巡线LiDAR多通道光谱图像异常识别技术（英文）

联合GPS、ISN、LiDAR、测距机等,构建超POS信息;计算最小视场分辨率、像元数、焦距等选择相机;将POS采集系统与相机组合成LiDAR多通道光谱图像异常识别系统.采用多通道匹配融合法融合紫、红外、彩色图片,基于Hough变换,通过同族容器归纳法确定疑似故障点.运用Hough变换、免疫遗传Snake、最小二乘法解析椭圆形貌,解决绝缘子异常识别问题.工程实验表明,该系统平均探测精度是82.4%,优于直升机与人工平均值24.05%,是一种高效率的智能电网巡线排查手段.

一种基于改进SKNet的晶体图像异常识别算法

晶体缺陷的研究在材料领域中十分重要,为此提出一种晶体异常图像检测方法。通过对晶体缺陷图像特点进行分析,以可选择卷积核网络(Selective Kernel Networks,SKNet)作为基础模型,同时对SKNet进行改进,以提高检测效果。一方面,为了避免通道权重信息的丢失,提高特征提取能力,采用高效通道注意力模块来替代SKNet中的压缩、激励模块;另一方面,为了提高对困难样本的分类效果,引入焦点损失替代交叉熵损失。实验结果表明:与参考算法相比,改进算法平均准确率提高了3.9%,异常图像精确率提高了1.5%,召回率提高了5.2%。

基于BP神经网络的图像异常辩识算法设计

为了解决经典图像异常辨识算法中图像辨识率不高、稳定性较差的问题,提出了一种改进算法。将先进的BP神经网络算法理论改进并引入到图像异常识别领域,用经过BP神经网络训练后的相关函数进行图像异常辨识,由于该算法充分考虑了图像像素的位置特征,并能根据图像内容进行自我学习,同传统采用灰度直方图进行辨识的算法相比,具有自适应、鲁棒性强的优点,可获得更高的辨识率。试验结果表明,同传统方法比较,该算法在稳定性和图像辨识率等方面都有明显提高。