基于图像处理的球笼防尘罩缺陷检测方法

针对球笼防尘罩的小口内部毛刺缺陷人工质检效率低的问题,提出了一种基于图像处理的实时缺陷检测方法来使质检过程自动化,从而提高生产效率。首先,通过一系列无参数化的图像预处理方法使原始图像满足边缘提取的条件。接着,使用启发式的边缘搜索算法得到小口内部边缘坐标。之后通过最小二乘算法拟合出椭圆参数方程,从而计算得到相似点坐标。最后通过图像边缘与拟合椭圆的相似度来判定物料是否存在小口内部毛刺缺陷。最终实验结果表明,该算法在实际采集的测试数据集中的检测准确率为100%,并且完全可以实现对小口内部毛刺缺陷的实时检测。

基于改进YOLOv5s的指针式水表读数检测

针对光照不均匀和水表表盘雾化的指针式水表在读数检测时出现漏检、误检等问题,提出一种基于改进YOLOv5s的指针式水表读数检测方法。首先,采用Mosaic、Mixup等数据增强方法,提高模型的泛化能力;其次,引入加权双向特征金字塔网络(bilateral feature pyramid network, BiFPN)实现更高层次的特征融合使得水表图像的深层特征图和浅层特征图充分融合,提高网络的表达能力;然后,嵌入卷积注意力机制(convolutional block attention module, CBAM),在通道和空间双重维度上强化指针式水表子表盘示数特征;最后将完全交并比损失函数(complete intersection over union loss, CIoU-Loss)替换为SIoU_Loss(scylla intersection over union loss),提升边界框的回归精度。改进算法的mAP@0.5达到97.8%,比YOLOv5s原始网络提升了3.2%。实验结果表明:该算法能有效提高指针式水表的读数检测精度。

基于改进FireNet的轻型火灾实时检测方法

针对火灾检测精确不高,时间长等问题。设计了基于改进FireNet的轻型火灾实时检测方法,通过获取视频图像数据,网络模型进行火灾分析和识别;首先,在FireNet特征提取阶段使用多尺度卷积网络并引入通道注意力机制,以提高回归精度。其次,对全连接层的神经元个数进行压缩优化,减少计算耗时。实验表明,改进的FireNet算法模型检测精度达到96.43%,模型存储空间0.96MB,检测帧率37。相比标准算法精度提高2.5%,存储空间压缩85%,检测帧率提升35%。

结合注意力机制与路径聚合的多视图三维重建

目前基于学习的多视图三维重建研究已经取得了显著成果,但依然存在特征提取不完全和成本代价体之间相关性差的问题,从而导致重建精度不高。针对这一问题,设计了一种级联网络PAA-MVSNet。为了获得输入图像更加完整和准确的特征信息,该模型采用了“自顶向下”的特征提取方法,在不同尺度上进行特征提取,并将这些特征进行拼接,最后输出3个不同尺度的特征层;此外,引入改进的SE注意力模块优化三维代价体正则化过程,增强了代价体成本体积之间的相关性,提高了重建的精度和完整性。在DTU数据集上和基准网络CasMVSNet相比,该模型的准确性误差和完整性误差指标分别降低了5%和1.4%,且相较于其他模型均有不同程度提升。此外Tanks and Temples数据集上的实验结果表明,该模型有很好的泛化性。提出的基于路径聚合的特征提取模块和注意力优化代价体正则化模块均取得了效果,在重建精度上相比于其他模型都有一定的提升,验证了该模型的有效性。

基于机器视觉的抓斗装车视觉秤系统研究与应用

在天车散料发运业务中,需要控制散料装料的装载量目标误差,保证其误差在10%以内。散料装车量受散料三维图形精准度、干扰数据、计算范围等多重因素影响,达到精准预测难度较大。研究设计一种适用于无人天车发运的视觉秤系统,通过干扰数据滤波、散料抓取点位及散料抓取范围检测等算法,使之在动态装车的过程中能根据散料动态体积变化,精准预测天车每斗抓放散料的质量,满足装运工作的误差要求,避免散料发放因重量超偏带来的重复装卸工作。

基于跟踪检测多目标的无人机软件开发与算法分析

当前无人机多目标跟踪检测中还存在较多问题,比如精确度低以及占用内存大的问题。基于YOLOv5算法和DeepSort算法开发无人机软件,设计跟踪模板更新策略,通过检测模块将目标置信度、置信度等相关信息传输到跟踪模块实现跟踪。在YOLOv5算法和DeepSort算法的应用下,实现对目标估计的预测和分配预测结果,确保无人机跟踪效果和速度。实验结果发现,基于YOLOv5算法和DeepSort算法的无人机软件在多目标跟踪中,可以将跟踪精度提升22%,效果显著。

墩柱结构病害精确测量的柱面校正方法

基于图像处理的墩柱结构表面病害测量中,由于墩柱的曲面结构特性,使得测量结果精度较低,而传统的柱面反投影技术受限于相机与柱面的距离,当距离发生变化时,就需要重新建立模型,适用性不强。为此,提出了一种桥墩病害攀爬检测环形视觉扫描作业机器人系统以及基于二次曲面拟合的柱面反投影方法。根据柱面各点到相机的距离的变化情况,拟合出二次曲面模型,对图像竖直方向、水平方向分别进行校正,实现了柱面图像的反投影变换,提高了墩柱结构病害测量结果的精度。

基于多曝光场景的新型电力图像配准技术

基于现有的图像配准技术,对电力图像拍摄时间差异所造成的曝光度不同而产生的图像配准误差大和配准效率提升难的问题,提出了一种基于电力图像去除亮度差异影响的边缘特征配准技术。通过提取图像的边缘信息,以产生二值化的效果图像代替原始图像进行旋转矩阵的计算,完成原始图像空间一致性调整,实现多曝光场景的新型电力图像配准技术,并通过一系列电力图像试验数据进行了验证。试验结果表明,所提的新型电力图像配准技术在配准效率方面较改进前的基于互相关信息配准方法提升了50%,配准精度达到了亚像素级别,配准方法鲁棒性更高。

基于信息测度和Hausdorff距离的复合绝缘子憎水性等级判定

把图像处理技术应用到复合绝缘子憎水性的测量中,通过对绝缘子图像的对比度增强、图像的灰度、梯度及度的信息测度的综合考虑,结合Hausdorff距离(HD)和形态学对憎水性图像进行边缘提取,获取大水珠(或水迹)边缘信息,最后用改进形状因子法判定绝缘子的憎水性等级。试验结果表明,该方法能准确地测量绝缘子的憎水性,其准确性满足测量的要求。

基于Kinect的典型零部件识别与定位

针对自动化拆卸的零部件识别与定位问题,提出了一种结合深度信息的典型零部件图像识别与定位方法.利用Kinect传感器获取彩色图像与深度图像,提取出两者之间的仿射变换矩阵,实现彩色图像的矫正;根据相关系数匹配法实现矫正后的彩色图像零部件识别;利用彩色图像与深度图像的对应关系对零部件进行定位.针对典型零部件,对Kinect传感器获取的图像进行仿真实验与处理,结果表明,该方法能对目标进行识别与定位,验证了方法的有效性.

基于加速度传感器的大手势集手势识别算法改进研究

搭载着加速度传感器的智能移动终端为手势识别提供广泛的应用平台,在已有的基于单枚加速度传感器的手势识别研究中,识别正确率、速度和手势集合难以达到良好的平衡。以一种基于加速度符号序列的识别算法为基础,改进了其特征提取方法,并设计了基于加权树结构模板库的匹配方法,实现了大手势集、高正确率、速度快的手势识别。实验表明,所述系统在21个手势组成的手势集合上,实现了95.2%的用户依赖识别率和94.6%的用户非依赖识别率,识别时间小于10 ms,对手势识别研究有一定的借鉴价值。

基于混合高斯模型的非固定握持姿势手势识别

针对手势识别研究中普遍要求用户以严格固定方式握持数据采集设备,致使用户体验差的问题,使用混合高斯模型(Gaussian mixture model,GMM)对非固定握持姿势的手势识别算法进行改进,以提高手势人机交互时的舒适性.首先通过GMM从加速度传感器数据中提取用户握持姿势数据,然后借助握持信号实现手势命令数据提取与坐标转换,使识别系统能够自适应不同的握持姿势.为使GMM可以同时满足手势识别应用中对稳定性和适应速度的要求,优化了GMM的学习机制,包括增加备则模态和改善优先级计算.实验结果表明,所述系统在滚转角和俯仰角+60°^-60°、偏摆角+20°^-20°范围内,握持姿势对手势识别正确率没有明显影响,实现了非固定握持姿势的手势识别,起到了提高用户体验的作用.

基于哈希学习的舰船网络数据库目标数据检索方法

为了在海量舰船网络数据库中准确获取目标数据,提高数据库目标数据检索的成功率与检索精度,基于哈希学习算法,对舰船网络数据库目标数据检索方法展开研究。通过深度卷积神经网络与哈希学习的有效结合,构建舰船网络数据库目标数据检索模型,利用深度卷积神经网络提取舰船网络数据库中的数据特征,通过哈希学习层获取舰船网络数据库中数据特征的检索匹配哈希码,并在检索模型中引入加权余弦三元组损失函数完成模型训练,将目标数据作为训练后的模型输入,通过匹配输出的目标数据特征哈希码和舰船网络数据库中数据特征检索哈希码,实现舰船网络数据库目标数据检索。实验表明:该方法可实现舰船网络数据库目标数据检索,检索成功率为100%,可获取准确的经纬度数据;对图像以及文本数据库目标数据均值平均精度最高为82%、78%,检索精度较高,检索的实际应用性能较高。

基于交通信息和配电网全成本电价的电动汽车充电负荷调度方法

电动汽车的集中充电行为会在一定程度造成交通拥堵,为解决这一问题,综合考虑交通信息和电网信息,基于边际定价理论得到配电网节点边际电价和交通阻塞成本,构建电动汽车充电的全成本电价模型。在此基础上,提出一种考虑交通信息和配电网全成本电价的电动汽车充电负荷调度方法。通过仿真算例验证,该方法在满足电动汽车充电需求的同时可以有效缓解交通拥堵。

基于级联网络的螺栓锈蚀检测方法研究

螺栓作为输电线路中连接各金具的重要紧固件,长期处于恶劣环境中容易产生锈蚀,导致金具间连接不稳定,对输电线路的安全运行造成威胁。针对螺栓在巡检图像中占比较小,且背景复杂,难以检测出螺栓锈蚀故障,文中提出一种基于级联网络的螺栓锈蚀检测方法。首先利用改进YOLOX算法定位输电线路图像中螺栓的位置,通过位置信息裁剪螺栓目标,增大其在图片中的占比率;其次将螺栓图像转换为HSV图像,确定锈蚀区域各分量的阈值;然后,对图像进行二值化处理,实现对螺栓锈蚀的检测;最后,采用建立的螺栓数据集进行仿真实验,结果表明文中提出方法能够有效、精确地实现输电线路图像中螺栓锈蚀故障的检测。

轮换对称分块SVM图像重建算法及硬件实现

针对ECT系统SVM图像重建算法在处理大规模样本数据集时,成像精度不高及速度慢的问题,提出轮换对称分块支持向量机RSPSVM算法。算法对ECT系统模型进行具有轮换对称性的等面积剖分,使得通过一个单元即可得到同层其他所有单元的敏感度值;再选择性分块,形成可分别应用SVM算法进行训练的小样本矩阵,用得出的决策函数进行样本预测;并采用FPGA硬件实现RSPSVM算法。图像重建实验结果表明,通过硬件实现的RSPSVM算法大大减少了执行时间,并提高了成像的精度。

面向家庭安防系统的姿态和物体融合识别方法

针对我国家庭安防系统视频监控依赖人为对监控画面中的人体进行行为识别的问题,提出了一种面向家庭安防系统的姿态和物体融合识别方法。以用户居家门口送水、送快递、送外卖和保洁人员的静态图像为研究对象,提取姿态空间特征;针对送快递和送外卖行为无法通过姿态特征区分的问题,提出了基于线索增强的深度卷积神经网络(deep convolutional neural networks,CNNs)的手持交互物体特征提取方法,对得到的姿态空间特征和交互物体特征进行加权融合,并使用支持向量机(support vector machine,SVM)得到行为识别结果,确认人物身份。实验结果表明:所提方法对送水、送快递、送外卖和保洁人员的识别准确率分别为99%、98%、97%和99%;在Willow-actions数据集上的测试结果表明,所提方法可提高行为识别率。

QR码图像矫正的应用研究

针对摄像头采集QR码图像时,往往出现QR码图像倾斜、畸变等问题,提出了利用QR码特征与图像旋转、图像映射矫正相结合的矫正方法.该方法在对条码图像做常规预处理和行程编码后,通过位置探测图形的位置关系来判断QR码图像倾斜畸变情况,依据倾斜畸变情况选取矫正方法,矫正后直接利用采样网格和统计方法提取信息.经测试,该方法实现简单,可提高QR码的有效识别率;浮点运算量较小,可应用于嵌入式系统.

基于ARM嵌入式系统的挂接地线监测单元研制

挂接地线是接触网停电检修作业保障人员及设备安全的重要环节。针对接触网停电检修作业挂接地线时常产生误挂、漏拆等情况,设计了一种集实时监测接地线挂接及接地状态并自动上传等功能于一体的挂接地线监测单元。该单元以ARM微控制器为核心,设计了超声波测距模块、图像采集模块、GPRS通信模块等外围电路,同时在嵌入式操作系统平台上开发了各功能模块的应用程序。该单元实现了对接地线的实时远方监测,可有效防止挂接地线误送电等事故发生,为现场作业人员提供一道安全保障。

基于数据驱动的用户用能行为分析方法

随着综合能源系统的快速发展,为了满足综合能源系统联合规划的需要,亟需对综合能源系统中用户用能行为进行分析建模。基于数据驱动思想,引入了深度学习方法,提出了一种用于用户用能行为分析的方法。首先,对影响用户用能行为的数据类型、结构进行分析;然后,引入Seq2Seq技术,以GRU为神经元构建深度学习模型;最后,通过算例对所提方法的有效性进行验证。算例研究表明:所提的方法能够以海量历史数据为基础,准确预测出用户的用能行为情况。