基于Halcon的贴片电阻方向检测系统

目的设计贴片电阻方向检测系统,以解决当前贴片电阻排序编带过程中存在的检测效率低和检测精度低等问题。方法采用改进的基于形状的模板匹配算法,以机器视觉软件Halcon为平台,利用Canny边缘检测算子和Sobel算子进行边缘检测和滤波,生成模板图像的边缘点位置向量和梯度向量,并以模板边缘点与图像搜索区域的对应点的内积和作为相似度量,进行模板匹配。结果检测系统的识别时间为33 ms,同时其平均识别准确率达99.5%以上,相比于传统人工检测有较大提高。结论该系统具有良好的速度和准确度,可满足工业生产要求。

多测度融合的立体匹配算法研究

针对多测度融合的立体匹配算法的测度选择问题,提出一种基于测度互补系数的测度选择方法。通过该方法选择多种测度进行融合作为匹配代价,并使用改进的半全局算法进行代价聚合,实现多测度融合的立体匹配算法。首先定义互补系数,通过互补系数选择多种相似性测度进行融合作为匹配代价;然后,针对半全局代价聚合使用随机初始化视差图导致立体匹配效果较差的问题,使用基于SURF特征得到的视差作为初始视差进行半全局代价聚合;最后计算视差并优化视差得到最终视差图。实验表明,使用该测度选择方法可以选择互补特征,结合改进的半全局代价聚合方法可以提高立体匹配效果。

卷积神经网络的贴片电阻识别应用

贴片电阻由于其体积微小、性能稳定等独特的性质,在当今智能化的电子设备中被广泛使用。为保证贴片电阻的出厂质量,需要对其进行缺陷识别、极性方向识别、正反面识别和种类识别,目前很大程度上依靠人工肉眼进行识别检测,效率低、容易误检、成本高。本文针对传统图像识别方法的局限性,结合近年来卷积神经网络在图像识别方面所取得的巨大成就,基于AlexNet模型、GoogLeNet模型、ResNet模型思想设计了3种深度适宜、可训练参数约4×10~6(百万)的卷积神经网络,克服了当前主流卷积神经网络模型由于可训练参数过多、模型层数太深导致在贴片电阻识别应用中识别速度不能满足实时性要求、泛化识别准确率低的问题。实验表明,3种模型的识别准确率均超过90%,最高识别准确率达到95%,识别速度达到0.203 s/张(256像素×256像素,CORE I5)。因此,本文设计的3种卷积神经网络可根据具体实际需求进行选用,在实践中具有极强的可行性和可推广性,同时也在提升企业生产效率和产品质量方面具有重要意义。

通信数据网业务性能分析

为解决綦南电力通信数据网关键业务存在延迟波动、甚至存在业务中断风险的问题,在现有网络性能测量理论和方法的基础之上,对綦南广域骨干网的流量分布图、端到端可用带宽、网络收敛比等网络关键性能参数进行了测量。另外,介绍了一种基于VPS原理的端到端瓶颈带宽测量方法,尽可能扩大相邻两次网际控制报文协议(ICMP)探测数据包的变化量,削弱噪声对往返时间(RTT)值的影响,实践证明该方法测得的瓶颈带宽值更接近真实值。最后,基于綦南网络性能测量结果,分析网络的性能瓶颈及网络中存在的问题,预测了十三五末的带宽需求。

基于颜色与边缘融合的非局部立体匹配算法

针对基于最小生成树的非局部算法在无纹理以及边缘区域出现误匹配的问题,提出了一种改进代价计算和颜色与边缘融合的非局部立体匹配算法。首先重新构造了基于颜色-梯度的代价计算函数,以提高无纹理区域像素对代价聚合的贡献率;其次利用颜色与边缘信息进行融合来构造自适应边权函数,并利用该权重构建树结构进行代价聚合;最后通过视差计算和非局部视差优化得到最终的视差图。在Middlebury数据集上进行了测试,实验结果表明,提出的算法在无纹理及边缘区域都取得了良好的匹配效果,有效地改善了视差。