图形化编程系统设计探究

针对日益受重视的少儿编程问题,本文提出了一种图形化编程系统的设计方案,并介绍了此系统的核心算法,即卷积神经网络(Convolutional neural net-works,CNN)。此设计适合8~14的儿童和青少年,以少儿用户的特点为核心,坚持简单易懂、激发兴趣的原则,对少儿编程思想的启蒙具有重大的意义。

无创血糖检测方法研究

糖尿病是现在的世界三大疾病之一,不仅治疗难度很高,患者数量也在逐年上升,更为恶劣的是,从数据来看,糖尿病患者增长率亦呈升高趋势,它已经严重的威胁到人们的身心健康.对大家的日常生活造成了非常大的困扰,而且对于众多的糖尿病患者来说日常的有创检测简直就是一件非常煎熬的事情,因此,研制出安全且可靠的无创血糖检测方法不可懈怠.本文则主要介绍了几种现在已有的人体无创血糖检测方法,其中主要包括:旋光法、荧光法、光声光谱法、拉曼光谱法、近红外光谱法和反离子渗透法的检测原理及其优缺点.并着重介绍了旋光法及其原理.

线性滤波算法的机器视觉适用性研究

在机器视觉系统实际工作过程中,由于状态噪声的多样性,很难实时选择出最佳滤波算法。论文针对线性滤波算法:时域递归滤波、高斯滤波、高斯–拉普拉斯滤波、二项式系数滤波的算法模型、计算速度、输出结果进行了深入研究,通过迭加随机噪声组合测试了上述算法的性能,分析了其在工程实际中的适用性。实验结果表明,在迭加白噪声与高斯噪声时,高斯滤波实现了时间与精度的最佳折中;在迭加椒盐噪声时,高斯–拉普拉斯滤波明显优于其它三种算法,为机器视觉系统优化图像处理效果提供了理论和技术支持。

基于图像学习的透明构件缺陷检测方法研究

光学PC板、玻璃幕墙等透明构件中存在的气泡、缺胶等先天缺陷严重影响着设备的运维保障。因此,提出了一种透明构件缺陷检测方法。首先,基于视觉图像特性分析了透明构件缺陷检测机制;其次,改良了高斯滤波模型,建立了边缘特征检测模型,并确立了缺陷区域分割模型,以降低环境条件的干扰;再次,在进行缺陷区域分级的基础上,建立了依据缺陷特性的强特征参数优选方法,以提高缺陷的精准分类效果;最后,搭建了双通道图像检测试验平台对典型试验对象进行了测试验证,验证了视觉图像学习方法应用于透明构件缺陷检测的有效性和实用性。

基于机器视觉的多层玻璃结构缺陷特征识别机制研究

多层玻璃结构缺陷持续时间随机且可能很短,其隐患状态对设备运行和生产安全构成了严重威胁,因此,对多层玻璃结构实施实时监测显得尤为重要.本文基于机器视觉技术研究了多层玻璃结构的缺陷特征识别机制.基于缺陷图像边缘的强弱特性建立了针对缺陷图像预处理的平滑滤波组合模型;研究了面向缺陷定位的边缘轮廓抑制方法,确定了强边缘区间,降低了环境因素的干扰;在分析视觉图像信号采集过程的基础上,科学确定了多层玻璃结构缺陷识别系统的硬件性能;建立了基于支持向量机的缺陷特征分类模型及识别算法.实验结果表明,缺陷区域定位准确、识别率高,为多层玻璃结构缺陷特征检测奠定了理论和技术基础.