光纤光栅滑触感知和分类训练的材质识别方法

利用光纤布拉格光栅在触觉传感方面的高灵敏和柔韧性优势,进行了滑触感知和分类训练研究,实现了在线材质识别。通过理论分析,优化光纤光栅封装,搭建了光纤光栅滑触感知平台,并研究其上位机控制方法及材质在线识别分类算法,提取中心波长的均值最大差值、差值、极差特征作为三维特征,应用支持向量机算法进行分类训练。训练结果表明,在5、10、15 cm/s滑移的混合数据集下,对粗布、PLA、砂纸800目的分类准确度达96.6%。相较于其他特征分类法,具有更好的分类能力和适应不同滑移速度的优势。在5~15 cm/s随机滑速的36次(3类材质×3个样品×4次滑移)验证测试中正确识别了34次。研究成果可为智能感知机器人提供一种在线新颖的材质识别方法。

基于改进Transformer的布料材质识别方法研究

布料材质识别是一个极具挑战性的计算机视觉问题。针对传统识别方法存在的识别周期长、人为因素多、技术壁垒高以及有破坏性等缺点,提出了一种基于改进Transformer的布料材质识别方法,该方法利用输入的布料运动视频,通过布料运动的外观变化识别布料的材质类型。改进的Transformer模型由Transformer块和残差空间缩减块(Residual Spatial Reduction)组成,将Transformer块中的自注意力分解为时间自注意力和空间自注意力来减少计算量和运行时间,将两个残差空间缩减块添加进Transformer模型中来减少空间冗余信息和提高布料材质识别的准确率。此外,使用预训练的图像模型对视频模型初始化,可以在减少计算量的同时保持模型的高性能。在布料运动数据集上的实验结果表明,本文方法对12种不同布料材质视频的材质种类识别的准确率达到82.3%,相比其他方法,该方法的识别精度更高。

材质识别多功能触觉传感器

本文介绍一种材质识别多功能触觉传感器 ,它呈平面单一构造 ,但具有三种传感器功能。该传感器由制做在柔性绝缘薄板上的两只金属线圈构成 ,有 4个输入输出端子。当它作电感线圈使用时 ,呈感性功能 ,可以识别金属和半导体材料 ;当它看作一个平面状电容时 ,呈容性功能 ,可以识别绝缘材料 ;而当它用于控温电路时 ,该传感器呈温觉功能。由试做的传感器能识别一些典型的材料如铁、铝、铜、黄铜、橡胶、木材、有机玻璃和发泡塑料等。

EMD和LS-SVM相结合的高压水射流靶物材质识别方法研究

为了利用靶物反射声有效识别靶物材质,提出了一种新的基于经验模态分解(EMD)和最小二乘支持向量机(LSSVM)相结合的靶物材质识别方法。首先应用模极大值算法识别靶物边界点,提取边界点内的反射声信号进行小波降噪预处理,对预处理后的信号进行EMD分解,并计算获得各个本证模态(IMF)分量的短时能量比,作为对应不同靶物材质的特征值输入到利用LS-SVM建立的多分类模型。介绍了上述方法的基本原理,设计了试验装置和靶物材质识别影响因素分析试验方案。实验结果表明:靶物的内部结构和外形大小因素对靶物材质识别率影响小,利用上述方法进行的四种靶物材质探测,平均识别率达到85.83%,比BP神经网络提高了18.83%,且运算速度也得以提高,因此该方法可以用于靶物材质的识别。

径向基函数神经网络在超宽带探地雷达目标材质识别中的应用

基于探地雷达回波信号进行处理以识别地下埋设的目标,始终是困扰雷达应用的关键,根据数据时间轴截断抑制直达波,利用宽相关处理进行信号滤波和典型数据自动提取,提高回波信号的信噪比.针对提取的典型道数据运用Welch功率谱处理,得到的特征数据归一化处理后作为径向基函数神经网络的输入,实现对地下埋设目标材质的自动识别与分类.在此基础上,分析了不同截断点对目标材质识别结果的影响.实测数据处理表明,本方法可以有效地实现对Fe、Al与土壤的识别和分类.

虚拟环境热触觉的显示装置与材质识别实验

基于半无限体模型,研究了热触觉感知的机理.设计了热触觉显示装置,通过控制半导体制冷器的温度变化来实现热触觉显示.该装置的控温范围为-10～60℃,温度分辨率和精度分别为0.02和0.1℃,升温或降温速率大于10℃/s.定制了柔性镍金属薄片式温度传感器,尺寸为8 mm×20 mm×0.6 mm,时间常数τ<0.15 s.检测了手指与物体接触面处手指皮肤的实时温度变化,并基于此温度变化控制热触觉显示装置,使热触觉接触面的温度变化无限逼近真实热触觉的手指皮肤的温度变化,从而复现人手指触摸真实物体的热触觉.开展了虚拟环境材质识别实验,材质识别正确率在70%以上.实验结果表明,该热触觉显示装置和热触觉复现方法能够复现真实的热触觉,有很强的真实感和沉浸感.

油管材质识别软件的开发

为了从根本上解决油管的不合理混用等问题,提出了基于模糊识别模式的油管材质识别方法,并进行了油管材质识别的试验研究。通过对材质识别试验数据分析,开发出油田普遍使用N80和J55这2种油管材质的识别软件。应用该软件对N80和J55油管各50根的试验结果表明,识别率达98%。该软件具有操作简便、功能齐全、界面友好和识别精度高等特点。

用于材质识别的热觉传感器

本文提出一种用于材质识别的新型传感器。文中描述了该传感器的数学模型、设计、制造以及实验。传感器的数学模型可用来分析传感器的输出和决定未知材料的热性质。数学分析和实验结果证明了该传感器及模型的有效性。

温度触觉传感器的材质识别仿真研究

采用温度触觉传感器对材质进行识别研究,介绍了一种基于热传导原理的材质识别方法,利用ANSYS软件对温度触觉传感器在不同温度差、不同基板材料和不同被测物体材料不同情形下的热传导进行了仿真实验。仿真结果表明:温度触觉传感器可用于识别吸热系数偏低的材料,接触温度可作为材质识别的一个重要判据。

基于蝙蝠回波定位模型的材质识别方法研究

在蝙蝠的回波定位和目标识别模型的基础上完成了目标材质识别的工作。利用超声换能器发射超声脉冲,接收回波信号并对其进行处理;分别提取了时域包络、功率谱和短时傅里叶(STFT)系数作为BP(Back-Propagation)网络分类器的输入特征向量;完成了对纸板、泡沫板和木板的识别工作。实验结果表明识别正确率最高达到近90%。

基于级联宽度学习的多模态材质识别

材质识别在机器人与周围环境的相互作用中起着至关重要的作用,视觉、触觉和听觉模式可以提供不同材质的不同特性,如何利用不同模态的信号快速、高效地完成材质识别任务是亟待解决的问题。并且在现实应用中,传感器收集的数据量不大,无法为深度神经网络提供足够的数据进行学习训练。为此,本文将级联宽度学习这种泛化性能好的算法应用在小样本的材质识别任务上。首先,将两组同构多模态数据进行特征融合,之后使用级联特征节点的宽度学习进行特征学习,最终得到材质分类结果。最后,针对公开数据开展实验评估。结果表明,本文提出的方法与其他算法相比,在完成材质识别任务的同时,降低了训练时间,提高了分类性能。

J55和N80油管材质识别试验研究

不同材质油管在采油生产中混杂使用会导致井下事故甚至停产,给油田带来巨大的经济损失,因此需进行油管材质识别研究。基于涡流检测原理,采用高灵敏度传感器对J55和N80这2种材质油管进行识别试验,检测2种材质油管在相同激励条件下电涡流磁场强度的差异,然后采用模式识别方法,建立基于检测数据的油管材质识别模型。由试验结果得出2种材质油管感应涡流强度差别比较大,能够比较准确地区分2种材质。对100根J55和N80材质油管进行验证性检测,判别准确率为98%,满足现场使用要求。

基于电感式传感器的金属颗粒材质识别及粒径估计

传统的电感式颗粒传感器输出的是电感或电压幅值的脉冲信号,本质为标量信号。可通过脉冲信号的正负性区分金属颗粒是磁性或非磁性,且只能在已知颗粒材质的情况下估计颗粒的粒径。但在含有多种金属颗粒的油液中,基于标量信号的颗粒识别方法将失效。为此,本文采用了一种双锁相放大电路,将颗粒产生的复数域信号转化为一对直流信号。提出一种基于模糊隶属度函数的信号处理方法,实现了在噪音干扰下多种颗粒的材质识别和粒径估计。本文搭建了三线圈传感器实验系统。利用五种金属颗粒构建了隶属度函数,并进行系统标定。最后选取两种颗粒对标定后的系统进行了验证。结果表明系统对颗粒材质的识别准确,粒径估计误差小于2%。

基于增强动态稠密轨迹特征的布料材质识别

为了克服基于视频的布料材质识别中由于忽略了动态因素的影响导致材质识别准确率低的难点,利用布料仿真视频库,提出一种基于增强动态稠密轨迹特征的布料材质识别方法以有效识别布料的材质属性信息.首先利用材质合成方法构造64种不同材质的布料仿真视频数据库;然后利用构造的布料动态视频库,通过迁移预训练的VGG网络增强布料动态视频的各帧特征信息,并消除部分非动态特征;其次利用动态稠密轨迹特征描述布料视频的动态特征,以充分捕捉不同布料材质视频的动态信息;最后通过Fisher向量编码生成布料动态信息的特征数据库,并训练SVM分类器建立布料材质视频动态信息到材质属性参数的映射.利用构建的布料仿真视频库作为数据集进行实验的结果表明,该方法对64种不同布料材质视频的材质种类识别准确率达到73.83%.

基于磁敏探头的油管材质识别

油管原有标记的丢失导致不同级别可再用油管的混杂,因而造成巨大的经济损失和安全隐患。基于涡流检测方法,采用磁敏探头,对油田大量使用的J55和N80型再用油管开展材质识别试验。结果表明,响应电压大小受到提离、磁敏探头方向和激励频率等的影响。在磁敏探头与油管方向垂直时,施加100~260 Hz正弦激励频率的电流,两种油管的响应电压具有较好的线性关系;在150 Hz激励频率下,两种油管的响应电压差别明显,现场识别准确率高于97%。

基于材质识别的饮料瓶自动分类回收装置设计

对废旧饮料瓶进行合理的回收,既节约资源,又保护环境,针对目前饮料瓶回收中主要靠人工回收、分拣,存在回收效率低、易造成二次污染等问题,结合基于条码识别的自动回收机存在的缺陷,设计一种基于材质识别的饮料瓶自动回收、分类装置,装置可自动检测、区分金属易拉罐、塑料饮料瓶,经称重、挤压等预处理后分区存储,根据饮料瓶个数和种类积分,积分满额后返利给投送人。自动回收装置的推广可降低回收成本、提高回收效率,促进能源的可再生利用。

光纤光栅柔性触觉传感器的材质识别功能研究

针对目前应用于电子皮肤的触觉传感器不能兼具柔韧性和多模态信息感知等问题,对封装于同一柔性聚合物传感单元中的两根光纤光栅触觉传感器的材质识别功能进行了有限元仿真和实验研究。首先,推导了光纤光栅触觉传感原理和基于热传递的接触物体材质识别机理;然后,对封装材料和接触物体进行了热力学仿真分析;最后,搭建了实验系统平台,对光纤光栅柔性触觉传感器进行了材质识别实验研究。仿真和实验结果表明,当接触物体为70℃的铝、铁、塑料等材质时,由于热传递引起的光纤光栅温度传感器中心波长漂移最大值分别为:Δλ_(B1)=0.5889 nm、Δλ_(B2)=0.2773 nm和Δλ_(B3)=0.1692 nm,且在接触的前10 s内中心波长漂移随时间变化率分别为k_(1)=31 pm/s、k_(2)=19 pm/s和k_(3)=6 pm/s。扩展光纤光栅触滑觉传感器的接触物体材质识别功能,可实现电子皮肤更多模态信息的感知,具有一定的应用价值。

基于颜色特征提取的磨粒材质识别

在机械设备磨损过程中,不同材质摩擦副磨损产生的磨粒颜色各不相同,通过研究磨粒颜色可以判断发生磨损的材质及磨损产生机制,进一步判断出磨损或故障所发生的部位。采用典型材质磨粒颜色标准库,构建基于磨粒颜色模糊辨识的材料判断方法,利用K-Means聚类算法和基于欧氏距离的最小距离分类法实现磨粒颜色提取及典型材质的自动识别,为机器设备磨损故障监测中的机制分析及磨损部位判定提供了新方法。

参数优化GBDT算法的密封继电器材质识别

传统多余物微粒材质识别算法在判断金属和非金属微粒时,误判现象比较严重。本文将参数优化的梯度提升决策树算法(Gradient boosting decision tree,GBDT)应用于多余物材质识别。特征选择方面,在原有的脉冲面积、脉冲左右对称度、脉冲上下对称度、脉冲持续时间、脉冲上升占比、能量密度、脉冲占比、波峰系数、面积占比、频谱质心、均方频率、方差、过零点率和均方根差14个特征基础上,利用小波变换提取出了能量系数作为新的特征值,并建立新的样本特征集。然后结合机器学习方法训练得到基于GBDT多余物材质识别模型。为了使分类器性能达到最优,对其进行超参数调优。采用贝叶斯优化库中的分布式异步超参数优化模块(Hyperopt),并结合树形窗密度评估器(Parzen)可以获得模型的最佳优化参数。经过与K近邻(K-nearest neighbor classification,KNN)和支持向量机分类模型(Support vector machine,SVM)进行对比,结果表明,采用参数优化的GBDT算法对金属和非金属微粒具有很好的识别效果,能够有效提高其分类性能。

基于多域联合特征的密封继电器多余物材质识别

提出了一种基于多域联合特征的密封继电器多余物材质识别方法,利用声音转图像技术,将一维的多余物声音信号转换为二维的图像信号,从多余物信号生成的声谱图中提取纹理特征。结合时域和频域提取能量密度、左右对称程度和波峰系数等特征组成联合特征向量,采用随机森林算法进行模型训练和分类识别。结果表明,本方法对金属和非金属的识别准确度可提高至90%,具体材质的综合识别准确度达到78%,高于目前检测系统的准确率。