基于支持向量机的软测量建模方法的应用

利用基于最小二乘支持向量机(LS-SVM)的软测量建模方法,通过工业现场数据来对丁二烯精馏装置建立软测量模型.对于该软测量模型,支持向量机方法比BP神经网络方法具有更好的泛化能力.研究结果表明,基于最小二乘的支持向量机建模方法是一种有效的软测量建模方法.     

基于深度学习的贝类目标定位与统计测量方法

提出了一种基于机器视觉和深度学习的贝类目标检测和统计测量方法。首先，设计了一种带有4个角点的平面容器，在检测到图像像素角点后，根据平面投影的单应性，建立其和实际物理角点的映射关系，可得到像素坐标转换为实际物理坐标的单应矩阵。其次，采用目标检测的方法得到目标的定位框，并根据得到的单应矩阵，可将定位框的像素坐标转换为实际测量坐标，从而得到目标的实际尺寸。实现的算法可以移植到手机等便携式设备上，根据随意拍摄的图像便可直接输出目标的平均直径，具有很好的便利性。实验结果表明，本方法能够客观地对目标尺寸进行测量和统计，有效地克服了人工测量统计速度慢效率低的不足。