基于高低阈值的脉冲神经元抗噪学习算法

脉冲神经元的动态阈值学习算法在训练神经元的过程中通过改变阈值的大小,可以有效提高神经元的抗噪能力。然而,动态阈值的使用又会降低神经元的学习精度,且在与基于梯度下降的学习算法结合使用时容易导致神经元沉默。基于此,提出了一种改进的基于梯度下降的高低阈值抗噪算法,使用高低阈值来避免神经元的学习精度损失,并在神经元沉默时使用虚拟激发脉冲来继续学习过程,同时使用动态的学习速率来降低高低阈值对学习周期的影响程度。实验结果表明,该算法可以显著提高神经元的抗噪能力,并且能够保证学习精度和收敛速度,适用于基于梯度下降的脉冲神经元学习算法。

基于改进Canny算子高低阈值选取的遥感图像边缘检测

针对传统Canny算子存在梯度算子简单、阈值选取缺乏自适应性等问题,提出一种改进的高低阈值选取算法。首先将卷积模版扩大到3×3,并对45°和135°方向上的权值进行优化;然后利用改进的Otsu法自适应地生成高低阈值;最后对局部阈值进行优化,从而完成对Canny算子的改进。实验结果表明,针对不同的影像,改进算法能自适应地生成符合局部特征的高低阈值,在纹理细节丰富和图像对比度较小的区域,能够在避免过多冗余信息的情况下最大限度地保留局部细节,改进后的方法能够为边缘提取提供参考。

基于数学形态学的包覆层表面缺陷检测方法

包覆层表面缺陷的检测是保证发动机装药质量的重要手段。针对采集的包覆层表面缺陷图像,利用数学形态学的顶帽与低帽变换相结合的方法进行了缺陷特征增强,采用高低阈值的方法实现了缺陷图像的分割,得到了二值化图像,并通过中心半径标定,得出了有效检测区域,计算出了缺陷的大小和位置,检测结果表明,该方法的位置检测精度小于0.4 mm,检测分辨率可达到Ф0.5 mm,尺寸检测精度小于0.2 mm。

基于物联网的分拣机器人故障检测系统设计

目前研究的分拣机器人故障检测系统检测准确性较低,导致检测结果误差较大、实时性较差;为此,基于物联网设计一种新的分拣机器人故障检测系统;选用滑轮式机器人载体设定分拣机器人,硬件部分采用Zigbee压力传感器采集机器人故障信息,利用XBEE模块负责数据传输,协调分拣中控机接收各个传感器采集的信息,通过STMP3550芯片实现控制器设计;通过信息标定、信息采集、特征提取、故障识别实现软件工作流程,应用非极大值最大类间方差法来筛选出最优的高低阈值解,得到连续但含有假边缘的故障信息图像边缘;将提取到的图像特征向量映射到类型空间之中,确定故障原因,完成故障识别;实验结果表明,所设计分拣机器人故障检测系统在6次检验中都准确地检测出故障原因,故障检测耗时平均值为3.27 min,能够有效提高检测准确性,加强检测结果的实时性。

基于改进Canny算法的边缘检测

在海洋浮游生物水母的检测过程中,要求准确地检测出海洋浮游生物水母的边缘特征,在此要求的基础上,提出基于改进Canny算法的边缘检测算子。该算法采用迭代的算法计算出分割的最佳高低阈值,改善了原始算法中需要人为设定阈值的缺陷;添加45°和135°方向的梯度模板来计算梯度幅值,进一步增强了Canny算子在提取图像边缘细节信息和抑制噪声方面的能力。实验表明,改进的算法可以得到较为完整、清晰的图像边缘轮廓,能更好提高边缘检测的精度和准确性。