基于神经网络的图像识别方法研究

图像识别涉及大量的信息运算,要求处理速度快、识别精度高,神经网络的实时性和容错性要符合图像识别的要求。利用改进的BP神经网络算法对旋转畸变图像进行了定位和识别,改进算法将附加动量项与自适应学习速率相结合,有效地抑制了网络陷入局部极小点,提高了网络的训练速度。结果表明,基于神经网络的图像识别方法是有效的、可行的。     

基于OpenCV图像识别技术的金属环热胀冷缩实验研究

基于OpenCV图像识别技术,将金属环热胀冷缩的形变量实时转换成图像像素数量的变化量,从而解决了难以实时观测热胀冷缩实验中物体微小形变量的问题,同时有利于帮助学生深入理解加热环状物体后,它的内孔径到底是变大了还是缩小了的疑难问题.     

基于分子光谱图像识别的食用油快速分类研究

分子光谱分析技术结合化学计量学已成为一种非常活跃的食用油鉴别方法。然而,当不同类型的样本之间的光谱差异极其微小时,利用传统的分类技术也很难将其分开。为了完成相似品种食用油的快速识别和分类,收集了包括芝麻油、玉米油、油菜籽油、调和油、葵花油、花生油、橄榄油七种食用油的衰减全反射红外光谱,在此基础上,采用图像识别的方法对七种食用油进行快速分类。在所提出的图像识别方法中,首先,将通过多元散射校正预处理后的红外光谱吸光度矩阵进行自相关运算,利用等高线原理根据吸光度强度值的不同生成光谱图像,以扩大的光谱差异并提高光谱可视化。然后,根据图像膨胀的原理找到光谱图像的局部特征点,将其作为图像特征。最后,使用BP神经网络对特征点进行训练和分类预测。为了对比所提出的方法,PCA-BP和KL-BP的方法被用于与图像识别的方法进行比较,实验结果表明,图像识别方法的正确识别率为94.4%,高于PCA-BP的66.7%和KL-BP的83.3%。所提方法为实现食用油的快速识别和检测提供了一条新的有效途径。     

基于Gabor遗传算法的红外图像识别

本文提出了一种基于Gabor小波的遗传算法。这种算法对于影像复杂、噪声强烈的红外图像有着独特的特征提取和特征融合作用，因而大大提高了图像收敛速度和识别效率。文章最后给出了仿真实例，证明了该算法的可行性。     

基于图像识别的干涉条纹计数方法研究

提出了一种基于图像识别方法的干涉条纹计数方法,该方法利用CCD摄像机采集迈克尔孙干涉环图像,采用图像滤波、灰度拉伸、边缘检测、二值化、形态学处理等方法对采集图像预处理,并设计了干涉环识别算法和圆心识别算法两种方法对干涉条纹进行计数,实验结果表明,与传统人工计数方法进行比较,该方法具有测量方便灵活、实时直观,扩展性好等优...     

云计算技术在未来智能电网信息处理平台中的应用

未来的电网将会是一个高度自动化、智能化的电网,如此一个庞大、复杂的系统从发电、输电一直到变、配、用电的过程时刻都会生成海量的电能信息及设备运行状态数据,这就需要一个强有力的信息处理平台作为支撑,且这个平台应具有对海量数据的可靠存储、准确分析、实时同步更新及共享的功能,尤其是音视频等异构数据的分析与处理.云计算技术在大数据处理中具有得天独厚的优势,本文将云计算技术引入到未来智能电网的信息处理平台的建设中,针对未来智能电网信息处理平台的各项功能需求,对比目前电网信息处理平台的诸多瓶颈进行深层次的探讨,证明了将云计算技术应用到未来智能电网信息处理平台中的可行性。     

基于ARM的嵌入式图像识别检测系统的设计

图像识别的主要目的是使用计算机作为工具对目标图像进行处理、解析与应用,通过数据分析检测出具有不同特征的目标和对象,发展至今其已成为了人工智能的基础。本文基于ARM嵌入式芯片提出了一种结合尺度不变特征变换匹配算法的图像识别检测系统,系统硬件部分采用模块化设计的思想以提高系统的兼容性,分为图像获取、数据采集、数据存储、图像识别等模块;软件部分采用斑点检测匹配匹配算法进行图像识别以提高图像识别速度与精度。实验结果表明所设计的系统具有识别速度快、精度高、可靠性高、故障少的特点。     

基于KL-散度的智能电网用户特征提取方法

智能电网技术的发展,使得传统电力系统的规模及复杂度大大增加,同时产生了大量的用电数据,如何有效利用数据挖掘技术,从这些海量数据中挖掘出有潜在价值的信息,成为了当前电力系统分析中的一个挑战性问题。首先根据不同的时间段,将用户的用电数据进行划分,在分析每段时间内用户用电数据的基础上,采用KL-divergence（KL-散度）方法衡量用户差异,并结合基于密度改进的K-means算法,给出了一种新的用户特征提取算法,用以描述电网用户的特征差异,从而实现针对不同类别用户制定不同电力营销策略,这在一定程度上能够提高企业经济效益。最后,算例仿真结果表明,所给出的用户特征提取算法在计算的时间效率和准确性上,较传统方法都有了明显的提升。     

基于SURF算法的在线三维测量方法

提出了一种采用加速鲁棒特征算法匹配运动物体的特征点,实现在线三维测量的方法.该方法只需投影一固定的正弦光栅到在线运动中的被测物体表面上,使投影光栅线垂直运动方向,当物体每移动相同的距离,由CCD采集到相应的变形条纹图,从中提出对应的背景光场,借助SURF算法对各帧背景光场的物体进行特征匹配,即可获得一组具有等步相移量的等效相移条纹图,从而采用等步相移算法可重构出在线运动物体的三维面形.实验验证了该方法的有效性和可行性,并与在线FTP方法进行了比较,所提方法的平均绝对误差小于在线FTP方法的二分之一,均方根误差小于在线FTP方法的四分之一.     

基于图像识别技术的随机线缆束建模及分布参数统计分析

提出了一种对实际弯曲随机捆扎线束的建模方法,该方法首先基于图像识别技术,使用实际线束在侧视和俯视方向的两幅照片来实现弯曲线束轴心三维坐标的重建,然后再基于随机转移路径方法实现弯曲线束的捆扎随机性。基于该建模方法,通过蒙特卡洛模拟来分析弯曲随机线束分布参数的统计特征,发现自电感、互电感和互电容均值沿线变化趋势与线束高度变化趋势一致,自电容均值则趋势相反;自电容、自电感和互电感的变异系数与线束高度存在负相关特征;捆扎随机性不会改变自电感和自电容均值,但是会降低互电容与互电感均值。     

基于对称特征相似性的图像识别算法研究

研究了一类微小生物——线虫的图像识别算法。首先对图像进行边缘检测、二值化和去除干扰点等操作,得到线虫的身体轮廓线;然后利用其身体的对称特征,通过比较相邻线段的相似性实现对线虫的识别及对干扰的区分。实验结果表明,此算法优于骨架法、面积法等典型图像识别方法,对线虫的检测和定位具有很高的准确度和快速性,并可应用于其它具有对称特性的微小生物的图像识别。     

基于层的平动军事目标图像识别及运动估计

根据平动物体的运动学特征采用层的图像处理方法,实现自然环境中平动军事目标的识别和运动估计。在彩色图像的组成层上,进行图像恢复、背景噪音消除和轮廓提取等灰度图像处理。依据军事目标的特点,在各个图像组成层上采用独立的参数控制以实现最佳彩色图像处理效果。在已知目标模型的情况下,根据连续帧的处理识别确定模型的运动状态,结合平动的特点,实现目标模型的运动估计。在层上的图像处理效果优于灰度处理,利用目标模型模板,能较准确地判断目标模型运动状态。     

基于大数据的配电网馈线故障智能识别定位方法研究

配电网故障识别、分类与定位对快速隔离故障和保证电网安全运行具有重要意义。以大数据驱动法为基础,提出了最少测量单元选择和区域最佳节点选择两种算法,两种算法基于分类特征评估法,在节点的选择策略上有所不同。分别使用决策树分类器和随机森林分类器验证算法性能,在仅使用7%的节点数据时算法1的最高准确率达91%,算法2使用16%节点数据的最高精度达到85%。实验结果表明,提出的算法无需使用全部节点的数据,可以在系统观测性较低的情况下,实现配电网馈线故障线路智能识别定位,具有测量节点数量少、准确率高等优势。     

基于集中式智能控制系统上位机数据采集算法

将集中式控制系统是将常用的二层结构改进为智能化三层结构的设计方案,即传感器、智能巡检仪和上位机。上位机既可以直接读取传感器的数据也可读取智能巡检仪的采集数据。此方案较好地解决了二层结构所出现的问题,并且也适合较大规模的其它类型的控制系统。但这种设计方案存在当传感器数量规模较大时上位机所采集数据出现丢失现象。为此提出了利用数据库的历史数据及工艺控制曲线的线性特征的数据采集补赏算法,较好地解决了数据丢失的问题。并以温控系统为例仿真了在较大规模控制环境下的算法性能,试验结果达到了研究目的。     

基于多Agent免疫算法的智能配电网自愈技术研究

未来智能电网的显著特点是其良好的互动性以及完备的自愈能力,体现了整个电网的技术水平及智能化程度,侧面反映了国家电力系统的发展状况。而智能配电网却是未来智能电网的核心部分,它与用户进行直接的双向互动,这其中涉及到大量分布式电源的接入问题,完备的自愈能力则体现在配电网故障恢复的这一重要环节,是一个多目标、多时段、多维度的非线性的组态优化问题,关系到对用户的供电质量。多Agent技术在计算机网络自愈方面具有得天独厚的优势,国内外学者对此做了大量研究。本文将多Agent免疫算法引入到智能配电网自愈系统的研究中,作为配电网人工智能的故障恢复策略,搭建了基于多Agent免疫算法的配电网自愈架构,并通过仿真平台上的实验证明了将多Agent免疫算法应用到未来智能配电网自愈系统中的可行性。     

基于图像处理的杂粮成分智能识别

提出了一种利用图像处理技术来对杂粮成分进行智能识别的方法。该方法一方面充分利用不同种类粮食的颜色、大小等特征的差异对杂粮各成分实现了定性识别;另一方面还利用面积法对杂粮各成分的含量进行了定量计算。实验结果表明:该方法的计算结果与实测结果较为吻合,平均误差小于7%。     

约束满足型智能规划算法研究

为解决约束满足型任务规划问题具有约束条件多、计算复杂的问题,建立了约束满足型任务规划模型,根据模型特点,借鉴遗传算法和禁忌搜索算法的优缺点,对遗传算法进行改进,通过把遗传算法和禁忌搜索算法进行融合,形成了遗传禁忌搜索融合算法,通过对比分析进行性能比较,显示该算法能够显著的提高计算效率,减少计算成本,是解决约束满足型任务规划的高效可行的智能算法。     

基于模糊贝叶斯网络算法的智能轮椅避障

对传统BP神经网络模糊逻辑的智能轮椅避障方法在训练过程中存在的过拟合和避障路径不够优化的问题,提出了一种模糊贝叶斯网络避障算法以降低神经网络的复杂度。该算法利用模糊神经网络对隶属度函数的参数进行自主学习调整,同时为增强神经网络的泛化能力和计算能力,在网络目标函数中加入权衰减项,利用贝叶斯原理优化神经网络的结构和权值。仿真和实机实验表明,该算法在训练结果和避障效果上均优于传统BP神经网络,提高了智能轮椅避障的实时性,优化了避障路径,可满足用户对智能轮椅安全性和舒适性的需求。化了避障路径,可满足用户对智能轮椅安全性和舒适性的需求。     

智能电网的10G-EPON中基于贝叶斯分类的业务感知机制

随着智能电网的发展及其多种信息业务的涌现,10G-EPON作为业务接入技术日益成为重要支撑;然而业务的多元化对10G-EPON的多业务支撑能力提出了重要挑战.为了适应电力系统中多种不同类型业务的需求,本文对智能电网的信息业务特性进行分析,提出了一种基于贝叶斯分类的10G-EPON业务感知机制;并且根据10G-EPON中OLT与ONU的主从式网络架构特点,提出了业务感知的主从式实现方式.该机制使用贝叶斯网络分析数据包的特征,进而确认待传送业务的类型.在贝叶斯业务分类的基础上,通过OLT和ONU之间的交互决定业务的资源分配和传输策略.为了验证新机制的有效性,分别从时延和丢包率两方面进行系统仿真.仿真结果表明,所提出的基于贝叶斯分类的业务感知机制在时延和丢包率具有显著的优势,能够实现业务与10G-EPON的高效匹配,提高10G-EPON在智能电网应用中多业务的区分支持能力.     

基于Contourlet变换的图像智能分割方法研究

由于获取图像的设备不同,不同设备所拍摄图像的质量、空间分布特性差异较大。采用当前图像分割方法对图像噪声进行分割时,容易产生过分割和奇异扩散现象。为此,提出一种基于Contourlet变换的图像智能分割方法。该方法先采用方向滤波器组实现图像各个方向纹理分离,利用小波变换替换拉普拉斯变换进行图像多个方向子带分解,计算图像多尺度似然函数,并依据图像最大似然函数估计准则获得图像的初始分割,在此基础上采用自适应上下文结构从图像粗尺度的分割结果融合至最细尺度,获得最终的图像智能分割结果。仿真实验结果表明,所提方法能够有效消除噪声对图像分割的影响,使图像分割精度更高,且运行时间更短,该方法在图像获取设备中具有较高的实践价值。