基于图像的线路缺陷检测

运用图像处理技术,设计PCB板线路检测系统。采用Labview语言编写图像预处理、阈值分割、形态学滤波、缺陷识别等程序模块,并针对PCB图像特点,根据线路缺陷的特征,构建一个能够分析和识别PCB线路断路、短路、缺损和毛刺等缺陷的PCB板线路检测系统。实验结果表明,该检测系统能够比较好地识别PCB板线路缺陷,且算法操作简单,有广泛的应用前景。     

基于改进HOG特征提取与SVM分类器输电线路金具识别

目的:针对识别输电线路金具的检测方法存在精度低、分类结果较差的问题,提出解决方案。方法:提出一种基于支持向量机(SVM)分类与改进HOG梯度方向直方图特征提取相结合的输电线路金具识别算法。对图像进行去噪预处理,提取特征信息,输入到SVM进行识别分类。将绝缘子规定为正样本,耐张线夹规定为负样本,选取500个样本进行试验。结果:准确率由未改进前的81%提升到96%。结论:所提出的算法可行、有效,为机器学习在输电线路金具识别中的应用提供一定的参考。     

基于异构多处理器和深度学习算法的篮球运动图像目标检测

篮球高难度动作识别技术的分析主要是识别和分析篮球运动员在视频中的身体行为.视频识别的目的是提高篮球训练水平.然而,传统的运动目标识别受到场景、动态背景和技术的限制,不能达到预期的效果.因此,本文开发了一种基于深度卷积神经网络的大数据运动目标检测系统,其主要用于篮球运动图像检测.其使用卷积神经网络的高分辨能力来提取图像,以执行计算预处理来识别视频流中的每个人体运动的图像.然后,采用基于Bi-LSTM模型的骨骼识别算法对人体关键点进行检测.最后,开发了一个目标检测系统来重建每个运动.通过选取五组可能导致运动损伤的高难度动作进行实验,结果表明该目标检测系统可以有效提高篮球动作目标识别的准确性,并有助于减少运动员伤病.     

基于卷积神经网络的商品图像分类研究

卷积神经网络是深度学习的一种高效识别方法,将卷积神经网络引入商品图像识别中,能够提高识别精度。卷积神经网络可以直接输入原始图像,以避免对图像进行复杂的预处理工作。首先介绍了卷积神经网络的各层作用,然后设计了多种基于卷积神经网络识别商品图像的模型,从多方面测试了卷积神经网络的分类性能。为提高训练速度,卷积层的激活函数采用线性修正函数(Rectified Linear Units,ReLU)。为确保模型的判别性,对下采样层的特征图进行局部对比度归一化,所设计的网络模型在实验中均达到90%以上的平均分类正确率。     

基于红外图像的绝缘子高温区域特征研究

绝缘子故障会引起表面温度的上升,造成局部区域高温。因此,准确识别绝缘子的高温区域是故障检测的有效途径。本文提出了基于灰度共生矩阵的绝缘子高温特征提取方法。红外图像经过图像分割后,提取纹理特征,选取能量、熵、惯性矩和相关性作为特征值。试验结果验证该方法准确性高,可为绝缘子高温区域的识别提供参考。     

适用于智能工业监测的光学元件缺陷识别技术

为提高光学元件缺陷检测的效率和准确率,提出了一种基于偏振成像与卷积神经网络算法相结合的光学元件缺陷检测方法。通过分焦平面偏振相机与暗场成像方法相结合,降低高光现象对成像质量的影响,实现了结构紧凑、实时测量、成像质量高的光学元件成像光路;同时引入LeNet-5卷积神经网络进行光学元件缺陷识别,通过采用线性修正单元、多尺度卷积和卷积通道拓展等优化方法,减小网络过拟合、提高网络缺陷识别能力。经试验对比,改进型LeNet-5识别算法不需要对偏振图像进行预处理,对光学元件缺陷的识别准确率可达96.7%,并且运行速度和内存占用相比SqueezeNet网络模型存在明显优势。     

基于卷积神经网络的人脸表情识别研究

随着人机交互技术和机器学习技术的发展,人脸表情识别技术逐渐成为研究热点。针对传统人脸表情识别算法鲁棒性差、表情特征提取能力不足的问题,提出一种改进的基于卷积神经网络的人脸表情识别算法。首先对人脸图像进行预处理,检测并分割出人脸关键点的部分图像,然后输入到包含卷积神经网络通道和卷积稀疏自编码(CSAE)预训练通道的双通道模型中。其中卷积神经网络通道部分使用了批量正则化(Batch Normalization)和ReLU激活函数,加快了模型训练速度,解决了梯度消失问题,同时增加了模型的非线性表达能力。通过引入Dropout技术,解决了网络的过拟合问题。在另一个通道,对输入的人脸表情图像增加了卷积稀疏自编码进行无监督预处理。实验结果表明,该算法在JAFFE、CK+人脸表情数据集上均获得了较好的识别效果。     

一种改进的卷积神经网络算法在交通视频图像识别中的应用

本文提出了基于一种改进的卷积神经网络算法,并将该算法应用于交通视频的图像识别。首先,利用Canny算子改善交通视频中车辆的边缘识别检测效率;其次,利用局部结构图LTP算子去除光线影响,提取图像纹理特征;最后,通过改进传统卷积神经网络算法,识别交通视频图像。实验表明,本文构建的LTP-微卷积神经网络大大地提高了交通视频图像的正识率。     

基于深度学习的指关节纹识别算法实验研究

针对传统机器学习算法特征提取烦琐且普遍存在特征单一、识别准确率低的问题,采用能够自行提取图像特征的卷积神经网络模型,对指关节纹识别分类的任务进行实验研究.首先对指关节纹图像进行预处理;其次,设计并搭建了一个9层卷积神经网络模型,对网络模型进行编译、训练后,发现网络的过拟合现象严重,并针对过拟合,提出了优化网络结构方案,...     

基于轮廓特征及灰度相似度匹配的接触网绝缘子缺陷检测（英文）

目的:在图像缺陷样本少和一致性差的情况下,实现精确可靠的接触网绝缘子缺陷检测。创新点:提山一种基于瓷片轮廓特征及灰度相似度匹配的融合算法,实现了绝缘子瓷片的轮廓提取及绝缘子各瓷片的精准分离,并构建了基于瓷片间距和灰度相似度匹配的绝缘子缺陷检测模型。方法:1.采用同一个绝缘子相邻瓷片两两比较的方法进行缺陷检测,解决图像缺陷样本少和一致性差的问题。2.分两步进行检测(Fig.2):(1)基于水平梯度特征提取绝缘子各瓷片轮廓,并对瓷片轮廓内像素进行复原;(2)计算瓷片间距和灰度相似度,并与设置的阈值进行比较以区分正常绝缘子和缺陷绝缘子。结论:1.实验表明,基于轮廓特征及灰度相似度匹配的方法能够有效区分正常绝缘子和缺陷绝缘子。2.在图片数据集中,测试达到了99.50%的高召回率和91.71%的高精确度,满足了目前较高水平的接触网绝缘子缺陷检测的要求。     

基于深度学习模型与稀疏表示的绝缘子状态分类

在输电线路中绝缘子的状态直接影响整个输电系统的可靠性,然而复杂背景和不同光照条件下对于绝缘子的状态检测十分困难。如今计算机视觉辅助方法已被广泛应用于电力系统中。提出一种基于深度学习模型与稀疏表示进行绝缘子状态分类的方法,对于待检测的绝缘子图像,通过Faster-RCNN定位后,采用深度残差网络（ResNet）提取图像特征,最后利用稀疏表示进行绝缘子状态分类。该方法与传统方法相比,对于绝缘子的状态分类具有更高的准确率,准确率可达98.67%。     

基于数字图像处理的数显仪表数字识别

基于数字图像处理技术研究了数显仪表中的数字识别,首先对图像进行预处理和二值化,然后对图像连通域进行快速提取并标号,最后根据数字模板和区域结构特征对数字和小数点进行识别。实验结果表明,数显仪表中的数字能得到有效的识别。     

基于机器视觉的钢轨表面面型缺陷分类实验设计

随着城市轨道交通的飞速发展,实现钢轨表面缺陷实时检测对铁路行业稳步发展意义重大。如何实时检测钢轨表面缺陷是保障铁路运行安全亟须解决的一个关键问题。鉴于此,设计了一套基于机器视觉的钢轨表面缺陷检测实验仿真方法。搭建图像采集、图像预处理和缺陷分类等模块;提出自拟合亮度调整算法完成像素值统计,得到清晰的缺陷特征图像;用750组数据训练网络权值,实现缺陷分类预测;经过数据分析和误差评估,识别准确率在90%以上,相关系数高达0.96,单幅图像平均耗时1.267 s,测试表明,所提方法能准确、高效地实现钢轨表面缺陷信息的缺陷分类与识别。     

基于暗通道先验与 YOLO 的水下河蟹识别研究

为解决全自动均匀投饵作业船在河蟹养殖过程中投饵不精准问题,引入水下摄像设备采集图像,但采集的图像存在对比度低、模糊和图像退化等问题。为此,采用暗通道先验提高图像对比度。利用 YOLO 卷积神经网络技术快速准确地识别出低照度环境下的河蟹,识别准确率达到 98%,平均耗时 50ms。获得河蟹生长、分布信息后测算出河蟹养殖密度,为全自动均匀投饵作业船精准投饲提供数据支持     

泊车机器人障碍物视觉识别系统研究

针对智能停车库中的泊车机器人视觉系统研究需求,提出一种基于双目视觉的泊车机器人障碍物识别系统。通过双目摄像头进行图像采集,利用张正友棋盘标定法进行双目相机标定;采用Bouguet进行立体校正,将高斯滤波与拉普拉斯算子相结合进行图像预处理;采用YOLO卷积神经网络对目标障碍物进行快速识别;利用区域匹配算法进行立体匹配并生成目标障碍物视差图;通过成像点和目标障碍物的立体几何关系计算得到目标障碍物的深度信息。实验结果表明,该系统具有良好的实时性和较高精度,障碍物识别时间平均为0.0901s,在2 600mm具有最佳测距精度,可为泊车机器人自动泊车提供保障。     

基于语义分割的高速公路天气识别算法

为了实现高速公路场景下天气图像的准确识别,文章提出了一种基于语义分割的高速公路天气识别方法,通过设计一种结合语义分割模型提取道路区域特征的方法,构建了基于语义分割的结合道路天气图像全局特征及道路特征的融合网络,实现对高速公路的天气识别。在道路预处理阶段,应用具有密集连接结构的多尺度特征提取模块DASPP到Deep Labv3+网络,增大模型在不同尺度特征上的分辨率密集程度和特征图在不同维度的感受野,进而有效改善道路提取的效果。在特征提取阶段,基于引入深度可分离卷积层的Xception网络,设计了天气特征提取网络WFCN,分别提取输入图像和道路区域图像的全局天气特征和道路天气特征并进行融合分类,有效降低模型参数量和运算量,并增强模型的性能。在构建的高速公路数据集上,对设计的算法分别进行了消融实验和对比实验,实验结果证明了该算法的有效性及相比现有天气识别算法的优越性。     

基于卷积神经网络的机场助航灯故障诊断

针对人工目视检测机场助航灯故障诊断效率较低且存在主观因素的弊端,提出一种基于卷积神经网络深度学习的助航灯故障自动诊断方法。该方法通过卷积网络模型自动提取图像特征,并对故障进行分类,最终实现助航灯故障自动诊断。用采集到的助航灯等光强图对网络模型进行训练,再用测试集对模型测试,测试集诊断结果准确度高达94.84%。通过理论和实验数据分析说明,训练后的卷积神经网络模型能对助航灯故障进行高效、准确的自动诊断。     

随机Hough变换在高压输电线检测中的应用

将改进的随机Hough变换(RHT)应用于高压输电线图像中的电线检测。对采集到的图片进行图像增强、去噪、边缘检测等预处理操作,根据高压输电线的直线特征和角度特征,采用结合角度判定改进的RHT完成输电线路的检测。实验表明,该算法能有效检测出高压输电线,与传统的Hough变换检测直线相比,该算法能够节约检测时间,提高检测精度,为实时性检测打下了良好基础。     

高压输电线路导线跌落非线性动响应分析(英文)

为了研究机械性故障对高压输电线路耦合体系的受力影响,建立了输电线路耐张段的非线性耦合体系模型,通过导线找形非线性静力计算确定了耐张段的初始平衡状态.采用瞬态动力分析方法计算了导线、绝缘子破坏失效危险工况下的输电线路耦合体系非线性动响应.分析结果表明,上横担一组导线断裂失效对邻近端导线张力没有明显影响,对邻近端的绝缘子及铁塔横担构件的受力有较大的影响;上横担一组绝缘子破坏失效后,破坏档未破坏端导线的张力超过了技术规程中的设计值;导线的跌落对破坏档未破坏端的上横担绝缘子受力有较大的影响,而对上横担铁塔杆件没有明显的影响;在架空送电线路的设计中应该考虑绝缘子断裂的荷载工况.研究成果可为输电线路结构设计提供理论依据.     

基于改进的ResNet50网络的光伏热斑识别算法

为提高样本在分布不均衡情况下的识别精度,提出一种改进的ResNet50卷积神经网络光伏热斑识别算法。首先,为增加初期红外纹理信息流入、调整网络宽度,设计一种头部分组特征提取模块,并将其嵌入到残差网络中,提高网络在图像细微特征方面的提取能力;然后,将通道注意力机制与残差模块相结合,增加网络通道间的热斑特征信息权重,提高模型识别性能和网络收敛速度;最后,通过图像转换HSV颜色空间、平均H分量梯度直方图峰值等数据预处理方法,将负样本转为多分类数据集,并用于热斑识别网络模型,实现热斑识别结果的可视化。实验结果表明,对比其他算法,改进后的ResNet50网络在识别精度上得到显著提高。