新工科背景下基于CDIO的嵌入式系统的工程教育改革与实践

为了适应新工科背景下嵌入式系统人才的培养需求,对嵌入式系统课程教学进行综合改革,针对嵌入式系统课程在传统教学中存在的问题,引入CDIO教学理念,并根据CDIO的教学理念,以培养工程型人才为目标,以项目化的教学内容为主体,在教学中采用混合教学模式,重新组织教学内容,改进实践教学内容,强化学生实习实训,提高学生的工程应用能力,培养学生的团队协作能力,并建立工程化的考核方式,从而全面提高学生的工程实践能力。经过近年来的教学实践表明,该教学模式不仅能够提高学生的学习能动性、积极性、创新型和应用能力,而且对其他课程的教学改革也具有一定的参考价值。

基于YOLO2和ResNet算法的监控视频中的人脸检测与识别

针对监控环境下的人脸识别比较问题,提出一套基于深度学习的检测识别方法,利用YOLO2算法和Res Net算法完成监控视频中的人脸监测和识别。检测部分采用速度较快的YOLO2算法,识别部分采用准确率较高的Res Net算法。利用WIDER FACE人脸检测数据库和CASIA_Webface数据库做验证性实验,实验结果表明:系统整体的实时性和准确率均可满足实际工程应用需要。

基于改进的Faster-RCNN模型的汽车轮毂表面缺陷在线检测算法研究

目的通过构建轮毂在线生产视觉检测系统,预测轮毂生产过程中轮毂表面的缺陷。方法根据轮毂表面缺陷的定义和评价标准,给出了轮毂表面缺陷的计算模型,采用了改进型的Faster-RCNN目标检测算法,引入了深度生成式对抗网络,消除图像的模糊性,再利用清晰的轮毂表面图像进行模型训练,结合领域专家的判别标准,优化网络参数,构建轮毂表面缺陷检测模型。利用深度学习Pytorch框架,在NVIDIA Tesla P100图像加速卡上进行模型训练,并对模型结果进行对比性实验分析,找出最优的预测模型。结果在基础网络部分,采用残差模型ResNet101网络比采用VGG16模型的准确率提高了24%。在目标检测网络模型中引入了多通道特征融合模块,准确率提升了2%。再引入FPN金字塔模型,融入低级和高级语义信息,使得输出的多尺度的预测特征图谱效果更好。最后把残差网络的ROI-Pooling算法改为ROI-Align算法,准确率提高了5%。通过对网络模型的不断改进和优化,轮毂表面缺陷的识别率不断提高。结论利用改进型的Faster-RCNN网络能够识别出轮毂表面缺陷的种类和位置,满足生产环境的要求,具有一定的工程应用价值。

手指静脉识别系统矩形阵列光源特性分析及优化设计

手指静脉图像质量的高低直接影响手指静脉的识别效率。针对单个近红外LED的光照均匀度相对较差,如何利用多个近红外LED构造一个高质量的光源进行了研究。讨论了矩形阵列光源的结构、空间、形状等参数对静脉图像影响,利用斯派罗法则对各种参数极值找出最优解,再结合手指个体的差异和指型特性,设计照度面为25 mm×25 mm矩形光源阵列。通过对比实验,利用最优参数设计的阵列光源,能够采集到高质量的手指静脉图像,为手指静脉采集设备光源设计提供参考,同时为后续的手指静脉图像的识别打下基础。

机器视觉中的激光智能识别技术

机器视觉在当代社会的应用极广,针对曾经提出的机器视觉智能识别方法计算代价过大、稳定性不强等缺点,基于激光图像色彩度高、清晰度好的特点,提出基于激光图像的机器视觉智能识别方法。所提方法采用线性扫描技术得到物体扫描信息,根据扫描信息结构特征将其聚类成激光图像。按照存储排列方式提取激光图像色彩向量,通过对其进行非线性卷积运算获取待识别物体边缘结构,实现激光图像边缘检测。最后讨论了机器视觉与激光图像信息点匹配方法,基于对称性特征检测原理将匹配到的虚假信息点排除,将剩余信息点作为识别结果输出。实验结果表明,所提方法具有计算代价小、形状匹配率高的优势。

手指静脉装置的光源优化设计及应用

为了提高手指静脉的识别率,首先需要提高手指静脉图像的质量,影响图像质量的关键因素是手指静脉采集设备,而采集装置的近红外LED光源系统直接决定手指静脉成像的质量;提出一种近红外LED阵列等边三角形排列的光源设计方法,优化三角形阵列的结构参数;实验结果表明:采集的手指静脉图像质量提高,有助于提升手指静脉识别图像的识别率。