基于机器视觉的光电色选机控制系统的研究

设计一个基于机器视觉的光电色选机控制系统,在研究光电色选机工作原理和工作过程的基础上,设计一种主从式双CPU控制的色选机控制系统.采用ARM作为整个系统的主控制CPU,采用DSP作为光电检测信号的运算CPU,构成主从协同工作的双CPU结构,共同完成色选机控制系统的各种数据处理和控制功能,以提高系统的整体性能和对数据的快速处理能力.     

基于网络直角坐标机器人视觉伺服控制系统理论研究

从理论上论述了本机器人视觉伺服系统的结构,包括总体的控制方案,基于图像的控制方法的理论推导,BP神经网络在机器人视觉伺服中的引入以及如何进行合理的神经网络训练,用神经网络建立"视觉图像-运动信号"(visual-motor)关系.     

基于高频增强滤波的光学图像识别谱面增强

在实时联合变换相关器中,由于电寻址液晶透过率较低,造成功率谱对比度比较低,相关峰强度太弱,甚至得不到相关峰.应用高频增强滤波处理技术对功率谱进行滤波处理,能有效提高功率谱对比度,增加信息量,得到较好的相关峰.实验结果证明该方法可行,产生的相关点亮度大幅提高,有利于目标的识别和定位,并给出高频增强滤波参数的选取方法.     

小型光电跟踪系统中基于Hough变换的形状检测

REVS-50M型小型光电跟踪系统的图像处理部分采用颜色阈值的方法检测手动靶标,由于相同颜色的物体进入图像检测区域而导致误跟踪。针对此问题进行改进,应用Hough变换检测形状的方法检测圆形手动靶标,消除了误跟踪,实现了转台对靶标的正确跟踪,创造了良好的实验条件。     

基于BP神经网络PID自整定的光电色选机控制系统

采用BP神经网络参数自整定PID的控制策略来实现对光电色选机的自动化智能控制,系统以TMS320VC5402为主控器,对光电色选机主作业参数之流量、背景板角度和滑槽仰角进行在线自整定,达到自动调整色选机工作状态的目的;并且设计了基于DSP的智能控制方案,给出了系统的硬件构成和软件实现算法.     

基于小型光电跟踪系统的PID控制实验

针对REVS-50M小型光电跟踪系统的控制部分设计了PID控制实验。原系统采用PD控制虽然没有超调,但调节时间过长,不太符合系统需要对运动目标进行实时、稳定地跟踪的要求。针对该问题,采用临界比例度法整定PID参数的方法,找到合适的PID参数,减小了调节时间,实现转台对手动靶标的快速跟踪。通过该实验,学生可以对自动控制理论中经典的PID控制进行深入了解,并将理论与实际相结合,掌握该方法在工程中的具体应用。该实验采用提出问题的方法引导学生动手解决问题,提高了学生分析问题和解决问题的能力以及工程实践能力,得到了良好的教学效果。     

基于混合学习算法的径向基函数神经网络设计

隐藏层中心点参数的选择和权值向量的快速计算是径向基函数神经网络设计的关键问题.基于"半月"数据集,论文提出了一种上下半月单独计算聚类中心的K-均值聚类、递归最小二乘算法计算权值向量的混合学习算法.基于三层RBF神经网络结构,以支持向量机作为分类器,开展了K-均值+最小均方算法及K-均值+递归最小二乘算法2种混合模式的对比实验.实验结果表明,"K-均值+RLS"算法相比"K-均值+LMS"算法具有更快的收敛性,在应对线性不可分的情况,上下半月单独作用的K-均值聚类算法表现更优越,综合考虑收敛速度及分类精度两个指标,论文提出的上下半月单独计算中心点的K-均值聚类+RLS的混合学习算法获得较优的性能.     

基于Matlab仿真的图像旋转不变识别

从相干光学信息处理系统出发,以Vander Lugt相关器为基础,利用Matlab软件进行光学相关识别仿真。为了实现图像旋转不变识别,利用圆谐函数二级分量,采用合适而精确的数值算法,综合出圆谐滤波器,并改进成纯位相滤波器。将该滤波器制作成匹配滤波器,用于光学图像识别。仿真结果表明,该滤波器能够识别任意旋转角度的同一类图像,很好地解决了图像旋转不变识别问题。在此基础上,为了多类识别和减少匹配滤波器的个数,引入了圆谐-综合判别函数滤波器。该滤波器能够很好地完成多类目标的旋转不变识别。     

基于LabVIEW的弧焊机器人视觉传感图像处理技术

弧焊机器人的主要工艺问题之一是需要保证零件焊接的一致性,当焊缝接头位置因工件加工、夹具装配以及热应力变形等因素发生变化时,需借助传感器实时准确引导机器人来确定焊缝位置.激光视觉传感赋予机器人“看”的功能,大大促进了焊接自动化程度.为此,以Panasonic-TA1400六自由度弧焊机器人为试验平台,针对V型坡口MAG焊焊缝视觉传感实时图像处理技术进行了研究.采用领域平均滤波和小波降噪相结合的方法,有效地滤除了焊接背景噪声.采用小波边缘检测算法获取了激光光带边缘.对焊缝图像处理的关键技术——中心线抽取和特征点检测提出了逐行搜索求平均值和模板匹配法等切实可行的算法.试验表明,该图像处理流程效果良好,能够满足后续跟踪系统实时性要求.     

基于机器视觉的机器人抓取实验系统

针对工业机器人成本高、开源性差和维护困难等问题,设计了一种基于机器视觉的机器人抓取实验系统.该系统利用机器视觉、深度学习和路径规划等技术对目标工件进行识别、定位,并完成抓取任务.机器人系统在结构设计上采用串联结构,利用无刷直流电机作为机器人关节的驱动机构.为了解决工件识别与定位问题,利用Pytorch框架下的深度学习模...     

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。     

基于混合优化的RBF神经网络集成的降水预报模型

针对传统的单个RBF神经网络集成中个体的隐节点个数和初始参数难以客观确定的不足,为了提高泛化能力,提出一种以高斯核函数的混合优化的RBF神经网络的方法,首先引入正交最小二乘法动态客观的获取数据中心的个数、数据中心及权值;然后通过计算隐层中心点间最小距离作为扩展常数;最后使用剃度法调节权值、中心及扩展常数使网络参数和结构达到最优.该方法结合了正交最小二乘法和剃度算法的优点,通过从结构和算法两方面的调整提升了单个的传统的RBF网络的性能.并将上述优化混合的RBF神经网络与主成分分析方法相结合建立模型.本文以广西5月逐日降水事先初选的众多预报因子进行主成分分析算法提取有效的几个综合因子,然后使用混合算法优化的径向基网络建立降水预测模型.结果表明,该模型具有较好的收敛效果和泛化能力,在预报性能上明显优于同期的T213降水预报,具有一定的普遍适用性.     

基于HMM／MLP混合网络模型的语音识别方法

提出了一种新的用于语音识别的HMM MLP混合网络 ,它利用MLP的鉴别训练能力 ,以克服基本HMM的ML训练方法中不合理的模型正确性假设前提 ,提高HMM的鉴别能力和识别性能 .实验结果证明HMM MLP混合网络的鉴别能力和识别性能明显高于普通HMM .     

基于机器视觉的纺织品疵点检测系统

本文研究了一种基于机器视觉的纺织品疵点检测系统，它采用模块化硬件设计，图像处理软件满足实时检测的要求，可以有效检测出生产线上的疵点。并为该系统设计了一种基于规则表分类器、模糊算法及人工神经网络的组合式多级分类器，具有一定的学习能力，当待测材料或有关设备发生变化时，系统可根据疵点样本库对分类器进行训练，以适应生产线的相关变化。实验结果验证了该方法的有效性。     

基于统计的人脸识别方法综述

人脸识别是一个具有很高理论和应用价值的研究课题。人脸识别方法大致分为基于统计的人脸识别方法、基于几何特征的人脸识别方法和基于模型的人脸识别方法。本文主要研究了基于统计的人脸识别方法。     

基于小波变换和径向基神经网络的签名识别

主要研究利用小波变换和径向基神经网络进行签名图像的分类识别.它包括不同签名图像和相似签名图像的分类识别.所提出的方法包括小波域的图像特征提取和利用径向基神经网络的模式分类.采用小波的多分辨分析方法对签名图像进行时频分析特别有效.熵和能量相关特征的概念用于小波域.径向基神经网络具有快速的收敛速度和分类能力.实验仿真证实了利用小波变换和径向基神经网络进行签名图像分类识别的有效性,且成功识别率100%.     

基于卷积神经网络的病虫害可视化监测系统设计

病虫害监测是提高农业生产效率和产量的有效措施。提出一个基于卷积神经网络的农作物病虫害智能监测系统。该系统以移动端为媒介实现监测众包化,基于 GIS 平台对相关区域病虫害发展态势进行数据可视化分析,显示病虫害位置与规模,代替人工识别常见农作物病虫害。实验证明,该系统对农作物病虫害常见的 10 个物种与 27 种病虫种类识别率达 95%,病虫害严重程度识别率达 85%。移动端采集地理定位信息误差5~10m,系统还可对变化趋势进行可视化展示,为农作物病虫害识别、防治及决策提供有效方案。     

基于连续型Hopfield神经网络的系统辨识

连续型Hopfield神经网络(CHNN)可用于优化计算,但其会遭遇较复杂的参数辨识问题.为了较好地解决这一问题,将擅长全局搜索的蚁群-粒子群混合算法用于对系统参数的最优化选取.再将此混合算法与CHNN有机结合,更好地解决参数辨识问题,且能有效避免CHNN在应用过程中陷入局部最优解.最后,将理论结果应用于求解TSP问题来验证其有效性.     

Study on Fault Diagnosis of Rotating Machinery with Hybrid Neural Networks

ＳｔｕｄｙｏｎＦａｕｌｔＤｉａｇｎｏｓｉｓｏｆＲｏｔａｔｉｎｇＭａｃｈｉｎｅｒｙｗｉｔｈＨｙｂｒｉｄＮｅｕｒａｌＮｅｔｗｏｒｋｓＺａｎｇＣｈａｏｐｉｎｇ（臧朝平）ＧａｏＷｅｉ（高伟）（ＮＥＲＣＴＶ，ＳｏｕｔｈｅａｓｔＵｎｉｖｅｒｓｉｔｙ，Ｎａｎｊｉｎ...