光纤端面处理与熔接质量对光纤激光器输出功率的影响

分类介绍各种光纤损耗产生的原因，通过验证光纤端面质量对光纤激光器输出功率的影响，总结光纤端面处理工艺流程，分析光纤端面的切割和研磨方法，对光纤熔接过程提出具体要求，为工程施工的具体操作提供参考依据。     

光纤端面处理与熔接质量对光纤激光器输出功率的影响

分类介绍各种光纤损耗产生的原因,通过验证光纤端面质量对光纤激光器输出功率的影响,总结光纤端面处理工艺流程,分析光纤端面的切割和研磨方法,对光纤熔接过程提出具体要求,为工程施工的具体操作提供参考依据.     

光纤端面处理与熔接质量对光纤激光器输出功率的影响

分类介绍各种光纤损耗产生的原因,通过验证光纤端面质量对光纤激光器输出功率的影响,总结光纤端面处理工艺流程,分析光纤端面的切割和研磨方法,对光纤熔接过程提出具体要求,为工程施工的具体操作提供参考依据。     

基于图像处理的圆形工件尺寸检测方法

针对工业流水线上圆形工件的检测与定位问题,研究了一种基于图像处理的尺寸检测方法,以测量出圆形工件的位置与半径大小。首先,根据所设定的灰度图阈值将源图像进行二值化处理,并采用区域搜索策略以对工件区域进行填充;在此基础上,进一步利用边缘检测算法推导出预处理图像的边缘坐标信息,并根据所统计数值组拟合出工件的位置与半径大小。最后,利用五个实例验证该方法的有效性与可行性。     

提高光纤端面处理与熔接质量的技术探讨

提高光纤端面处理水平、减小光纤熔接损耗是目前光纤接续工作的技术难题。采用高档光纤切割机和第四代光纤熔接机,同时用OTDR进行过程监测可使熔接损耗达到0．02dB以下。本文对减小光纤熔接损耗的关键技术进行研究与探讨。     

基于机器视觉的轨道道岔密贴检测方法

当今轨道交通迅猛发展,安全高效的列车运转是其重要的前提条件.全方位智能技术的出现,为轨道交通运行中原有的各种人工检测方法提供了技术支撑.提出一种利用道岔边缘特征提取和参数空间精确计算的实时机器视觉检测方法,针对轨道交通中的道岔转换过程中道岔的密贴程度,采用机器视觉技术进行检测.该方法主要包括4个方面:通过预处理抑制图像...     

基于机器视觉的微型电子接插件尺寸测量

为了解决传统尺寸测量方法在微型电子接插件测量上准确度偏低的问题,对传统尺寸测量方法进行了改进.在分析传统测量方法的流程、算法适用性的基础上,通过增加规则边缘拟合,调整模板匹配的顺序,对测量流程上进行了改进;在边缘检测过程中,对传统Canny算法进行改进,提出了一种自适应阈值非闭合弱边缘剔除的边缘检测算法.所提出的测量方...     

基于机器视觉的瓷砖尺寸检测研究

以瓷砖尺寸的检测为研究对象,研究了基于机器视觉的瓷砖尺寸检测。根据瓷砖的国家标准,利用机器视觉传感器,对采集图像进行降噪和图像增强,构建了一套瓷砖尺寸在线检测装置,并对该装置进行试验验证。结果表明,机器视觉对瓷砖尺寸检测达到国家标准和企业标准。     

光纤环绕制缺陷动态检测方法研究

提出了光纤绕环制缺陷的动态检测方法,此方法采用了动态图像检测的思想,通过对图像中的光纤丝轮廓顶点进行自动定位,可以准确得到光纤丝的像素坐标,然后将计算得到的光纤丝间距与理想阈值进行对比便可识别出光纤绕制图像中存在的缺陷以及发生缺陷的具体位置。经实验验证,此方法有效、可行,具有检测速度快、误检率低、检测精度高、通用性强等特点。为光纤环的全自动绕制技术的研究提供了一定的理论依据。     

人脸识别中的边缘检测技术

边缘的提取在人脸识别技术中具有重要的意义。传统的算法检测到的边缘信息往往是不完整的,而且在检测噪声污染图像时会得到许多虚假的边缘;而神经网络算法由于没有样本的压缩功能,导致训练量过大。文章在传统算法的基础上结合神经网络算法对人脸图像的边缘进行检测。实验结果表明,该方法快速稳定,得到的边缘图像边界封闭性好,抗噪能力强。     

一种利用R/G值检测人脸的方法

在图像分析领域,对图像中人脸的检测和处理越来越受到重视,在许多地方被应用.如人脸的识别,人脸的分析,眼睛的检测,凝视的追踪等.经过对人脸肤色在RGB和HSV颜色空间中的分布情况的研究,提出一种利用R/G值来检测人脸的方法.     

一种改进的MTCNN人脸检测算法

人脸检测主要运用于机场、火车站等人口密集场所。目前常用的人脸检测算法有MTCNN、YOLOV3、faster-RCNN、SSD等,但已有算法难以兼顾检测速度和检测准确性。 通过改进多任务级联卷积神经网络（MTCNN）人脸检测算法,将MTCNN、YOLOV3、faster-RCNN等3个模型进行整合,减少内存与显存之间的数据搬运;然后动态修改Minsize值,减少图像金字塔中图片生成数量,并根据图像相似度对输入图片进行不同处理以提高效率。改进后的MTCNN算法比传统MTCNN算法识别速度提高将近40%,且正确率达到97%,可更好满足现代社会对于人脸检测的应用需求。     

基于特征的人脸检测研究

人脸检测是近年来图形图像处理和模式识别的热点研究内容之一．文章系统介绍了基于特征的人脸检测方法,对其进行了分类总结．同时,详细介绍了其中的关键技术和研究成果,并对其研究的发展趋势进行了展望．     

基于卷积神经网络的人脸检测算法研究

近年来,随着深度学习的迅猛发展,人脸检测算法准确度已有很大提升。模型越复杂,检测速度越慢,设计一种准确度与速度兼顾的人脸检测模型尤为必要。基于FaceBoxes人脸检测算法框架,提出一种基于深层卷积主干网络的改进方法,并在人脸检测基准数据集中进行测试实验。其在FDDB数据集上的实验结果显示,检测正确率达95%,比传统方法提高1.67%。该算法在保证实时性的同时提升了检测准确率,可应用于追求更高准确率的人脸检测系统。     

基于肤色和AdaBoost算法的人脸检测

文章提出了一种新的将肤色算法与AdaBoost算法结合起来的人脸检测算法．算法主要是将用肤色检测算法得到的肤色特征,做为一种新的矩形特征加入到AdaBoost算法的训练过程中．新算法提高了人脸检测的正确率,降低了误检率,新算法的鲁棒性更强．     

基于几何特征和支持向量机的人脸检测

针对人脸检测中的非线性和降维问题提出了一种有效的人脸检测方法。首先基于人脸的肤色和几何特征．通过局部自适应门限方法提取图象边缘，用几何规则和颜色特征筛选出候选眼睛块。然后采用改进的四边界sobel算子对眼睛精确定位。最后使用训练好的支撑向量机来验证。该方法可以实现多尺度多角度的彩色图像中的正面人脸检测，实验结果令人满意。     

基于Adaboost的快速视频人脸检测

使用Haar型特征设计不同尺度弱分类器形式,采用Adaboost算法学习建立瀑布型人脸检测器。并针对视频人脸检测中,人脸旋转导致检测失败的现象,使用CAMSHIFT算法进行人脸跟踪,缩小检测范围,提高算法速度。试验结果表明,所提出的算法有更好的鲁棒性和更快的检测速度。     

基于双肤色模型及AdaBoost算法的人脸检测

针对复杂背景和可变光照条件下,彩色静止图像的人脸检测问题,综合利用YCbCr和HSI颜色空间下的肤色模型,先进行肤色分割,定位出候选人脸,再用AdaBoost级联分类器进行检测验证,有利于提高检测效率,降低误检率。     

基于DSP的人脸识别系统的设计与实现

为了提高身份识别系统的实时性、可靠性和便捷性,设计了基于DSP的人脸识别系统。基于肤色的人脸检测算法和基于小波变换的主成分分析的人脸识别算法构成了所设计系统的软件算法;DSP(DM642)微处理器、CCD传感器摄像头和显示屏等构成了该系统的硬件平台。测试结果表明,设计的人脸识别系统具有识别速度快和成功率高等优点。