抗稻瘟病基因pi5检测标签的设计及验证

稻瘟病是在世界范围内广泛分布的水稻真菌病害,控制该病的为害必须有效利用抗稻瘟病基因.抗病基因pi5包含2个独立遗传的NBS-LRR类基因Pi5-1和Pi5-2,为了解该基因的抗谱并使其在抗病育种中得以有效利用,本研究利用辽宁地区分离出的6群15个生理小种对携带该基因的单基因系接种,结果表明单基因系对其中12个生理小种表现中抗或抗病,只对其中3个小种表现中感或感病,这说明pi5抗病基因抗谱较宽,是一个可在辽宁地区广为使用的广谱抗稻瘟病基因.为了提高该基因的选择效率,使其在抗病品种选育中发挥更大的作用,本研究根据pi5-1和pi5-2的CDS序列设计特异性引物,并通过基因扩增和测序比对,获得了6对用于育种亲本材料或杂交后代抗稻瘟病基因型检测的标记,为携带pi5抗病基因育种材料的分子标记辅助育种提供了参考.

基于机器视觉的洗衣瓶标签位置合格性检测方法

随着机器视觉领域的飞速发展,基于机器视觉系统的标签检测已经有了很多研究成果。吴鹏飞等人在2018年采用ROI技术快速选定标签区域,通过计算最大轮廓的质心与方向特征实现了对标签的快速、精确定位检测[1]。刘鹏在2019年提出一种改进的均值滤波与冲击滤波相结合的滤波增强方法,使用OTSU阈值分割法结合区域生长法,确定标签位置[2]。王家寿在2021年提出一种基于关键点匹配的烟包标签错误检测算法,运用扩展特征、相似点簇聚类与对应关系评估等提高了标签关键点的配准率,判断标签是否偏移[3]。

医疗器械全生命周期监管下UDI标签检测探究

2019年8月26日,国家药品监督管理局(以下简称国家药监局)发布《医疗器械唯一标识系统规则》,旨在贯彻落实国务院办公厅关于印发《治理高值医用耗材改革方案》的通知和《医疗器械监督管理条例》,进一步加强医疗器械全生命周期的监督管理,创新监管模式。医疗器械唯一标识(Unique Device Identifier,UDI)是医疗器械产品的身份证号码,可实现全链条医疗器械通查通识,是加强全生命周期管理,提升监管效能的重要手段。

大规模RFID系统中一种能量有效的丢失标签快速检测算法

在基于主动式标签构建的RFID系统中,如何以能量有效的方式检测出丢失标签是一个重要的研究问题.针对多阅读器RFID系统,首次提出一种基于虚拟布鲁姆过滤器的丢失标签检测算法BMD,能够以较低的能量开销快速地检测出丢失标签.算法的核心思想是让标签在一个查询帧中对RFID阅读器进行多次回复,并基于回复信息构造若干"虚拟"布鲁姆过滤器来进行丢失标签检测.理论分析和仿真结果均表明了BMD算法的有效性.相比于传统的基于标签标识号收集的检测方法,BMD算法的能耗要低一个数量级,算法执行时间减少了最高达52%;相比于当前最好的单阅读器丢失标签检测算法IIP,BMD算法的能耗要低两个数量级以上,并且算法执行时间减少了最高达80%.

复杂光照下彩色圆形标签检测算法

针对复杂光照背景下彩色圆形标签的检测问题,提出了一种基于色彩信息和Hough变换的彩色圆形标签的检测算法。该算法采用对比度拉伸来增强图像,然后采用自适应Hough变换来定位场景中可能的圆形物体,目的是降低复杂背景对检测精度的影响。为了检测到各种光照变化下某一色彩的圆形标签,引入颜色不变量Grayworld Normalization模型来克服光照颜色变化的影响。为了评价该算法的有效性,对不同恶劣光照条件下的93幅图像进行了实验,其结果表明,该算法能有效精确地检测到指定色彩的圆形标签。

电子防盗标签检测系统Q值稳定性分析

该文针对电子防盗标签检测系统测定Q值出现不稳定的问题,提出了系统改进方案。首先从系统软、硬件角度提出影响系统Q值的3种因素。然后通过实验,发现滤波是影响Q值最大的因素,最后通过matlab仿真给出了滤波前后的对比,说明了利用滤波来改进系统的可行性。

饮料瓶标签360°全方位检测系统研究

目前,大多数PET材质饮料瓶通过套标机将标签套在灌装旋盖后的饮料瓶上,然后经过热缩炉时标签自动收缩到达指定位置。在套标热缩的过程中可能会出现多种缺陷,如无标、高标、低标、偏移标、接头标、标签倒置、标签面穿孔破洞、标签产生左右倾斜、颈标与正标位置偏移等。设计一款饮料瓶标签360°全方位检测系统,实现360°无盲区全方位检测,亦可实现对饮料瓶套标和贴标过程中各种缺陷的高准确率检测。

视频标签检测与识别

提出一种视频标签的检测与识别方法。根据视频长度,采用不同的策略获得抽样帧;对每个抽样帧计算候选标签;然后对所有候选标签进行一次中值滤波,确定标签边界;最后利用一种基于多帧联合分析的方法实现视频标签的二值化。对获得的二值化标签,在缩放到标准大小后,采用基于全图像匹配的方法进行识别。实验结果表明本文的方法能够很好的检测与提取视频标签,基于图像匹配的方法在对标签的识别上大大优于传统的OCR文字识别方法。

卷烟条盒自动防伪贴标机标签检测装置的设计应用

卷烟条盒自动防伪贴标机未安装有条盒标签检测,如果防伪标签在条盒上的粘贴位置不符合包装工艺要求,如条盒无标、贴标工位前多标、工位后多标、标签歪斜,则无法检测剔除,影响产品质量。为此,设计了卷烟条盒自动防伪贴标机标签检测装置。该装置包括:自动防伪贴标机、光电检测组、同步光电传感器、剔除传感器、剔除机构及控制单元;由所述光电检测组配合同步光电传感器实现条盒无标、贴标工位前或工位后多标、标签偏移及连条检测功能,并自动剔除不合格条盒。

基于MCS-51单片机的标签检测仪研制

瓶装液体产品的标签检验是生产的一道重要工序,开发研制采用自制电路、体积小、成本低的标签检测仪,代替人工方法,实现对瓶装液体产品标签的在线检测,对提高产品包装质量、减轻人员的劳动强度,具有重要意义。介绍了一种基于MCS-51单片机的标签检测仪的研制过程和方法,其主要关键技术在于抗干扰和数据处理及判断。

一种Android恶意软件多标签检测方法

针对Android恶意软件检测中多标签分类存在的困难,本文提出了一种Android恶意软件家族特征综合描述方法,针对不同的恶意软件家族,基于静态分析方法,从软件包特征、申请权限特征和软件的行为调用特征三个方面对软件进行描述;采用统计分析方法,提取恶意软件家族的特征,并给出了特征描绘方法,构造恶意软件家族特征库;并基于该特征库提出了软件恶意性检测方法.实验结果表明,这些特征能够较好的描述软件的特征,基于该特征的恶意软件检测与同类算法相比,能够在较低的时间开销下,保证较低的误报率和漏报率,达到较高的检测精度,同时能够给出恶意软件所属家族.

圆柱类药瓶标签智能视觉检测系统设计与研究

面向圆柱类药瓶外观与标签缺陷检测问题,设计了一种基于机器视觉的标签智能检测系统。通过四台工业相机两两呈90°分布的方式,分别采集不同视场角下的标签图像,在各自相机坐标系中完成标签图像的畸变校正和拼接,进而完成圆柱标签的全面表重建;通过提取的药瓶标签全表面图像与标准图像对比形成针对基于药瓶缺盖、生产日期和批次喷码缺失、药品标签缺失、药品标签倾斜等典型药瓶缺陷特征的样本库并分类,再借助深度学习的特征提取算法,从大量训练样本中自动学习到重点特征提取,从而实现了药瓶标签典型缺陷的智能分拣。

基于机器视觉的饮料瓶标签检测设备

在包装检测行业,产品的质量引起了广大消费者的关注。如何实现饮料瓶高效的全标签检测是饮料行业面临的重要问题。基于上述问题,研发了对饮料瓶标签进行检测的专用设备,其控制系统采用的是TM258LD42DT,主要特点是能够精细的检测缺陷(如饮料瓶上标签的高低、标签的破损、标签的折皱等现象),而且设备的检测效率高(其检测精度可达到4 mm×4 mm)。它是集机器视觉的标签检测、历史数据显示、异常情况报警和不合格瓶子的剔除等功能为一体,运用在高速自动化生产线上,代替了人工检测,提高了检测的效率和检测的质量,为开发性能更优越的机型提供基础。

低秩稀疏和改进SAM的高光谱图像误标签检测

为了解决基于监督学习的高光谱图像分类算法训练样本中存在的噪声标签会降低后续的分类精度的问题,采用了一种基于低秩稀疏表示和改进光谱角制图(SAM)的高光谱图像误标签检测算法。首先对高光谱图像中信号子空间进行预测,根据预测到的子空间对原始高光谱图像重构并去噪;然后通过基于归一化的光谱角制图算法来获取每一类样本间的距离信息,得到每类样本间的光谱相似度,并利用密度峰值聚类算法得到每个训练样本的局部密度;最后采用基于局部密度的决策函数对噪声标签进行检测,使用支持向量机在两个真实数据集上验证。结果表明,该算法比先进的层次结构的高光谱图像误标签检测算法提高了1.91%的总体精度。这一结果对高光谱图像分类是有帮助的。

RFID电子标签检测机设计

射频识别技术(RFID)是非接触式的自动识别技术的其中一种,而电子标签是RFID其中的一个组成部分,也有人将电子标签成为射频标签。本文对电子标签的现状进行了分析,并对电子标签检测机在设计上进行了软硬件设计概述和检测概述,以EAS电子商品防盗系统设计作为RFID电子标签检测机的设计样板,以期起到一定的参考价值。

基于笔画宽度特征和剪枝算法的自然场景标签检测

针对自然场景标签图像背景复杂、目标区域形式多样、色调单一、空间集中等问题,提出了一种基于笔画宽度特征和剪枝算法的自然场景标签检测方法。根据图像的特点,首先利用阈值法和启发式规则,初步筛选出字符候选区;然后通过设计的笔画宽度特征提取算法,获得每一个候选区的文本相似度,融合基于惩罚函数的剪枝算法实现背景区域的滤除,得到进一步分割后的标签检测区域;使用形态学处理和区域面积的细分割后,最终生成目标检测图像。多组对比实验检测结果表明,本文算法具有良好的目标检测效果和优异的普适性。

基于S7-200的扁平酒瓶标签检测控制系统

标签缺失严重影响产品在消费者心中的形象,因此当前企业面临着如何高效的检测标签问题。本文研究的基于S7-200的扁平酒瓶标签检测控制系统,集标签检测、历史数据显示、不合格瓶剔除、异常情况报警等功能于一体,实现了酒瓶标签的高速在线检测。该系统硬件简单,功能比较齐全,运行稳定可靠,较人工检测,提高的检测效率,保证了检测质量。

基于HALCON的标签模切缺陷的检测

针对标签模切的凸起缺陷,采用模板对比检测方法中存在的误报和漏报的问题,文章提出了利用图像形态学处理的方法和通过提取轮廓的方法对现有的视觉检测算子改进以提升检测效果。使用HALCON软件实现模板比对、形态学和提取亚像素轮廓的三种检测的方法,并进行误报、漏报和算子处理速度进行比较。通过样本标签测试结果说明,针对样本中的凸起缺陷,改进后的方法误报和漏报为0,正确率较高。此方法对于规则物体边缘凸起缺陷的检测有较高的参考价值。

基于Halcon的锂电池标签表面缺陷检测

针对现有的工业上的标签表面质量检测过程中存在的速度慢,精度低的问题,提出一种基于Halcon的工业标签表面的印刷图案的缺陷检测。其方法主要思想为差分思想即根据不同工业标签表面图案的区域特征进行Blob分析来定位,通过基于形状的模板匹配算法来快速查找目标区域,然后利用灰度值差影匹配算法进行缺陷检测。最后通过图像配准的方法检测缺陷的特征值,该检测方法得到的检测结果与实际存在的缺陷基本一致,而且大大提高了检测的速度和精度,达到了生产线上的质量要求。