基于图像处理的轨道表面病害检测研究

以钢轨为研究对象,结合图像处理技术,对钢轨表面质量进行检测。首先,对钢轨图像进行预处理,通过线性灰度变换对图像进行增强,并采用自适应滤波进行图像去噪;其次,采用Ostu阈值分割算法对预处理后的钢轨图像进行缺陷分割;最后,以离心率、矩形度和致密度作为分类依据,通过决策树分类法对钢轨表面缺陷进行分类。实验结果表明:基于图像处理的钢轨表面质量检测方法能够有效对钢轨缺陷进行检测,分割准确率为96.7%,分类准确率为90%,为钢轨表面质量检测提供了一种有效的检测方法。

基于纸基荧光生物传感器快速检测食品中的赭曲霉毒素A

为了达到方便、快速检测赭曲霉毒素A(ochratoxin A,OTA)的目的,利用羧基荧光素(FAM)与黑洞猝灭基团(BHQ1)之间的荧光共振能量转移(FRET)作用,使用纸基作为传感器基底,构建了简单、低成本、易于长期保存的纸基生物传感器用于检测食品中的赭曲霉毒素A。将可以特异性识别OTA的适配体(Apt-FAM)通过生物素和链霉亲和素之间的强相互作用连接在纸基上,当OTA存在时,OTA优先与Apt-FAM结合,与Apt-FAM互补的互补链(cDNA-BHQ1)不能通过碱基互补配对连接到纸基上,因而可获得较强的FAM荧光信号。当OTA不存在时,cDNA-BHQ1通过碱基互补配对与Apt-FAM结合,连接到纸基传感器表面,猝灭基团BHQ1靠近荧光基团FAM,通过FRET作用抑制荧光基团FAM的信号。在最佳检测条件下,传感器检测OTA的线性范围为10~2000 ng/mL,线性方程为y=-15.85846+65.63138lg(C OTA)(R^(2)=0.995),最低检出限为1.2 ng/mL。该传感器能够成功用于检测米粉和绿豆饼样品中的OTA,其平均回收率分别为89.2%~111.0%和89.0%~103.0%。

基于机器视觉的橘子分级系统关键技术

在橘子生产销售中,做好橘子分级工作十分重要,现有的半机械分级方法分级效率低,品质参差不齐。基于此,提出了一种基于机器视觉的橘子分级技术。该技术的主要步骤为:先采用灰度化将原始彩色图像的3通道转换成只有单一通道的灰度图,然后采用二值化对橘子图像目标区域分割,用最小外接矩形来框定橘子目标区域完成橘子区域识别,最后通过对最小外接矩形的计算,完成橘子的大小分级。试验结果表明:基于机器视觉的橘子大小分级平均准确率达96.7%,能够有效满足橘子的分级要求。

基于改进YOLOv4的工业棒料识别算法

针对工业棒料存在遮挡干扰时难以快速有效识别的问题,提出了一种基于改进YOLOv4的棒料识别算法。首先对YOLOv4进行轻量化改进,将改进的Mobilenetv3作为YOLOv4的主干网络,以减少模型参数量,提高算法的检测速度。然后提出在YOLOv4原损失函数基础上串联Repulsion损失函数,此新增损失函数包含2部分:RepGT损失和RepBox损失,RepGT损失函数计算目标预测框与相邻真实框所产生的损失值,用来减少棒料误检;RepBox损失函数计算目标预测框与相邻的其他目标预测框所产生的损失值,用来减少棒料漏检。实验结果表明,改进算法的检测速度为63帧/s,比原YOLOv4算法提升了20帧/s;识别准确率达到97.85%,比原YOLOv4算法提升了1.62%。

基于视觉显著模型的织物起球等级评价

为实现织物起毛起球性能评价的客观性及准确性,提出一种基于视觉显著性的织物起球等级评价新算法。首先,利用局部特征显著机制—高斯金字塔分解实现毛球与织物纹理及光照不均等信息的分离,并采用中央-周边操作获得织物起球疵点显著图,再通过融合全局特征显著机制—谱残差提高织物起球疵点显著度;其次,采用平均结构相似度评价算法对织物起球显著图进行质量评估;最后,采用高斯拟合阈值分割得出织物起球兴趣图,从而提取起球特征参数进行等级评价。实验结果表明:该算法能够增强起球显著度,得到有效的起毛起球特征参数,实现1~5级织物起毛起球等级的准确评定。

新媒体背景下传统文化的传播研究——以传统文化类App为例

新媒体与传统文化的联袂,可以培厚文化土壤的养料,用有意义的文化涵养现代心灵。本文以传统文化类App为例,在大数据的基础上进行了传播力分析,从战略定位、结构体系、交互方式、价值体现等方面出发,以期在传统文化传承与现代化浪潮之间找到和谐共生之道。

基于虚拟现实的3D营销模式分析

阐述基于虚拟现实的3D营销模式,新型VR运用的发展,包括从各自为战到跨界融合、从原画复现到沉浸参与,虚拟现实技术与三维原画设计融合,从而提供更多生活便利。