基于Gabor核的卷积神经网络改进算法及应用

针对Le Net-5网络模型识别分类准确度问题,提出一种基于深度Gabor卷积神经网络的识别分类方法。在Le Net-5模型的基础上,引入了Gabor层,使用Gabor核作为提取图像特征的卷积核,Gabor卷积核从图像频域的不同尺度、不同方向上提取更多特征。为了避免网络训练中的梯度消失问题,使用Relu函数作为网络中的激活函数。将改进后的模型在MNIST手写体数据集上进行试验,识别正确率达到99. 34%。与支持向量机和卷积神经网络等分类方法作比较,结果表明,改进后的深度Gabor卷积神经网络的具有更高的识别性能。

板带轧机单片机AGC厚控系统的改进与实验研究

板厚精度和板形精度是衡量板带材的两大质量指标,针对许多中小型钢厂板厚控制精度不高,研发了一套基于PIC单片机的板带轧机自动厚度控制(AGC)系统的控制装置。在前期控制装置雏形的基础上,做了一些改进和工程实验研究,经半模拟和现场试验表明,该控制装置具有很好的实用性。

基于FPGA的补偿滤波与焊缝识别方法

在视觉检测中,对焊缝图像的识别通常需要使用激光作为辅助工具,一束线型的激光中往往包含着大量的焊缝特征信息。由于CMOS图像传感器采集到的图像数字信息存在较大的噪声,提出一种基于线性滤波器的补偿滤波方法,利用图像传感器的红色通道对激光的强敏感性,用红色像素R的像素值去补偿其周边的像素值,以加强激光在图像中的特征。利用现场可编程逻辑门阵列(Field programmable gate array,FPGA)并行处理的优点,设计了一种FPGA驱动CMOS图像传感器,并采集其输出的图像数字信息的方法。图像数字信息以流水线的形式被FPGA处理,并通过焊缝特征图像计算出偏移信息。该方法减少了数据存取操作,从而减小了处理延时,具有很高的实时性。