改进YOLOv2卷积神经网络的多类型合作目标检测

针对大型构件三维精密测量中构件结构复杂、测量环境变化等导致的合作目标检测精度低的问题,提出一种改进YOLOv2卷积神经网络的多类型合作目标检测方法。首先,利用WGAN-GP生成对抗网络扩增合作目标图像样本数量;其次,采用卷积层密集连接代替YOLOv2基础网络的逐层连接增强图像特征信息流,引入空间金字塔池化汇聚图像局部区域特征,构建改进YOLOv2卷积神经网络的多类型合作目标检测方法;最后,采用增强的目标图像样本数据集训练改进YOLOv2卷积神经网络的多类型合作目标检测模型,实现多类型合作目标检测。实验结果表明:采用多类型合作目标图像数据集测试,多类型合作目标检测精度达到90.48%,目标检测速度为58.7 frame/s。该方法具有较高的检测精度和速度,鲁棒性好,满足大型构件三维精密测量中多类型合作目标检测的要求。

基于IDPC-RVM的多模态间歇过程质量变量在线预测

间歇过程具有多模态特性,现有的间歇过程模态划分方法中过程数据高维特征和模态中心的选取直接影响模态划分结果的合理性,进而影响间歇过程质量变量在线预测的精度。为提高间歇过程质量变量在线预测的精度,提出了一种基于改进密度峰值聚类相关向量机(improved density peaks clustering-relevance vector machine,IDPC-RVM)的间歇过程质量变量在线预测方法。首先,在密度峰值聚类算法基础上,考虑过程数据的高维特征进行样本相似性度量,并通过样本密度不平衡下的模态中心选取策略准确获取间歇过程模态中心;其次,利用模态划分指标在无须先验知识的情况下获取间歇过程最优模态数目,并识别过渡模态完成间歇过程的模态划分;最后,建立各模态数据的RVM预测模型,实现间歇过程质量变量的在线预测。青霉素发酵过程的实验结果表明,与RVM、SCFCM-RVM和DPC-RVM方法相比,对青霉素浓度预测的均方根误差(RMSE)降低至0.0093,判定系数(R^(2))提升至0.9995,有效地提高了预测精度。

基于CenSurE-star和LDB的被测目标图像匹配算法

针对传统点特征匹配方法计算量大、匹配速度慢的问题,给出了一种基于CenSurE-star和LDB的图像匹配算法,以用于在视觉检测中对被测目标图像进行快速匹配;该算法首先通过调整滤波器尺寸从而快速检测被测目标图像中不同尺度的CenSurE-star特征点,然后采用LDB方法对特征点结合其邻域进行描述,以描述符汉明距离为标准衡量图像特征点间的相似度并进行对应筛选,最终结合RANSAC剔除剩余的误匹配点对,实现了图像间准确匹配;实验研究表明,在关于光照、噪声和模糊变化的三组被测目标图像匹配中相较SIFT、SURF等常见算法,该算法不仅显著提升匹配速度,而且保证了较高的匹配准确率。

小学语文教学激发文本阅读兴趣的有效策略

在目前的小学教育中,语文属于其中的重要一环,对发展、提升学生的综合素质有重要作用。阅读教学是语文教学中的重要组成部分,可以帮助学生积累写作素材,提升学生的阅读、理解能力。语文学科也是中国文化的重要载体,学习语文可以帮助学生养成较好的语言运用能力及文字把控能力。在小学时期的阅读教学中,教师也需重视学生文本阅读兴趣的培养。引导学生养成较好的阅读兴趣,这不仅可以实现学生的主动学习、阅读,也进一步发展了小学生的语文学科综合素养。本文简要分析小学语文教学激发文本阅读兴趣的有效策略。

基于直线特征的合作目标加权位姿估计

为提高在三维测量应用中的合作目标位姿估计精度,提出了一种基于直线特征的合作目标加权位姿估计方法。首先,提取图像中的被测合作目标关键几何特征,通过几何约束关系获取各条直线端点;然后,计算其与直接提取的对应直线端点的距离,将距离的倒数归一化作为权值;最后,将所得权值引入基于鲁棒n线透视(Robust Perspective-n-Line,RPnL)的位姿估计方法的迭代优化过程中,构建新的误差函数,以最小化直线重投影误差为目标对其进行迭代优化,得到合作目标位姿参数的最优解。实验结果表明,所提方法能够高精度对合作目标进行位姿估计,并保持较快速度。