基于视觉的工业机器人异常动作检测方法研究

工业机器人的突发故障引发的安全问题时有发生。传统的基于数据分析的故障诊断方法存在传感器数据易受干扰,机器人通讯协议不统一,监测系统嵌入在执行系统内部相互影响等问题。提出一种基于机器视觉的工业机器人故障动作检测方法。对工业机器人作业视频进行实时分析,采用图像分割技术分离工业机器人本体并采用图像哈希技术生成工业机器人姿态编码,结合序列模式分析技术检测工业机器人异常动作并进行预警。不依赖于工业机器人通讯协议,以非接触式的方式对工业机器人进行实时监控,具有易于部署和成本低的特点。基于自主构建的工业机器人仿真视频数据集进行了实验研究,结果表明提出的方法可准确识别工业机器人异常动作,精确率和召回率均为100%。

搬运机器人路径规划策略的研究

路径规划算法是搬运机器人系统结构研究中的一个重要部分,同时也是搬运机器人完成更高层操作任务的基础。其目的是使搬运机器人在已知障碍物的情景下,在AGV行驶过程中能够规避障碍物并寻求一条较为合理的路径。本文比较了3种算法的优劣性,确立基于Dijkstra最短路径算法和改进遗传算法来解决搬运机器人路径规划的问题。并在Matlab上进行数学建模与仿真测试,实验结果表明:利用改进的遗传算法收敛速度更快,对移动机器人的路径规划具有指导意义和应用价值。

半导体晶圆键合加压精确控制方法

晶圆键合质量受键合压力控制精度显著影响。对于本身有一定翘曲度的晶圆,容易在键合过程中产生非预期位移,造成键合工艺偏差,甚至碎片。因此,提出了一种基于模糊PID(比例-积分-微分)和RBF(Radial Basis Function)径向基函数神经网络算法的半导体晶圆键合压力控制方法。由于加入了模糊PID和深度学习算法控制,使得键合工艺过程响应更迅速,控制更精准,且安全性更高。采用铝样片进行加压试验,结果表明RBF神经网络模糊PID控制算法能够满足压力精度为±1%的控制需求。

融合视觉信息感知与虚拟现实的康复辅助系统

当前人工智能技术在康复领域大多用于严重运动障碍群体,而中国现阶段人口老龄化加剧,会导致轻型运动障碍人群的大量增加,亟需更加智能化的运动训练与康复系统.针对轻型运动损伤患者以及普通老年群体,本文提出了一种基于视觉的运动信号感知与虚拟现实的康复辅助系统,该系统通过实时推断人体骨骼模型,利用虚拟现实游戏与骨骼点运动进行交互,实现引导康复动作,最终对康复动作进行评价并给出交互界面提示.本文招募受试者参加实验,在闭环训练中受试者通过本文系统在虚拟康复游戏的引导反馈下复现标准康复动作,对比分析受试者实验结果,验证了所提出方法的有效性与可行性.

基于多传感器数据融合的机房火灾检测算法

针对机房传统单传感器报警系统存在漏报率高、准确率低等问题,提出了一种基于多传感器数据融合的机房火灾检测算法。该算法首先采用寻优能力强的麻雀搜索算法(SSA)优化极限学习机(ELM)的预测精度和准确度。其次通过SSA-ELM算法模型对机房内多传感器采集的温度、烟雾浓度、CO浓度进行特征层数据融合,输出各火情概率。最后利用模糊推理将输出的各火情概率和火灾持续时间在决策层中进行特征融合,决策出火情警报等级。仿真实验表明:本文算法能根据多传感器数据融合的结果并结合不同危险等级区域给出合理的警报决策,极大提高了机房火灾检测的灵活性和准确性。

非对称端到端的无监督图像去雨网络

现有的基于学习的单幅图像去雨网络大都关注雨天图像中雨痕对于视觉成像的影响,而忽略了雨天环境下由于空气中湿度的增加所产生的雾气对视觉成像的影响,因此造成去雨后图像的生成质量低、纹理细节信息模糊等问题。针对该问题,提出一种非对称端到端的无监督图像去雨网络模型,该模型主要包含雨雾去除网络、雨雾特征提取网络和雨雾生成网络,并由它们组成两个不同数据域映射转换模块:Rain-Clean-Rain和Clean-Rain-Clean。上述三个子网络构成并行的两条转换路径:去雨路径和雨雾特征提取路径。在雨雾特征提取路径上,提出一种基于全局和局部注意力机制的雨雾感知提取网络,利用雨雾特征存在的全局自相似性和局部差异性学习雨-雾相关特征;在去雨路径上,引入雨天图像退化模型和上述提取的雨雾相关特征作为先验知识以增强雨雾图像生成的能力,从而约束雨雾去除网络,提高它从雨天数据域到无雨数据域的映射转换能力。在不同雨天图像数据集上的实验结果表明,与较先进的去雨方法CycleDerain相比,在合成雨雾数据集HeavyRain上所提方法的峰值信噪比(PSNR)提升了31.55%,能适应不同的雨天场景,具有更好的泛化性,并且能更好地复原图像的细节和纹理信息。

基于多尺度特征融合的由粗到精点云形状补全

为了以由粗到精的方式实现点云形状补全,提出一个端到端的两阶段多尺度特征融合网络,其中的每个阶段都是由一个编码器-解码器构成.第1阶段中,首先利用点集抽取模块提取残缺点云的全局特征,在获取不同分辨率点特征的同时能关注更多的局部邻域特征,然后使用多层感知机作为解码器生成粗糙的点云骨架;第2阶段中,利用点云骨架和残缺点云提取多尺度局部特征,并通过注意力机制与第1阶段中的多尺度全局特征相互融合,使得每个点都包含全局和局部几何信息;最后将第2阶段中的全局特征和多尺度局部特征逐步进行上采样,并通过多层感知机生成精细的完整点云.采用倒角距离作为评价标准,在ShapeNet,MVP和Completion3D数据集上进行点云补全实验的结果表明,误差分别比基准网络降低17.1%,3.9%和13.9%,验证了所提网络的有效性.

用于奶油色素定量分析的注意力残差网络设计与验证

针对样品温度变化问题,由于近红外光谱对温度等物理条件变化十分敏感,以奶油中的靛蓝色素作为光谱定量分析数据,提出了一种变温注意力残差网络解决方案。变温注意力残差网络融合温度以及光谱特征,其主干结构使用并发空间和通道挤压和激励注意力机制对残差块处理后的特征进行整合增强。随后采用最大池化和随机丢弃层进行特征降维和模型正则化。将去掉注意力模块的网络与六种深度学习常用的回归分析网络对比,验证其在领域的高适用性。将变温注意力残差网络与6种网络中最佳模型的3种优化形式对比,验证其高性能。最后对模型调优,训练和测试损失差缩小至0.0005,决定系数和相对分析误差达到了最佳值0.9293和3.7031,表明该模型能在实践中对变温条件下的光谱定量分析。

导师制模式下大学生程序设计创新能力的提高

在互联网数字经济时代,社会对计算机人才的需求越来越迫切,特别是大学生程序设计创新能力已经成为检验计算机人才综合能力的重要内容之一。文章以提高大学生程序设计创新能力为研究目标,引入导师制教学模式,从目前计算机创新人才培养的现状入手,提出优化和改进导师制模式下大学生程序设计创新能力的对策和建议,对计算机创新人才的培养有较好的借鉴价值。

基于联邦分割学习的输电线路异物检测算法

异物入侵是导致输电线路故障的主要原因之一,但现有输电线路异物检测方法未能充分利用终端设备的计算能力,造成资源浪费与隐私数据泄露等问题。针对上述问题,提出了一种基于联邦分割学习的检测算法(FSLDA)。该算法结合联邦学习和分割学习,提高输电线路异物检测效率和终端设备数据安全性。FSLDA通过构建可分割的小型神经网络,将计算负载分散至不同设备,减轻终端设备的运算压力,同时确保训练数据的隐私安全得到有效保障。实验结果表明:与经典联邦学习相比,FSLDA在保持预测精度的同时,终端设备的训练时间和能源消耗分别减少了10%和20%。由此可知,FSLDA在提升输电线路异物检测效率和可靠性方面具备有效性,并有助于优化系统总体性能和保障终端数据隐私安全。

智能停车系统中消息中间件的设计与实现

为解决智能停车系统中停取车指令的跨平台接收问题以及保证指令接收的准确率,设计并实现了一种智能停车异步消息中间件(SCAMM)。SCAMM通过Java NIO事件驱动模型来实现异步通信,完成了对基于长度的自定义协议封装模块、基于双向通道、异步通信的消息管理模块和消息转发模块的实现,同时使用基于长度的协议解码器来处理消息的粘包、拆包问题。SCAMM具有良好的适配性,提供了基于Java的客户端以及基于C#的中控端。实验证明,对比其他开源消息中间件,SCAMM在智能停车系统的应用中能够明显提高指令接收的准确率,保证智能停车系统稳定高效的运行。

联合协方差矩阵重构和ADMM的鲁棒波束形成

为解决传统波束形成器在干扰位置发生扰动和导向矢量失配时,造成自适应权重的不匹配,从而导致算法性能急剧下降,甚至期望信号相消的问题,提出一种联合协方差矩阵重构和交替方向乘子法(Alternating direction method of multipliers,ADMM)的鲁棒波束形成方法。对此,首先基于波束形成器最大输出功率准则,设计了求解最优导向矢量的优化模型。接着,根据Capon算法空间功率谱函数,利用定义的干扰范围对协方差矩阵进行重构,以展宽零陷并增强系统抗运动干扰能力。最后,关于导向矢量的二次不等式约束问题,本质为估计导向矢量和期望导向矢量间的差异,该方法利用ADMM对该二次规划问题进行迭代求解,并在每次迭代中获得导向矢量的具体解。另外,也分析了算法的复杂度。实验结果表明:对比现有的波束形成算法,在干扰处加宽了零陷,提高了波束的抗干扰性;结合复杂度也证明了其计算速度优于现有的算法,并且能够很好地校正失配导向矢量。本方法也为求解二次不等式约束问题和提高波束形成算法性能提供了一种思路和途径。

基于像素差分卷积神经网络的类岩石裂缝检测方法

针对现有裂缝检测算法提取的局部梯度信息不足而导致裂缝识别精度低的问题,提出了一种基于像素差分的编码器-解码器U型结构的裂缝检测方法。使用由像素差分卷积块和残差块组成的PDCBlock作为网络的编码器,将两种不同方向上的像素邻域的差分值计算融合到卷积网络运算中,以充分获取裂缝语义信息的同时更好地捕获局部梯度信息,使得在背景复杂的情景下裂缝边缘识别更准确。在混凝土类岩石裂缝数据集CRACK500上对比了同类方法,实验结果表明:该方法在上述数据集上的平均交并比和Dsc分别为0.436 3、0.580 4,裂缝分割精度、相似性上均优于对比方法。

色噪声条件下基于矩阵补全的互质阵列DOA估计

针对扩展孔径的互质阵列在色噪声条件下波达方向(DOA)估计性能明显下降的问题,提出了一种基于压缩感知的互质阵列DOA估计方法。在背景噪声为色噪声的情况下,将互质阵列接收到的数据协方差矩阵重构为欠定无噪协方差矩阵,并使用Lp范数和截断核范数结合的算法对其进行低秩矩阵恢复,从而有效地抑制了色噪声对DOA估计的影响;此外,采用差分阵方法对去噪处理后的协方差矩阵进行矩阵扩展,使用交替投影算法对矩阵扩展后产生的空洞进行填补,提高DOA估计的精度。仿真实验表明:相比于现有方法,所提方法能有效地恢复数据矩阵并抑制色噪声影响,在信噪比和快拍数相同的情况下DOA估计性能分别提升了15%和7.5%,在角度间隔相同的情况下DOA分辨率也有所提升。

基于化学反应优化算法的边缘计算任务卸载策略

针对边缘计算环境中单用户多任务应用,通过分析服务缓存和任务执行过程,建立任务计算卸载系统模型,确定卸载目标,并将问题细化为服务缓存和任务卸载两个子问题,其中服务缓存问题被抽象为0-1背包问题,利用化学反应优化(CRO)算法得到其最优缓存策略;任务卸载问题转化为最优化问题,设计一种改进化学反应优化(ICRO)算法来得到其近似最优卸载决策。实验结果表明:ICRO算法比CRO算法的平均优化效果增强了5.0%左右,系统时延和设备能耗分别是极端情况下的33.3%、53.8%;无论服务器缓存空间是否充足,CRO算法总是能制定出合理的缓存方案,使服务缓存比例保持在一个合理的范围之内;ICRO算法比CRO算法的优化能力更强,它不仅可以明显降低系统总成本,还具有良好的全局搜索能力和可移植性,可以满足用户多样化需求,使用户获得更好的服务体验。

一种基于MLP的高效高精度三维视线估计方法

随着卷积神经网络(CNN)在计算机视觉领域的广泛应用,以及大量三维视线数据集的公开,基于表观和深度学习相结合的三维视线估计研究受到越来越多的关注。由于CNN结构复杂,这类方法在实时性要求较高的应用场景中还有待进一步改进。近来兴起的研究表明,网络结构更为简单的多层感知机(MLP)模型能够取得与当前最佳CNN、Transformer模型相当的性能。受此启发,提出了一种基于MLP的高效高精度三维视线估计方法,利用MLP模型对双眼、人脸图像提取特征,之后融合推导出三维视线。实验结果表明,对MPIIFaceGaze数据集和EyeDiap数据集中包含的31位不同相貌的受试者,使用提出的方法UM-Net进行视线估计,视线估计精度比肩基于CNN的,并且在视线估计速度上具有明显优势,在实时性要求较高的领域也有较好的应用前景。

非规范化中文地址的行政区划提取算法

由于互联网上中文地址的非规范化表达,导致互联网中的中文地址信息在地理位置服务中难以直接应用。针对此问题,提出一种非规范中文地址的行政区划提取算法。首先,对原始数据进行"路"特征词分组预处理;再利用行政区划字典和移动窗口最大匹配算法,从中文地址中提取所有可能的行政区划数据集;然后,利用中文地址行政区划元素之间具有层次关系的特点,建立行政区划条件集合运算规则,对获取的数据集进行集合运算;再利用行政区划匹配度建立一种行政区划集合解析规则,来计算行政区划可信度;最后,得到可信度最大信息量最完整的中文地址的行政区划。利用从互联网中提取的约25万条中文地址数据进行是否采用"路"特征词分组处理以及是否进行可信度计算处理,对算法的可用性进行了验证,并与目前的地址匹配技术进行对比,准确率达到93.51%。

基于语义分割的红外和可见光图像融合

红外图像即使在低光照条件下,也能根据热辐射的差异将目标与背景区分开来,而可见光图像具有高空间分辨率的纹理细节,此外,红外和可见光图像都含有相应的语义信息.因此,红外与可见光图像融合,需要既保留红外图像的辐射信息,也保留可见光图像的纹理细节,同时,也要反映出二者的语义信息.而语义分割可以将图像转换为带有语义的掩膜,提取源图像的语义信息.提出了一种基于语义分割的红外和可见光图像融合方法,能够克服现有融合方法不能针对性地提取不同区域特有信息的缺点.使用生成式对抗神经网络,并针对源图像的不同区域设计了2种不同的损失函数,以提高融合图像的质量.首先通过语义分割得到含有红外图像目标区域语义信息的掩模,并利用掩模将红外和可见光图像分割为红外图像目标区域、红外图像背景区域、可见光图像目标区域和可见光图像背景区域;然后对目标区域和背景区域分别采用不同的损失函数得到目标区域和背景区域的融合图像;最后将2幅融合图像结合起来得到最终融合图像.实验表明,融合结果目标区域对比度更高,背景区域纹理细节更丰富,提出的方法取得了较好的融合效果.

多尺度自适应配准的视频超分辨率算法

为了提升制约视频超分辨率重建质量的多帧配准精度,提出了一种基于图像块多尺度自适应配准的视频超分辨率算法.依据图像帧的块内容自适应选择配准尺度,运动边缘信息采用高精度配准,然后将运动向量补偿到多帧图像超分辨率重建代价函数中,利用最大后验概率算法迭代优化高分辨率视频帧.仿真表明:多尺度自适应配准算法不仅提高了配准精度,还提升了视频超分辨率重建图像帧的主客观质量,证明了多尺度自适应配准在视频超分辨率重建中的有效性.

基于Android的百度地图多功能实现

基于墨卡托投影法、A*算法等理论,调用百度地图应用程序接口(API)的SDKInitializer、Map View和Baidu Map三大核心类方法,设计出一套百度地图的方案.首先进行密钥申请和清单文件的配置,再自定义一个基类Base Activity,完成地图界面初始化、调用生命周期方法等预操作.在基类上进行地图多功能开发,实现了浏览地图、搜寻地点、路线规划、自我定位等应用.结果表明,多功能百度地图有较好的移植性、实用性,更加贴近用户,能够满足用户搜索、定位等基本功能的实际需求.