成排连铸坯端面中心坐标视觉自动提取方法

为了实现成排连铸坯端面机器人贴标时各连铸坯端面中心坐标的快速提取,提出了先提取连铸坯端面图像角点像面坐标,再计算各连铸坯端面中心像面坐标的研究方案。首先,提出了一种改进型SUSAN角点检测算法,解决了图像中相邻连铸坯端面图像边界间距离过小和连铸坯端面图像角为弧形角所造成的角点漏检问题;然后,提取角点的像面坐标,并确定各封闭区域所包含连铸坯端面个数;最后,采用一种倾斜连铸坯端面图像中心像面坐标的提取方法,计算各连铸坯端面中心像面坐标。应用以上方法进行成排连铸坯端面机器人贴标实验,实验结果表明,连铸坯端面水平和竖直方向贴标位置误差范围分别为-0.625～0.850 mm和-0.550～0.875 mm,完全满足企业对多根连铸坯端面自动贴标位置误差允许值1 mm的要求。所提视觉方法在理论和实际应用上都是可行的,不仅为连铸坯端面贴标机器人提供了准确的贴标位置,而且为矩形图像元素的中心坐标提取提供了一种可靠的方法,具有一定的应用价值。     

基于金属磁记忆的高铁轮对早期故障检测研究

列车安全性检测是铁路机车车辆工程的重要研究课题。轮对是高速列车行走部的关键部件,传统检测模式只能发现宏观存在的缺陷,而不适用于运行过程中的早期缺陷的发现与状态跟踪。为了实现对早期故障的快速识别与轮对寿命预测,针对传统测试方法在早期检测与动态检测方面的不足,提出了全新的动态检测系统,以满足列车运行的安全要求,还对磁记忆信号与该材料所受载荷状态之间的关系进行了大量的试验研究。研究结果表明：在50~150 kN的载荷区间内,试件的磁记忆信号呈单调变化,变化趋势明显;对试件进行疲劳载荷后发现磁记忆信号的原始值及梯度、峭度等信号特征均有所变化,峭度变化较为明显,能够有效反应材料的疲劳状态。采用金属磁记忆技术进行轮对早期故障检测与动态检测,对于保证列车的运行安全具有重要的现实意义,可为无损检测领域的应用提供借鉴。     

铆接结构中缺陷的脉冲远场涡流定量评估技术

针对飞机机身铆接结构检测中难以对缺陷进行定量评估的问题,将脉冲远场涡流检测技术运用于铆接结构缺陷检测之中。利用脉冲激励频谱成分丰富、可提取特征信息较多的优势对铆接结构中缺陷的定量评估技术展开研究。首先,建立铆接结构脉冲远场涡流三维检测模型,对缺陷进行检测,从而确定缺陷位置。在此基础上,分析缺陷类型、尺寸对检测信号的影响发现直接耦合分量幅值与上下表面缺陷深度之间具有不同的变化关系,从而实现对缺陷的分类识别。最终,利用信号的过零时间变化量实现对缺陷深度的定量,在缺陷深度已知的情况下,进一步利用直接耦合分量幅值变化对上表面缺陷长度进行定量;利用间接耦合分量幅值变化对下表面缺陷长度进行定量。     

基于属性降维的钓鱼网站检测方法

随着对钓鱼网站分析刻画的不断完善,使得钓鱼网站检测特征呈现高维化特点。属性维度的增加以及数据量的增长,会造成检测计算复杂度呈几何倍数扩大,导致检测时间复杂度高、占用资源大和检测效率低。针对多属性的钓鱼网站检测,设计了一种基于属性降维的钓鱼网站检测方法。该方法使用信息增益方法对原始数据进行特征选择,筛除可能存在的冗余和噪声数据信息;根据不同属性间的互信息计算属性相关性矩阵,利用属性相关性矩阵作为权值参与加权主成分分析;根据得到的降维后新特征数据通过监督学习算法构建钓鱼网站检测模型。实验表明,该方法可以有效降低原始数据中冗余和噪声属性的干扰,能够有效检测出复杂网络环境中的钓鱼网站,同时具有较高的稳定性。     

乳酸菌发酵过程参数的研究

为准确、快捷地掌握乳酸菌发酵过程中主要参数的变化情况,通过KRH-BI0300型发酵罐控制系统、细胞密度监测系统、SHP8400PM过程气体质谱分析仪、生物传感分析仪等多种发酵过程分析检测手段,对乳酸发酵过程中乳酸菌活细胞数、尾气成分、葡萄糖及乳酸含量的变化情况进行测定。结果表明,应用多种现代化分析检测手段可以快速、精确地掌握乳酸菌发酵过程参数变化情况。该研究为乳酸菌发酵过程的优化控制及规模工业化奠定了基础。     

人脸特征点定位及其在心率检测中的应用研究

在人脸检测基础上,进一步确定眼睛、嘴巴、脸部外形轮廓等位置的问题称为人脸特征点定位,是人脸分析识别的关键技术。通过仪器测量心脏每分钟跳动的次数称为心率检测,是评估心脏功能的重要途径。随着心脏的跳动,血液在人体的循环流动会导致人体肤色发生相应的变化,据此可以进行心率测量。实际中,皮肤区域选择是心率分析测量的关键。总结了人脸特征点定位的主要方法,研究了基于AAM(Active Appearance Models)模型特征点定位的有效皮肤区域选择方法。通过提取信噪比高的人脸区域进行分析,测量得到心率信息。实验结果表明,该方法能有效提高心率检测准确率和鲁棒性。     

基于声源定位的头部姿态检测系统研究与实现

研究了声源定位技术在鼾声检测上的应用,主要研究鼾声的声学特性、声源定位技术原理,并利用声源定位技术对人体打鼾时头部姿态进行识别.采用广义互相关函数法对多路声音采集系统采集到的鼾声信号进行延迟估计计算,根据得到的相对时延信息进行声音定位,结合定位信息和朝向信息推断出当前受试者打鼾时头部姿态.采用数据采集卡进行高速信号采集,使用虚拟仪器Labview进行信号处理和算法实现,实验中受试者以不同头部姿态在该系统监测下模拟打鼾,通过该系统检测头部姿态,综合判断正确率达到80%.     

基于凸包计算和颜色特征的显著性检测算法

针对传统的显著性检测算法存在区域亮度不够、显著区域不准确、有背景噪声等问题,提出一种基于凸包计算和颜色特征的显著性检测算法.考虑到图像在不同的颜色空间中颜色取值范围不同,首先,在多种颜色空间经过超像素分割得到区域对比图;然后,在CIELAB颜色空间中得到平滑的通道差值图;其次,利用颜色增强的Harris形成凸包得到中心先验图以及凸包结构图;最后,将4种显著图特征融合并优化得到最终显著图.新算法更加接近人工标注图的结果,不仅能够从背景中分离出显著物体、抑制背景干扰和凸出显著区域,而且获得全分辨率的显著图.在公开的图像数据集上将新算法与其他现有8种显著性检测算法进行对比,实验结果表明,新算法优于其他算法.     

一种面向自动驾驶路况的目标检测算法

为了对常见的行人和车辆进行检测,采用自行标注的数据集,通过基于faster region-based convolutional neural network （RCNN）框架的算法进行调参与优化. 主干网络采用轻量化网络MobileNetv2,在原生锚框的基础上,区域建议网络（RPN）部分增加2个面积尺度,检测部分使用感兴趣区域（ROI）Align结构,减少特征图映射和均分过程中的误差. 实验结果表明：使用faster RCNN目标检测网络,可以有效完成行人和车辆的检测任务,整体效果良好.     

基于卷积循环神经网络的中国民族复音音乐的乐器活动检测

针对中国民族复音音乐的乐器活动检测问题,提出了一种基于卷积循环神经网络(CRNN)的复音乐器活动检测方法,该方法属于事件检测类,在秒级的时间分辨率上识别乐器活跃的起止时间及乐器种类.同时,在中国音乐学院的DCMI数据库基础上,构建了3种不同的面向10种中国民族乐器的复音数据集进行训练和评估.通过实验,我们将CRNN模型与CNN模型进行了比较,验证了模型的特点和优势.