基于多源域适应JYPLS迁移的间歇过程质量预测

针对间歇过程数据不足,单源域迁移存在模型偏移,跨域信息损失导致建模效果不佳、负迁移等问题,结合域适应学习和多源域学习方法的优势,提出一种基于多源域适应联合Y偏最小二乘(joint-Y partial least squares,JYPLS)迁移的间歇过程质量预测方法。该方法通过迁移学习使用相似旧过程的数据辅助新过程建模,提高建模效率和模型预测精度;采用多源域适应的方式,通过引入多个源域,有效避免了负迁移;基于域适应思想减少源域和目标域之间的边缘概率分布差异,使得源域知识在目标域更好地泛化。最后,通过青霉素发酵过程的仿真案例验证了所提方法的有效性。

基于体积扫描容重法的社区垃圾分类系统研究

目的响应国家垃圾分类政策,通过设计社区生活垃圾分类设备检测系统,提高分类正确率,改善“混投乱投”的现状,从源头提高城市垃圾分类投递的准确性。方法结合现有针对垃圾容重区间划分方法和多种评价标准,总结归纳各类垃圾的容重阈值划分区间,并将其作为垃圾分类的判断方法。设计体积检测模块,利用激光测距传感器点阵获得待测物切片遮挡图和截面积,并计算待测物体积,结合称重传感器计算待测物容重,并依据容重区间对待测物进行分类判断。结果根据容重阈值分类标准,对多种随机样本进行检测。绝大多数可回收物和厨余垃圾的容重检测值在各分类的容重阈值内,可以被正确分类;其余样本在混合垃圾容重阈值内,符合边界条件设定和模糊垃圾的样本按其他垃圾标准处理的分选原则,检测结果符合分类要求。结论基于体积扫描检测容重的社区生活垃圾分类系统可以满足居民前端投递环节中对生活垃圾分类检测的需求,有助于提高源头分类的准确性,能有效推进我国垃圾分类和再生资源利用工作的发展。

包裹智能分拣系统分拣路径动态规划方法

为了提升包裹智能分拣系统的效率,设计一种包裹定向分拣路径动态规划方法。介绍一种新型包裹智能分拣系统的结构和工作原理;针对包裹智能分拣系统的特点,构建包裹定向分拣路径动态规划数学模型,并设计对应的规划算法;开发包裹智能分拣系统仿真平台,以验证包裹定向分拣路径动态规划方法效果。仿真结果表明:所设计的包裹定向分拣路径动态规划方法能够显著减少包裹平均分拣时间,从而提升包裹智能分拣系统的效率。

基于机器视觉的强漫反射圆状工件直径测量方法

针对圆状物体表面存在强漫反射导致的图像成像质量不佳,进而影响直径测量的问题,基于γ非线性灰度变换法,设计了该类物体的直径测量方法。首先,分析了摄像机畸变产生的原因和对直径测量的影响,给出了消除畸变的方法。然后,通过γ变换等图像处理方法提高了被测物体与背景的对比度,并提取了被测物体的轮廓。最后,应用非线性最小二乘法对圆进行拟合,求出被测物体的直径。实验结果表明:该方法测量误差在0.1 mm以内,运行稳定。

电梯维保质量评价研究进展与趋势分析

目的:概述了电梯维保及其质量评价领域的研究历程与研究热点,并对未来的研究发展方向进行预测与展望。方法:使用文献计量分析法,首先综述了电梯维保领域的研究现状,从发展趋势、出版刊物、热点词分布等方向进行分析,梳理电梯维保领域发展历程,并归纳总结电梯维保领域的研究热点。其次,从电梯维保质量评价的定义与对象出发,对电梯维保质量评价领域的指标与评价方法进行分析。最后,系统总结电梯维保质量评价研究现状与面临的挑战,并预测了电梯维保质量评价未来的发展方向。结果:物联网结合数据驱动算法可广泛适用于电梯维保与其质量评价预测领域。结论:物联网、数据驱动算法已经成为电梯维保及其质量评价预测领域的重要方法。

基于Hough-Harris的消音壁顶点检测

在消音壁领域中,消音壁的顶点检测是后续对消音壁毁伤评估、三维重建等任务的关键,检测出的顶点准确率直接影响后续任务的精确度。为提高检测出消音壁顶点的准确率,提出一种基于Hough-Harris的消音壁顶点检测算法。首先,使用Hough算法检测出的角点作为基点;然后,利用Harris检测出消音壁边框上的角点,选取以基点步长为10个像素的领域内角点作为样本点;最后,建立回归模型,利用高斯提出的最小二乘法求出最小误差,预测出消音壁顶点坐标。实验结果表明,本文算法预测顶点坐标与真实顶点坐标偏差量都小于Hough算法和Harris算法检测出的角点,IoU评估指标高达98%以上,高于Hough算法和Harris算法的IoU指标。

人工智能在果蔬预处理中的应用研究

在人工智能和云计算、大数据、物联网等现代科技如火如荼地发展的形势下,对具有劳动密集型和生产线制造特点的果蔬预处理进行改进,建立智能制造总体框架模型,举例部分设备的具体应用并提出了一种智能的重量和质量分拣装置和一种智能的无人清洗设备的设想。通过分析比较,应用人工智能后在自动化程度、效率、缩短周期和提高质量等方面均有显著的进步。

基于压缩激励模块的工业产品缺陷分类算法

针对传统的工业产品表面缺陷检测技术检测效率低下、检测速度慢等问题,在以前工作的基础上,提出了基于压缩激励模块的工业产品缺陷分类算法。主要是在原有的并行模块与并行非对称卷积模块基础上增加了压缩和激励机制,通过显式的建模特征通道之间的相互依赖关系来提升网络的表征能力。在偏光片图像数据集上的实验结果表明,在不大量增加模型占用内存大小以及单张图片测试时间的基础上,显著提高了缺陷分类的正确率。

基于机器视觉的一种改进铁轨表面缺陷检测方法

由于机器视觉对铁轨表面进行缺陷检测时,其检测的缺陷大小远超过实际缺陷大小,为提高检测缺陷大小的精准性,提出基于机器视觉的一种改进铁轨表面缺陷检测方法。首先,提出一种基于边缘灰度值水平投影最大值的轨道边缘提取算法,在经过边缘检测后的图像中定位出轨道的真正边缘;然后,利用自适应降噪双边滤波保留缺陷边缘,针对性去除轨道表面噪声,避免了图像分割后需要进行形态学处理而造成的缺陷损失;最后,基于Otsu阈值分割引入背景加权,使分割的缺陷更接近实际缺陷。实验结果表明,低于50个像素的缺陷部分准确率和召回率分别达到:99.64%和100.00%,高于50个像素的缺陷部分准确率和召回率分别达到:97.89%和99.58%.

甘肃道地中药黄芪饮片质量等级分类算法研究

中药数字化是中药质量控制的发展趋势,而中药的质量等级分类是其中的重要环节.针对中药饮片质量等级鉴定自动化问题,将传统特征及遗传算法有机融合用于黄芪饮片质量等级分类.选取甘肃道地药材黄芪饮片,对其图像进行增强、归一化、空间转换等预处理,并融合颜色及纹理特征,将提取的8个颜色及纹理特征作为等级分类的特征向量,进而采用线性分类器通过特征向量的线性组合来对黄芪饮片的质量等级进行分类,通过遗传算法获取8种特征的最优权重系数以及不同等级的最优区间.研究结果表明,算法得到的优化参数具有较高的识别率及可行性.该结论有助于中药直观鉴别的科学定量化以及中药饮片的质量等级鉴定客观化.

基于计算机视觉和声学响应信息融合的鸡蛋裂纹检测

为了提高对鸡蛋裂纹识别的准确性,建立利用计算机视觉和声学响应信息融合技术检测鸡蛋裂纹的系统,首先采集和分析鸡蛋被敲击后的声音信号,提取了4个特征频率、偏斜度平均值和崤度平均值共6个特征参数,作为人工神经网络的输入量,创建了结构为6-15-1的3层BP神经网络模型判别鸡蛋裂纹。其次,利用计算机视觉系统获取鸡蛋表面图像,提取了区域面积、圆形度、区域长径、短径和长短径之比共5个特征参数,作为BP人工神经网络的输入量,创建了结构为5-10-1的3层BP神经网络模型识别鸡蛋裂纹。最后,根据计算机视觉与声学响应技术检测鸡蛋裂纹结果的差异,融合二者的信息进行最终判断。结果表明:单独利用声学响应技术对裂纹鸡蛋判别准确率达92%,计算机视觉对裂纹鸡蛋的判别准确率只有68%。而将2种技术进行信息融合,对裂纹鸡蛋判别准确率可达98%,优于单一技术,能够发挥计算机视觉技术和声学技术检测的优势,充分保证鸡蛋的质量和安全。

利用敲击声音信号进行禽蛋破损检测和模糊识别

为了在蛋品加工中能够快速检测并剔除异常蛋(钢壳蛋、尖嘴蛋)和破损蛋,利用一个微型话筒和声卡采集蛋在敲击时的声脉冲信号,将采集到的声脉冲信号送计算机处理和分析。研究结果表明:正常蛋、破损蛋、钢壳蛋、尖嘴蛋的敲击声音信号在衰竭时间、最小共振峰频率和四点最大频率差等参数上存在差异,且差异的边界是模糊的。利用最大隶属度原则进行模糊识别,破损蛋的识别准确率达95%。

基于泡沫纹理信度分配SVM的矿物浮选工况识别

针对矿物浮选过程中泡沫纹理各向异性、纹理特征信度差异以及类间样本数分布不均等问题,提出一种浮选工况的自动识别方法。首先基于多角度融合的空间灰度共生矩阵计算角二阶矩、熵、惯性矩、逆差矩和相关性等二阶统计量描述泡沫纹理特征,然后引入信息熵的概念,以二阶统计量的信息增益分配各种纹理特征对分类器的信度,再通过类间样本数加权策略消除样本分布的不平衡性,最后实现了一对一加权支持向量机的浮选工况识别。工业现场泡沫图像测试结果表明,该方法能够有效降低小样本的错分率,提高整体识别率。

基于拟脑智能系统的烤烟烟叶分级研究

对烟叶进行检测与分级是控制烟叶质量的重要手段之一。研究烟叶质量的合理表征参数及其自动提取方法,以及烟叶辅助分级系统,是迫切需要解决的问题。应用人工智能方法和计算机技术进行烤烟烟叶自动分级,提出一种借鉴生物脑信息处理结构的烤烟烟叶智能分级系统。该系统由思维模型、感觉模型和行为模型3个子系统构成,分别模拟分级专家的思维智能、感知智能和行为智能,具有学习与记忆、判断与模糊推理、分级决策等多种思维功能,以及图像自动采集、上下位机通信等协调与控制功能。应用该系统进行烟叶分级试验的结果与分级专家分级结果的平均一致率可达到85%,与人工分级水平相当。

基于泡沫图像特征加权SVM的浮选工况识别

针对浮选泡沫视觉特征的多样性和重要度差异以及浮选工况样本数分布不平衡等问题,提出一种基于在线泡沫视觉表观特征加权支持向量机的浮选工况识别方法.通过色彩空间变换,在CIE-Lab空间计算泡沫颜色,采用多方向融合的空间灰度共生矩阵提取泡沫纹理特征,以视觉特征的信息增益评价该特征的重要度,再利用不同工况的样本数加权策略消除样本数不平衡的影响,采用支持向量机方法实现了浮选工况的自动识别.工业运行数据测试结果表明:该方法能够在线识别浮选工况,自动识别准确率达98%,比人工识别率高6%,比传统灰度共生矩阵方法高2%.

基于射频识别中间件的粮食质量安全追溯系统

为建立快速、全面、精确的粮食质量安全追溯信息系统,研究了射频识别(RFID)中间件技术应用在粮食质量追溯中的业务流程及使用方式,结合江苏省粮食流通特点完成了基于射频识别中间件技术的粮食供应链的系统流程分析,进而确定了符合粮食质量安全中间件的软硬件配置。在此基础上采用结构化设计方法(SM)进行粮食质量安全追溯RFID中间件应用体系的系统架构。最后分别应用VC++方法和AutoRunner工具对系统进行集成和测试。单标签和动态应用测试结果表明:系统识别准确率、识读工作周期和系统连续正常运行时间分别达到95.3%、8.6s和1000h。该系统具有应用于粮食质量安全追溯的前景。

面向参数测量的改进分水岭浮选泡沫图像分割方法

矿物浮选过程中泡沫参数与工况密切相关,针对泡沫中特殊区域(透明窗、黑洞和泡沫间光亮带)的存在而导致参数难以测量的问题,提出了一种基于局部纹理特征和自适应形态学的改进分水岭分割方法。首先针对现场光照不均,采用自适应多尺度Retinex算法进行图像增强。然后使用快速自适应阈值法提取高亮区和暗区,并结合先验空间关系实现透明窗标定;基于LBPV纹理算子实现暗区的区域生长以标定黑洞和识别泡沫间光亮带,进而完成对特殊区域的处理并获得透明窗和黑洞指数。最后采用自适应形态学获得多尺度梯度图像和标记点,使用改进的分水岭算法完成泡沫图像的分割。结果表明,该方法能够更准确的处理含特殊区域的粘连不均匀泡沫图像,对不同工况下泡沫参数测量有更好的鲁棒性,浮选优良工况率提高了5%。

基于图像识别的黄粒米自动检测研究

针对现行稻米质量评定中黄粒米指标的检测方法采用人工方式完成,在市场交易中,很难得到有效准确地执行的问题,研究开发了一套稻米品质评价系统。该系统根据RGB色度学原理,利用计算机图像识别技术,可以对稻米中的黄粒米进行自动检测。在对群体米样的色度值分布进行试验研究的基础上,确定了从样品中进行黄粒米分割的最佳色度阈值。本系统可计算黄粒米的粒数及黄粒米粒率。研究结果表明,利用图像处理技术自动识别黄粒米是行之有效的方法。

采用改进遗传算法提取大豆叶片病斑图像

为了实现大豆叶斑病病斑区域的提取与特征计算,综合运用计算机数字图像处理技术与遗传算法进行大豆病斑提取研究。首先通过计算机视觉技术采集大豆病叶图像;其次,采用遗传算法完成了对病斑区域的提取;最后,运用数字图像处理技术完成了对病斑区域相关特征值的计算。试验结果表明,所提出的方法能够有效地提取出大豆病斑图像区域,并计算出相关特征值,为将来病种的识别和诊断奠定先期基础。

基于多方位视觉的果实形状特征的提取研究

针对传统瓜果分级中捕捉单幅果实图像来分析果实特征时信息较少的缺陷,提出了一种基于多方位视觉系统的果实形状特征提取算法。同步采集3个方向的果实图像信息,经OHTA空间上的图像分割和改进的BLOB算法去噪声等处理后,分别给出果实的多方位的图像特征信息。运用统计学原理,设计了线性分类器,对3个方向的图像特征信息进行了互补性融合,得出分级判别准则。利用开发的智能瓜果精选分级试验样机,验证了该算法的有效性,试验结果证明识别成功率达到97%,达到了实用的要求。