基于模态信息度评估策略的掌纹掌静脉特征识别方法

多模态生物特征识别技术凭借其出色的识别效果和稳健的可靠性引起了业界的广泛关注。然而,传统多模态生物特征识别方法通常直接在特征层或决策层进行融合,很少考虑模态样本质量不同导致的融合效果差异。此外,由于缺乏大规模公开多模态生物特征数据库,多模态生物特征识别方法的研究受到一定程度上的限制。因此,设计了一款手部多模态数据采集设备,并自建了手部多模态数据库,用于多模态生物特征识别方法的验证与评估;提出了一种基于模态信息度评估策略的掌纹掌静脉特征识别方法,利用样本标签对应的类别置信度来评估每个模态特征的信息度,从而使模型在融合过程中根据不同模态对身份识别的贡献率进行自适应的权重分配。实验表明该方法在2个公开的数据库以及自建数据库上均取得了最高识别率。

基于改进樽海鞘群算法的含瓦斯煤破裂过程信号特征识别

针对标准樽海鞘群算法存在的计算精度不足、易陷入局部停滞等缺陷,提出一种多策略融合的樽海鞘群算法。在初始化阶段,引入线性同余法随机发生器;利用野马算法优化樽海鞘领导者位置;采用金豺算法改进樽海鞘种群追随机制。通过测试函数寻优对比实验,证明多策略融合的樽海鞘群算法相比于其他智能算法在鲁棒性与稳定性方面均有显著提升。将多策略融合的樽海鞘群算法应用到含瓦斯煤破裂过程信号特征识别,实验结果表明:提出的含瓦斯煤破裂过程信号特征识别模型具有更好的表现,准确率可达93.33%,相比其他识别模型,识别率更高。

矿用对旋风机旋转失速信号特征识别与提取

针对旋风机旋转失速信号特征的识别与提取,提出了一种参数优化的变分模态分解(VMD)方法。首先,为了消除人为选择VMD参数的影响,提出一种以平均包络熵为目标函数的蛙跳优化算法,对VMD算法的模态个数K和惩罚因子α进行优化选取,实现了参数K和α的合理自动选取;然后,通过模拟信号验证了参数优化后的VMD方法的有效性;最后,利用参数优化的VMD方法对风机失速信号进行处理和分析,研究风机失速的频谱特性,并与经验模态分解(EMD)结果进行对比分析。研究结果表明:与EMD方法相比,参数优化的VMD方法在处理模态混叠方面更具有优势,其处理效果明显优于EMD,分解得到的IMF分量个数也少于EMD,易区分特征频率;另外,以优化获取的参数组合处理风机的失速信号时,能够很好地揭示失速特征频率在失速发展过程中的变化规律,对应于频率分量的波动,从大尺度的频率波动转变为小尺度的频率波动。

基于支持向量机的人体异常步态特征识别方法研究

人体异常步态特征识别可分析个体的行走姿势和模式,推算身份信息及人体潜在的健康问题。基于此,文章系统阐述基于支持向量机(Support Vector Machine,SVM)的人体异常步态特征识别方法,分析SVM在处理步态数据方面的技术优势和实现过程,开展CASIA-B和OUMVLP数据集的测试实验,验证该方法在步态识别上的准确性比传统反向传播(Back Propagation,BP)神经网络更高,为复杂行为识别研究提供了新视角。

基于数字图像处理的水稻生长特征识别研究进展

水稻的特征识别是农业生产中的重要内容,主要指通过农业专家人工目视或使用图像处理和机器学习技术,对水稻的生长状态进行分析和处理,主要包括提取水稻的形状、颜色和纹理等特征和属性,进而对水稻生长状态、病虫害情况等进行识别诊断。本文在梳理现阶段国内外相关研究成果的基础上,分析了基于数字图像处理水稻生长特征识别研究的田间图像采集设备、图像处理方式以及基于数字图像处理的水稻生长特征识别应用。总结了稻田中不同应用平台的功能特点。展望了基于数字图像处理的水稻特征识别的未来发展方向。

基于多模态生物特征识别的高校门禁系统设计与实现

为解决传统门禁系统对实体校园卡的过度依赖、数据应用能力差、无法形成精细化管理等问题,在已有门禁系统架构基础上,基于一卡通专网,采用分布式架构设计了一种基于多模态生物特征识别的高校智慧门禁系统。该系统集采集管理、生物数据库、算法服务、校门口出入管理、访客出入管理、公寓管理、设备管理和出入权限管理等功能于一体,实现了校园出入口的智慧化管理,提升了校园安全管理效率,为下一步的智慧校园建设奠定了应用基础。

基于变分模态分解和希尔伯特变换的转子非平稳信号故障特征识别

为了提升传统希尔伯特黄变换在处理复杂非平稳信号时的时频分析能力,本文将变分模态分解和希尔伯特变换进行结合,提出了一种时频分析方法变分模态分解和希尔伯特变换。此外,为了对变分模态分解的模态数进行自动调整,还提出了一种基于相关系数的希尔伯特黄变换参数优化方法,有效避免了由于希尔伯特黄变换模态数设置不合理而导致的信号分解不足和分解过剩的问题。利用转子故障信号对变分模态分解和希尔伯特变换方法的时频分析能力进行了验证,并且与传统希尔伯特黄变换的对比突出了该方法在处理非平稳信号中的优势。

酸性干湿循环下泥质砂岩劣化及声发射演化特征识别研究

为深入探究降雨−蒸发干湿循环效应及酸雨腐蚀对泥质砂岩边坡运营稳定性的影响,基于不同酸性干湿循环下泥质砂岩单轴压缩、三轴压缩及声发射监测试验研究了其力学参数劣化规律及损伤破坏演化特征。研究结果表明:泥质砂岩的单轴抗压强度σ、弹性模量E、黏聚力c、内摩擦角φ的劣化度与干湿循环次数正相关,而劣化速率与干湿循环次数负相关,围压延缓了其劣化过程,酸性环境则会加剧岩样的劣化。σ对于酸性干湿循环的敏感度最高,在不同pH值条件下力学参数与干湿循环次数均呈较强的对数关系。声发射振铃累计计数及能量演化特征可分为初始活跃期、稳定增长期和高峰陡增期,并且在稳定增长期表现出较为明显的突变破坏前兆。随着酸性干湿循环的耦合作用效应持续增强,RA-AF张拉裂纹信号持续下降,声发射定位事件特征由中部轴向聚集逐步演变为斜向随机分布,损伤破坏特征由张拉破坏向剪切破坏转变。基于声发射数据驱动的泥质砂岩损伤状态识别模型的综合识别准确率达到93.33%,振铃累计计数和最大能量特征贡献率为81.63%,表明所建模型可较为准确地识别损伤状态等级与声发射数据间的内在关联特征。

基于改进U-Net算法的焊缝特征识别研究

针对基于激光视觉机器人焊接过程中,由于噪声干扰导致焊缝激光条纹分割精度降低,不能精确焊接的问题,提出了一种改进U-Net算法的焊缝特征识别方法。改进型U-Net算法使用Mobile-Net作为主干网络,加强了网络的特征识别能力,并减少了模型的参数量。在编码与解码之间加入超强通道注意力机制,实现了特征的加权融合。模型采用混合损失函数,平衡了激光条纹在图像中的占比。在焊接机器人焊缝跟踪实验平台部署网络模型,实验结果表明,改进的U-Net算法平均交并比(Mean Intersection over Union,MIoU)为89.83%,像素准确率(Pixel Accuracy,PA)为99.54%,平均像素准确率(Mean Pixel Accuracy,MPA)为97.28%,处理图像的时间为0.209 s,相比其他算法,具备更优的分割精度和较快的处理速度,可以更好地应用于有干扰的机器人焊接场景中。

基于多尺度散布熵的磁声发射信号特征识别方法

在工程中对设备进行应力检测和微损伤检测时,采集磁声发射信号易受噪声干扰,同时其特征的提取也存在困难,为此,将变分模态分解与散布熵相结合,提出了一种基于自适应多尺度散布熵的磁声发射(MAE)信号特征识别方法。首先,设计搭建了检测实验平台,采集了Q345钢静载拉伸实验中0 MPa~400 MPa应力状态下的MAE信号;然后,采用变分模态分解方法,对磁声发射信号进行了自适应分解,生成了一系列从低频到高频分布的本征模态函数(IMF)分量;其次,计算了每个本征模态函数分量的散布熵值,构建了MAE信号的特征向量矩阵;最后,将特征向量矩阵输入到基于支持向量机建立的识别分类模型中,进行了信号的训练和识别。研究结果表明:使用基于自适应多尺度散布熵的磁声发射(MAE)信号特征识别方法,能够自适应地实现MAE信号的多尺度化目的,并且准确地识别出不同应力状态下的信号特征,分类识别准确率高达95.3704%,验证了该方法的有效性;说明基于自适应多尺度散布熵和多分类支持向量机的信号特征识别方法能够快速且有效地识别不同应力状态,在信号特征识别方面具有较好的应用潜力。

地域视野下皖西村落风貌特征识别及优化策略——以金寨某红色小镇为例

多角度探索乡村风貌量化识别途径对于全面实现乡村振兴具有重要意义。通过文献调研梳理我国乡村风貌阶段发展的特征,选取金寨县某红色小镇的多个村落,以类型分析和归纳总结的方式,从聚落空间特征、建筑类型、色彩信息等角度分析总结乡村建筑风貌现状特点,从肌理重构、功能空间营造以及在地性改造的角度分析乡村的优化实践策略。

基于特征识别与云边协同的安全智能检测技术研究

由于电力施工环境的复杂性和多样性,监管人员难以在电力作业安全巡检过程中对违规行为及安全措施进行及时、准确地检查。针对此,文中提出了一种基于特征识别与云协同的安全智能检测算法。该算法利用卷积神经网络(CNN)与样本数据训练出作业中常见的安全帽、安全绳等5种识别模型,使用训练好的模型对经过预处理操作的电力施工现场图像数据进行分析与识别,从而实现了对安全措施的智能监测。实验结果表明,所提算法对典型电力施工安全措施的识别准确率可达到87%以上,证明了算法的有效性。

一种智能体的数控系统加工轨迹特征识别方法

数控系统作为智能制造体系的关键组成部分,其性能直接影响着制造质量和整体生产效率.然而,现有的数控系统程序资源在特征识别方面的能力却相对有限,无法满足智能制造系统对于加工路径的感知能力以及对加工精度的需求,制约了数控系统在复杂、高速的加工场景中的性能表现.针对这一问题,提出了一种智能体的数控系统加工轨迹特征识别方法.采用智能体方法构建模型,分析数控工件加工生成的路径G代码的关键几何信息,构建特征库,结合深度学习技术对轨迹特征进了行高效的识别和分类.所设计的模型有助于实现数控系统对加工过程的感知与控制,以提高数控系统对复杂零件的感知能力,从而提升数控系统的可靠性.

基于关键角色互动特征识别的协作学习预警研究

动态监督并精准干预协作角色的功能表现和群体协调问题,有助于提升协作学习的互动质量与效率。文章旨在通过挖掘协作学习中个体和群体层级角色互动特征对学习成效的影响路径来设计协作学习预警机制。以科学协作探究为研究情境,文章提出了融合时序和能级信息的个体和群体双层级角色互动特征计算方法,并运用多层线性模型识别出对学习成效有显著直接效应和调节效应的关键角色互动特征。研究发现:个体层级的四种关键互动特征中角色转换频数、角色维持时长均值、角色能级均值对学习成效具有正向影响,角色能级变化系数对学习成效具有负向影响;群体层级的三种关键互动特征策略转换频数、策略能级变化系数、策略能级方差对部分个体层级互动特征的效应有调节作用。最后,文章设计了基于上述关键角色互动特征的协作学习预警机制,并提出角色感知、角色建议、角色配置三种不同强制程度的教学干预策略。

城市新质生产力的空间集聚特征识别及规划应对——以中部地区制造名城株洲为例

当前学界对“新质生产力”概念提出的背景及内涵特征等开展了较多的探讨和研究,但多是对新质生产力的产业发展方向和目标路径的研究,对其空间载体的集聚特征和空间治理应对还鲜有研究。通过对城市新质生产力空间集聚特征影响要素的研究识别,筛选评价因子,构建综合评价指标体系,运用目标值法构建层次分析模型进行关联测度和评价,得出新质生产力空间集聚特征并提出相应的空间规划应对策略。在此基础上,以湖南株洲为例进行新质生产力空间集聚特征识别评价,针对识别结果提出相应的规划应对策略,促进其高质量发展,为其他城市的新质生产力发展提供有益的规划理论和实践参考。

层积视角下武夷山国家公园文化景观特征识别

【目的】中国自然保护地具有自然与人文双重属性,系统、客观、可视化地识别文化景观特征,可为自然保护地空间规划和资源整体性管护提供参考。【方法】以武夷山国家公园为研究对象,从层积视角出发深入识别文化景观特征。在时间序列上,选取武夷山国家公园文化景观产生与发展的6个典型历史时期,在特征要素上,选取山水地貌、河流关系、景观结构、土地利用、感知意向5个指标,特征识别采用两步聚类法和图像分割技术。【结果】从静态的历史时期来看,武夷山国家公园在唐、宋、元、明、清和当代分别呈现出6类、17类、14类、21类、24类和36类文化景观特征类型。从长时序的演变视角出发,总结了武夷山国家公园文化景观在数量、空间及形式上的特征。识别出武夷山文化景观高层积区域位于九曲溪中、东部(一曲至七曲)以及南、北两岸部分区域,包含243个文化景观点、19处面状山体和9条线状河流。【结论】从层积性视角出发构建的文化景观特征识别路径,为明确区域文化价值提供了量化与空间化的科学手段,有助于国家公园文化资源的分级、分类管护工作。

基于手绘草图特征识别的机械零件3D建模

针对机械零件结构中包含圆孔棱边等特点,提出一种基于特征识别的零件3D建模方法。首先将手绘草图规整化为直线圆弧等组成的矢量图,然后采用特征点/线条检索及图元匹配识别圆孔和圆角,通过特征点检索及区块判别识别圆柱等形状特征。对于识别过程中出现的孤立线及隐藏线,定义形状修补规则,判断是否为棱柱型实体。最后根据识别出的信息生成各局部三维模型,并在全局坐标系下组合得到整体零件模型。实验表明,该方法能从手绘草图中识别生成包含加强筋等几何特征的机械零件模型,实现二维草图到三维模型的自动转换。

基于图卷积神经网络的加工特征识别方法

针对传统特征识别方法难以处理多变特征和相交干涉特征的局限性,提出了一种基于图卷积神经网络(GCN)的特征识别方法,为最大限度地利用加工特征属性邻接图中的信息,设计了加工特征的初始节点嵌入向量矩阵以作为模型训练的基础。通过将采集的各加工特征数据集用于图卷积神经模型的训练,并通过试验进行了模型参数调优,将GCN模型应用于加工特征的分类识别任务中,达到了约99%的整体识别性能。与经典的图匹配方法对比分析结果表明:该方法整体性能更为优越,具有良好的通用性和鲁棒性。

基于GA优化卷积神经网络的含分布式光伏低压台区电能质量扰动特征识别研究

针对扰动特征识别效果较差的问题,采用基于GA优化卷积神经网络的含分布式光伏低压台区电能质量扰动特征识别方法。获取各尺度扰动信号的分解系数,求解电扰动信号各尺度的能量值与能量熵,将能量值与能量熵当成扰动特征提取的依据,完成扰动特征提取;利用GA算法优化卷积神经网络结构参数,在优化后的卷积神经网络内输入提取的扰动特征,输出扰动特征识别结果。通过仿真实验得出,该方法能有效提取扰动特征,提取到的特征类型数量与实际类型数量一致;在噪声环境下,该方法依旧能够有效识别扰动特征,最低识别精度高达98.7%。

工件3D点云特征识别与工业机器人运动跟踪

工业机器人在制造业已得到广泛应用,快速、准确、自动获得目标运动点位和轨迹可以大幅提升工业机器人编程与作业效率,并可应对变化的作业环境。以自动化制造常见的平面类工件角接结合缝自动识别与跟踪为应用场景,提出基于3D点云的工件特征识别与工业机器人运动跟踪系统。通过结构光相机获得3D点云,对点云数据进行预处理、滤波、工件平面拟合、平面交叉获得结合缝点云,以及对结合缝点云进行必要的插值和顺滑处理,最终获得结合缝空间分布轨迹。再把该轨迹信息经过坐标变换和姿态补齐后,提供给工业机器人实现轨迹跟踪。实验结果表明,系统可以实现结合缝作为工件特征的自动识别与工业机器人自动运动跟踪功能。结合缝识别的路径点与实际结合缝轨迹平均误差不超过1.62 mm。目标特征的自动识别与跟踪可以大幅提升工业机器人适应多品种小批量生产的能力。