区别人体与煤层的设备成为保证连采工作面安全生产的必备品,文章阐述了主动安全识别系统的理论及实施方案。     

秦岭山涧的花鱼

秦岭细鳞鲑是一种珍贵的鲑科鱼类,为我国特有物种,1963年在陕西省周至县的黑河和太白县的清水河首次发现。它们仅生活在我国秦岭主峰太白山周边的山涧溪流中。由于其体侧分布着梅花状的黑色圆斑,因此被当地人形象地称为"花鱼"。     

白冠攀雀的形态鉴定及其在中国的分布

2018年之前，白冠攀雀（Remiz coronatus）在中国的已知分布范围仅限于新疆和宁夏北部．随着我国观鸟爱好者数量的增加，有人陆续在甘肃、陕西、内蒙古等地拍摄到了白冠攀雀．但由于白冠攀雀的形态特征与中华攀雀（R. consobrinus）有很多相似之处，科研人员和观鸟爱好者在野外观察过程中难以准确鉴定该物种，被误认的现象时有发生．为此，本文根据野外实地考察并参考相关文献资料，对白冠攀雀的形态特征及其与中华攀雀的差异进行了详细描述；并对其在中国的分布现状进行了更新．结果显示，白冠攀雀指名亚种（R. c. coronatus）为我国新疆西北部的夏候鸟；stoliczkae亚种为新疆北部的夏候鸟，新疆南部的冬候鸟，宁夏的夏候鸟和冬候鸟，甘肃、内蒙古和陕西的冬候鸟．      

局部Fisher向量编码与交叉视角二次判别分析的人头重识别

目前行人重识别主要是基于完整人体的研究,但是某些特定场景下,完整行人图片难以获取,因此本文建立一个基于人头的重识别数据库,并提出了相关算法.算法采用局部Fisher向量编码和交叉视角二次判别分析算法,首先基于HSV颜色信息去描述特征,使用高斯混合模型对特征数据建模,然后Fisher向量加权聚合,最后对样本的低维特征子空间和度量矩阵同时进行学习.实验及分析证明了基于人头的重识别算法的可行性,其中基于Rank1的重识别率达到89.29%.