贴片电阻表面缺陷自动识别方法

贴片电阻生产过程中的缺陷主要依靠人工在显微镜下检测,速度慢、长期成本高、误检率高.针对贴片电阻单元具有排列整齐、结构简单、图像灰度级少的特点,在贴片电阻图像二值化、边缘提取、直线检测基础上,以相邻电阻单元的相关系数作为电阻缺陷判别依据,提出基于子图投影匹配的快速缺陷检测方法.采用主分量分析法压缩图像数据量,提取缺陷特征,以基于支持向量机对贴片电阻缺陷进行分类并建立实验系统.缺陷检测及识别实验表明,缺陷检测正确率为92.5oo,算法的快速性和识别准确度满足系统快速高精的要求.     

基于光纤振动安全预警系统的振源识别算法研究

光纤振动预警系统可自动采集周边振动信号,面对大量复杂的振动信号,如何准确识别目标振源是系统研究的难点。针对光纤振动安全预警系统采集到的振动信号进行属性特征分析,建立相应的特征模型,并建立振源属性特征模型,包括识别下雨振源的能量信息熵模型,以及区分机械施工和车辆经过振源的基频稳定性模型等。通过振源识别算法,提高了振源类型识别的准确性。测试结果表明,特征模型的设计和选择合理,识别准确率高。     

带有波前编码板的虹膜采集光学系统的设计

设计了一款采用波前编码技术的虹膜采集光学系统,以实现大景深、自然非约束状态下的成像.以传统的光学系统评价指标斯特利尔比和能量集中度作为波前编码系统的成像特征,利用ZEMAX软件对波前编码系统进行设计,权衡了离焦不敏感性和图像可恢复性.比较了带有立方相位编码板和带有修正项的立方相位编码板的虹膜采集系统以及传统系统的焦深延拓效果.发现采用立方相位编码板的虹膜采集光学系统的焦深延拓效果最佳,其焦深是传统系统的8倍.该系统增大了虹膜采集的距离,对于自然状态虹膜成像系统设计有一定的参考价值.     

基于几何差异的目标识别算法

为降低目标识别算法复杂性且提高其抗噪能力,提出一种基于几何特征差异的目标识别算法。将获取到的目标图片经图像处理后提取轮廓,并以最小周长多边形算法构造目标轮廓的近似多边形;然后根据模板库标准目标做放大或缩小处理后使其面积与模板面积相等;再使用摆放算法使其与模板库图形部分重合;并提出一种改进型双向链表算法求多边形相交部分,通过计算相交部分面积大小达到识别图像的目的。经过仿真实验验证了此方法简单易行,能够快速识别目标。     

融合全局与局部多样性特征的人脸表情识别

通常主成分分析(PCA)只能保持数据的全局结构,邻域保持嵌入(NPE)算法只能保持邻域样本间的相似性,忽略了其差异性。针对上述问题,提出了一种融合全局与局部多样性的特征提取算法,并将其应用于人脸表情识别中。该算法利用PCA算法保持全局结构,并通过流形学习思想定义局部差异离散度和局部相似离散度,结合最大局部散度差准则,有效刻画出局部流形结构的多样性;将全局特征和局部多样性特征相结合,提取出低维流形特征用于表情分类。在JAFFE和Cohn-Kanade人脸表情数据库上的实验表明,该算法与PCA、局部保持投影(LPP)、NPE等算法相比,不仅有效地提高了识别率,而且在取得最高识别率时所需维数最低,证明了此算法在识别效果方面的优越性。     

货车枕簧丢失故障动态图像识别方法

针对货车运行故障动态图像检测,提出无故障目标识别工作模式,解决货车枕簧丢失故障的自动识别问题。利用Haar特征提取枕簧特征信息,基于AdaBoost算法选取特征并构建层叠分类器,等比缩放搜索窗口检测货车图像,最终分选出无故障的枕簧图像,从而大大地减少了待识别图像的数量,显著地提高了人工识别效率。实验表明,该算法使用的特征简单,搜索策略高效,不受枕簧位置、缩放和旋转的影响,抗噪能力强,对分辨率低、局部遮挡、光照不足或过度曝光等质量较差的图像仍具有很强的适应性,所提出的方案能够满足全天候条件下的货车枕簧目标识别,为货车故障动态图像检测的工程化应用奠定了基础。     

迈克耳孙干涉仪条纹计数器的研制

设计了电路简单、可自动识别条纹移动方向的迈克耳孙干涉仪条纹计数器。该计数器仅用9个常见的分立元件即实现了对光信号的采集、放大、滤波、整形的功能,并有效地去除了计数过程中的干扰因素。输出信号经条纹移动方向识别电路后,送入可逆计数器能自动进行相应的加计数或减计数并显示。     

基于双向循环神经网络的汉语语音识别*

当前基于深度神经网络模型中,虽然其隐含层可设置多层,对复杂问题适应能力强,但每层之间的节点连接是相互独立的,这种结构特性导致了在语音序列中无法利用上下文相关信息来提高识别效果,而传统的循环神经网络虽然做出了改进,但是只能对上文信息进行利用。针对以上问题,该文采用可以同时利用语音序列中上下文相关信息的双向循环神经网络模型与深度神经网络模型相结合,并应用于语音识别。构建具有5层隐含层的模型,其中第3层为双向循环神经网络结构,其他层采用深度神经网络结构。实验结果表明:加入了双向循环神经网络结构的模型与其他模型相比,较好地提高了识别正确率;噪声对双向循环神经网络汉语识别有重要影响,尤其是训练集和测试集附加噪声类型不同时,单一的含噪声语音的训练模型无法适应不同噪声类型的语音识别;调整神经网络模型中隐含层神经元数量后,识别正确率并不是一直随着隐含层中神经元数量的增加而增加,神经元数量数目增加到一定程度后正确率出现了降低的趋势。     

电力线路相位标志牌的检测和识别

相位标志牌是重要的电力设施,通常安装在输电线挂点附近的显著位置上,准确地检测和识别相位标志牌对输电线路巡检具有非常重要的实际意义。应用图像处理与模式识别技术,提出了一种相位标志牌的检测和识别方法。首先采用灰度化、中值滤波、膨胀和腐蚀的方法对相位标志牌图像进行预处理;然后采用基于区域一致性算子的显著性目标检测方法对预处理后的图像进行相位标志牌检测;最后采用基于仿射SIFT算子的匹配方法对检测到的相位标志牌进行识别。实验结果表明,所提出的方法能够有效地对相位标志牌进行检测和识别,具有较好的鲁棒性、准确性和有效性。     

山区智能视觉火情高空图像搜集系统的设计与实现

介绍了一种针对山区多样性突发火情事件中基于智能视觉的高空图像搜集系统,采用以ST意法半导体公司的STM32F107VCT6为处理核心的开发平台,地面控制平台通过高空无人机的高速照相机对目标区域火情图像数据进行搜集,并将图像数据带回到地面控制平台的PC处理器上进行综合分析。地面控制平台根据智能视觉信息采集模块采集的山区遥感图像的均值作为初始背景,并对背景图像进行实时更新,利用光谱特征与距离算法获取差分图像,并进行图像处理,从而获取山区发生火情区域的图像分析数据,以实现对山区森林突发火情事件的及时监测,在火情发生初始阶段就能扑灭。本文对山区智能视觉火情高空搜集系统的实现原理、核心硬件设计、系统软件设计等分别进行了研究,并通过系统实验进行了验证,测试结果表明,该系统在对山区的高空图像搜集实验中,对不同颜色物体的分别识别率为100%,对火灾与地形地貌的识别率为95.55%和81.12%,非常适用于各种山区环境下的智能视觉监控系统。