地方本科高校人工智能专业建设探索——以广东理工学院为例

我国人工智能专业人才供给严重不足,目前人工智能高端人才主要在“985”“211”类高校培养,人工智能产业所需要的数量庞大技术人才需要靠中国高等教育体系中占主体地位的地方院校来培养。广东理工学院在大量调研的基础上,根据学校的办学方向和办学定位制订合适的专业人才培养目标和人才培养方案,组建有丰富教学管理经验和科研经验的中青年教师团队,整合校内、校外的实验实训资源完成实践教学平台建设,在建设人工智能专业上的经验可为同类型地方本科院校提供参考。

小样本关系下的时序知识图谱推理

在各大知识推理应用场景下,知识图谱中时序的缺失、知识图谱构建时实体关系的不完善,已然成为研究者们亟需解决的问题。为此,构造了一种融合时序信息与小样本关系的知识图谱推理模型,该模型将知识图谱的三元组表示扩展到含有时序信息的四元组表示,并通过时序信息来提高推理路径的准确性。此外,通过元学习从高频关系中学习元参数,并使用元参数适配小样本关系任务,提高模型在小样本关系中的泛化能力。实验表明,所提出的方法在Hits@1、Hits@3、Hits@10和MRR上均高于对比方法,并且均提高5%以上,表明所提出的方法可以完成知识图谱的推理,并且在小样本关系下具有较好的效果。

一种基于HSI色度空间的磨粒成分分析法

介绍了HSI模型的基本原理,并提出使用HSI模型分析磨粒颜色分布。通过比较不同元素构成的磨粒图片在HSI模型参数上面的颜色分布,来判别该磨粒的元素构成,并且使用主成分分析法对磨粒颜色参数进行了化简,从而可以直观地对磨粒进行分类。实验证明,该方法在铁谱磨粒识别方面效果良好。

磨粒的三维测量与重构

在铁谱分析中引入计算机三维测量与重构技术,通过使用改进拉普拉斯算子对在普通光学显微镜下拍摄到的磨粒连续图像序列进行清晰度分析来测量磨粒表面高度,重构磨粒三维图像.在普通光学显微镜下快速、方便地获取磨粒表面三维图,使铁谱分析技术不再仅限于对磨粒图像的二维分析.

基于校园网的学生考勤系统的设计

随着计算机技术的普及,很多高校都建立了校园网,为学生考勤的网络化提供了平台。依托校园网系统,设计了一套基于WebService技术的学生考勤系统。经过实际运行,该系统显著提高了学生管理工作效率,降低了管理成本。

职业技术学院“双师型”教师队伍建设中存在的问题及其对策

针对肇庆科技职业技术学院对教学和实训的要求,分析了本院当前建设"双师型"教师队伍过程中所取得的成绩和不足,提出通过提高教师待遇、加强教师培训和完善制度建设的方式加强"双师型"教师队伍建设。

谈校园网教学管理系统

收集和分析教师上课情况和学生考勤记录是高校教学管理的重点。以往对学生考勤的管理和教师上课情况的数据收集都是人工处理,不仅工作量大,而且数据统计困难。随着网络技术的普及,很多高校都建立了校园网,为教学管理的网络化提供了平台。本文依托校园网系统,设计了一套基于校园网的教学管理系统,该系统的实际运行,显著提高了学生管理工作效率,降低了管理成本。

一种车辆轮廓尺寸参数全自动测量系统

设计一种车辆轮廓尺寸参数全自动测量系统,该装置由测量支架、光电开关、摄像装置、测量雷达、照明装置等构成,能够准确测量处车辆的宽度、高度和轮间距等信息,该系统测量过程为实时,被测车辆在测量过程中不需要停车,只需要以正常车速通过测量区域后即有测量结果,测量效率高;测量误差<1%;适应环境广,可安装在室外或室内,安装过程简单。可用于车辆检测部门和交警部门查验违规改造的车辆。

铁谱磨粒图像的计算机纹理分析

利用计算机图像处理技术, 采用灰度共生矩阵方法提取典型磨粒图像的纹理特征参数, 作为判断机械设备故障机理的判据之一。通过正常、滑动、切削、疲劳磨粒灰度共生矩阵纹理分析, 得到熵、能量、惯性矩等参数的范围。

基于GPU的多层显微图像实时融合技术

随着GPU技术的发展,GPU比CPU拥有了更高的处理能力。本文提出将多层显微图像融合计算由CPU转移到GPU上进行,提升融合速度,最终达到图像融合与图像采集同步。两者的对比实验结果表明GPU在进行图像融合有明显的速度优势;将图像融合嵌入到图像采集程序后的测试表明通过GPU进行图像融合完全可以与相机采集相同步,完成采集、融合实时进行。这一结果改变了长期以来研究人员进行图像融合时,先拍照,再融合的工作流程,只需要将相机在不同聚焦高度扫描一次即可得到多层聚焦位置的融合图。

基于图像跟踪的机动车电子桩考设备设计

基于图像跟踪技术的电子桩考技术通过对考试过程中场地视频监控图像分析对考试车辆进行定位并绘制考试车辆的行走路线,解决了以往的电子桩考技术无法判定车辆实际行驶路线的局限性。该系统结合场地内的红外传感器、震荡传感器等设备自动判定考试车辆是否存在不按规定路线、顺序行驶,碰擦桩杆,车身出线和移库不入等考试扣分行为。

银行、保险行业单证扫描系统中条形码识别软件的开发

本文介绍了一种应用在银行、保险行业单证扫描系统中条形码识别软件的开发流程和算法,实践证明该软件可以达到较高的识别率和识别速度,同时该软件已被集成到单证扫描系统,被广泛应用到银行和保险等行业中。

基于图像处理的铁谱覆盖面积回归分析

首先阐述了利用计算机图像处理计算铁谱覆盖面积,进而计算铁谱定量参数的方法,然后介绍了回归分析的基本原理及其在定量分析中的应用。通过计算东风公司柴油机1 000 h疲劳试验油样铁谱图像覆盖面积,得到了该批油样的定量参数,经过回归分析得到了定量参数之间的回归曲线。结合机械的实际磨损情况确定了利用回归曲线进行磨损状态判断的方法,最后结合磨粒分析和油样PQP分析数据对回归分析的结果进行验证。研究表明结合多个定量参数的回归分析能够对柴油机的磨损状态进行正确的判断。

基于深度学习的籽棉中异性纤维检测方法

针对籽棉图像阴影多、常规图像处理方法难于识别的问题,以去除棉叶、棉壳等有机杂物的籽棉为样本,将不同颜色、形状、尺寸的12种常见异性纤维和籽棉样本随机地分布在运转中的传送带上,采用线扫描相机获得发光二极管(LED)照明的籽棉图像520张,"LED+线激光"双光源照明的籽棉图像1 148张。然后采用由13个卷积层、13个采样层和4个池化层构成的Faster RCNN深度学习人工神经网络,对2种成像方法获得的籽棉图像进行基于人工智能的网络训练,再进行异性纤维检测验证。实验数据表明,LED照明和"LED+线激光"双光源照明条件下,籽棉图像中的异性纤维的检出率分别达到了90.3%和86.7%,特别是LED照明条件下对白色异性纤维进行识别,其识别率由5.9%提升到了90.3%。

一种人工智能检测籽棉中异性纤维的方法

探讨基于卷积神经网络的Faster-RCNN深度学习方法,检测籽棉中异性纤维的检测技术。使用线扫描相机在LED照明条件下获取籽棉和异性纤维的图像,采用基于Faster-RCNN的人工智能深度学习方法处理图像。试验结果表明,Faster-RCNN处理方法对籽棉图像中异性纤维的检出率达到90%,相比传统的图像检测方法大幅度提高了检测率,特别是对传统方法难以识别的白色或浅色异性纤维,其检测率可以达到90%以上。认为:本文所采用的基于Faster-RCNN的人工智能深度学习方法处理图像在异纤检测应用上具有一定可行性。

一种基于Kinect传感器的倒车影像系统

针对目前倒车影像无法探知障碍物的三维空间距离的缺点,本文提出使用Kinect传感器代替传统的相机和倒车雷达。它采用光编码(light coding)技术,通过红外光源发射具有三维纵深的"体编码"探知障碍物的距离,形成含障碍物距离三维信息的深度图像,通过车载电脑合成障碍物的立体三维图。实验证明该技术对障碍物距离的测量有较高的精确度,即使在光照不足到的情况下也能够正常工作,完全适用于驾驶员倒车。

一种基于kinect体感控制技术的幻影成像展示台

本文设计了一种基于kinect体感控制技术的幻影成像展示台。其包括机柜、计算机、显示设备、固定支架、kinect体感控制器和呈倒金字塔状的成像半透膜器件。系统结构简单,采用Kinect体感控制器结合幻影成像技术进行控制及展示,人机交互简单方便,且能增强显示时的立体感和真实感,与现有的全息技术相比价格低廉。

基于GPU的多聚焦显微图像快速三维重构技术

受到三维重构庞大计算量和CPU计算能力的限制,在普通光学显微镜下通过多聚焦图像重构物体三维表面形貌的重构速度一直无法得到快速提高。随着GPU技术的高速发展,当前GPU有了比CPU更强的计算能力,本文提出将重构工作由CPU转移到GPU上进行,以提高重构速度,减少重构时间。实验证明GPU代替CPU进行重构工作后,极大了加快了重构速度,达到快速重构的目的。

一种车辆三维重建和轮廓尺寸测量系统

本文提出一种车辆三维重建和轮廓尺寸测量系统,包括多套车身三维数据采集装置和工作站服务器,车身三维数据采集装置由支架、RGB-D传感器、电子陀螺仪角度传感器和小型计算机构成。在测量时,多套车身三维数据采集装置的RGB-D传感器同时获取其视角内被检测车辆的照片和相对于传感器的三维坐标,电子陀螺仪角度传感器获取RGB-D传感器当前的倾斜角度等数据,小型计算机将采集到的数据发送给工作站服务器进行处理,重建出被检车辆的表面三维模型,并将被检车辆的长度、宽度、高度、轴距等数据。

机动车外廓尺寸查验系统研究

为了实现对机动车外廓尺寸的全自动测量,设计了一种使用二维激光扫描雷达、激光对射传感器和超声波雷达对车辆外廓尺寸进行查验的系统。该系统对车辆以"不停车"方式进行非接触性测量,测量过程全自动化,安全可靠、设备稳定性高。实验证明该系统对车辆外廓尺寸测量结果满足国标GB21861-2014对车辆轮廓尺寸检测设备的精度要求,同时实现了国标中对测量过程中上传车身正面和侧面测量照片的要求。