基于视觉检测的交通信号模糊控制系统研究

通过视觉检测技术,应用改进的三帧帧差算法,获取车辆信息,得到十字路口车流量.并通用模糊控制方法,根据实时车流量动态调整绿灯通行时间.通过数据仿真,与传统固定时长交通灯进行对比,方法能有效提高路口车辆通行状况.     

基于改进型Yolov4的室内安全帽佩戴状态检测算法

为实现智能检测室内作业人员是否佩戴安全帽，提出了一种改进的Yolov4算法．首先，针对目前室内安全帽佩戴状态检测实验数据较为匮乏的问题，自建了一个用于室内场景的安全帽佩戴状态检测数据集．随后，为提升室内监控图像中模糊、微小目标的安全帽佩戴状态检测准确率，设计了自校准多尺度特征融合模块并将其嵌入原Yolov4网络中．该模块首先通过深度超参数化卷积从上至下、从下至上融合不同尺度下的特征，加强待检测目标的特征纹理，使得模型能够检测出这两类目标．再通过特征自校准模块对融合后的特征进行过滤，加强或抑制特征图上的每一像素点，使得模型可以在融合后的特征图上进行精确的检测．此外为加速模型收敛，使用解耦合的检测头替换原Yolov4中的耦合检测头，使目标定位任务与安全帽佩戴状态的分类任务相互独立．最后为提升模型对于重叠目标的检测能力，提出了软性非极大值抑制后处理算法Soft-CIo U-NMS．实验结果表明，该改进的Yolov4模型能够准确地识别出室内作业人员是否佩戴安全帽，准确率达到了95.1%．相比于原Yolov4模型，该模型对位于监控摄像头远端的模糊、微小目标和监控图像中重叠目标的检测能力有明显提升...     

量子系统自测试研究

量子系统自测试研究如何利用量子系统本身来测试其可信性,即根据量子设备的经典输入输出之间的统计关系来确认设备中所制备的量子态和所执行的量子测量.在经典世界中,要实现这种"设备自己测试自己"的目标并不可行,但量子力学中的非局域性却使这种自测试成为可能.量子系统自测试是设备无关量子密码协议的理论基础.综述了量子系统自测试领域的研究进展.具体来说,首先详细介绍了由两粒子最大纠缠态(即单态)及相应量子测量所构成的两方量子系统的自测试,包括测试1对量子态的CHSH方案、Mayers-Yao方案、(2,2,2,2)通用方案、(N,N,2,2)链式Bell方案,和测试2对量子态的双CHSH方案、魔方方案等.在此基础上,简要介绍了两方部分纠缠态及多方量子系统的自测试方案.最后对量子系统自测试未来的发展进行了展望.     

人工智能挑战人类智能

人工智能是对人的意识、思维信息过程的模拟,它虽然不是人的智能,但能像人一样思考、学习、工作.作为一门包含十分广泛的科学,人工智能由诸多不同领域组成,如机器学习、计算机视觉等等,从事人工智能开发工作的人必须要博学,要懂得计算机知识、心理学和哲学等.研发人工智能的主要目标是使机器能够胜任一些通常需要人类智能才能完成的复杂工作. 即便人工智能十分“聪明”,成为了人类的好帮手,但一直以来,我们依然认为人类具有最强的大脑,它创造出无限可能性,建造摩天大楼,把人送入太空,研究万有引力、宇宙大爆炸……然而,当AlphaGo以五局四胜的战绩战胜了李世石之后,越来越多的人开始对人工智能产生危机感.     

基于HALCON的双目立体视觉工件尺寸测量

为了实现对大批量生产工件尺寸的精密测量，该文基于双目立体视觉视差原理，设计了一种工件尺寸实时测量系统；系统通过两个工业数字摄像头实时采集工件不同角度的两幅图像，并基于机器视觉软件HALCON的HDevelop开发环境，对两幅图像进行相关预处理，获取感兴趣区域。提出一种基于canny的亚像素边缘检测、边缘细化、基于atukey权重函数的最小二乘法边缘拟合及边缘均匀取点算法获取精确的边缘特征点，并通过双目系统标定、极线约束与NCC相结合的立体匹配、世界坐标转换、几何计算相结合的非接触式双目视觉方法进行尺寸测量。通过大量实验证明，该方法可有效地获取工件特征点的三维坐标值，不借助外部测量仪器实现工件关键尺寸的高精度实时检测，检测精度达±0.2mm以上，简单快捷，具有较好的准确性和实时性。     

《长春大学学报》总目次

正~~     

基于LabVIEW机器视觉的迈克耳孙干涉仪实验

基于机器视觉设计了迈克耳孙干涉仪实验,采用机器视觉技术替代人眼对目标(干涉圆环)进行分析与测量,可有效避免因视觉疲劳而造成的测量错误.     

针对Trivium型密码算法的代数攻击

为了更好地研究Trivium算法的设计思想,选取了2个比较典型的修改Trivium算法,连同Trivium算法一起作为研究对象,把恢复算法的内部状态问题转化为可满足性问题,分析修改Trivium算法抵抗代数攻击的能力.比较了6种猜测策略,并且使用MiniSat2.0求解器求解.根据分析结果给出了Trivium型密码算法抵抗代数攻击的安全设计建议.     

基于机器视觉的煤炭分拣技术研究

基于机器视觉的煤炭分拣的技术,分析提取的实时图像,判断传送带上是否有物料,如果有物料时,提取图像中物料轮廓,然后计算出轮廓中红色和蓝色颜色分量的平均值,与所设定的阈值进行比较,从而判断出物料的种类。该技术具有高效、可靠的特点,使用该技术将提高生产效率,进而降低煤炭企业的生产成本。     

机器视觉最新技术动态

机器视觉的一个重要作用是推动工业自动化水平的提升，这正是目前国内机器视觉市场的发展动力，而用户的需求是普及发展机器视觉技术中最具决定性的因素。随着中国制造业的进一步发展，对机器视觉的需求也有了进一步的提高，这不仅仅表现在市场的容量上，