基于自适应DBSCAN算法的开关柜绝缘状态评价方法

为了更合理地评价开关柜绝缘状态,挖掘开关柜异常数据蕴含的价值,提出一种基于自适应DBSCAN的开关柜绝缘状态评价方法.首先计算绝缘状态检测数据暂态对地电压和超声波的偏差量,消除背景噪声;将绝缘状态偏差量与开关柜环境温度、环境湿度和运行年限构成开关柜绝缘状态的特征量,并建立开关柜的多维特征数据集.然后采用K平均最近邻法和数学期望法生成DBSCAN算法的扫描半径r和最少数目MinPts的候选参数,引入密度阈值自动寻找聚类簇数变化稳定的区间;利用开关柜检测数据集自身分布特性对DBSCAN算法中参数进行自适应最优选择,避免了人为主观设定导致的误差.最后构建基于加权集成的聚类有效性指标来判断聚类结果的有效性,以某开关柜现场检测数据为例,通过比较K-means和DBSCAN两种算法的结果,验证了该评价方法的优越性,为开关柜运行状态的评价提供一定的理论依据.     

基于机器视觉的瓶口缺陷检测方法研究

在基于机器视觉的啤酒瓶口质量检测过程中,由于部分瓶口图像中缺陷灰度值变化范围大、边缘区域的干扰多,传统方法难以实现瓶口缺陷快速、准确检测。为此,分析总结各类瓶口缺陷特征,提出基于随机圆评估的三圆周定位法,以提高抗干扰能力和定位精度,并提出残差分析动态阈值分割与全局阈值分割结合的瓶口缺陷检测方法,克服灰度变化和瓶口缺失对检测结果的影响。对90幅图像测试,与5种瓶口缺陷检测法对比,结果显示:执行时间为117.33 ms,与效果最好的SVM算法相比,检测正确率提高了2.22%,可实现强干扰、大缺陷的瓶口图像中缺陷快速、准确定位和检测。     

基于DBSCAN-FPN的输电线路螺栓缺销检测方法

螺栓作为输电线路上数量最大的紧固件,其缺陷检测是输电线路巡检工作中的一项重要内容。针对螺栓缺销为小目标,其定位困难、特征难提取的问题,提出一种基于DBSCAN算法与FPN模型相结合的螺栓缺销检测方法。首先,利用FPN模型定位螺栓缺销目标区域,同时基于DBSCAN聚类算法对具有相同形态结构的区域进行聚类;然后,改进FPN模型：基于螺栓先验知识,利用卷积网络实现自底向上的特征提取,采用双线性插值方法将特征的高层语义信息自顶向下地传递到各个层级,通过卷积滤波方法横向加强高层语义特征与高分辨率特征的融合信息,获得更优化的螺栓缺销特征表达;利用改进FPN模型实现螺栓缺销的初步检测;最后,采用DBSCAN聚类算法对初步检测结果进行误检甄别,实现了螺栓缺销的精确检测。实验结果表明,DBSCAN-FPN在自建数据集上的检测精度达到76.23%,检测效果优于FPN、R-FCN和Faster R-CNN。所提方法可以有效提高螺栓缺销检测精度,对输电线路运维有实际意义。     

空瓶检测机器人瓶底缺陷检测方法研究

针对当前瓶底圆心定位方法精度不高、瓶底防滑纹区域缺陷易误检等问题,利用瓶底防滑纹的几何特征,提出一种改进的基于变权重随机圆拟合的瓶底定位算法,首先采用重心法对瓶底圆心进行快速预定位,再采用变权重随机圆拟合法实现瓶底精定位。然后检测瓶底图像疑似缺陷区域,并提取区域面积、轮廓长度、圆形度、灰度方差和灰度均值等特征,采用支持向量机算法进行分类决策,检测出缺陷。实验表明,瓶底定位误差小于6个像素,缺陷检测准确率为92.7%,基本满足实际生产精度的要求。     

改进DBSCAN聚类的信道状态信息定位算法

近年来,利用WiFi信道状态信息的无线信号在室内定位、跌倒检测、身份识别等场景都发挥了重要应用价值。然而,复杂环境下多径效应的影响使得指纹定位的精度仍有待提高。针对这一问题,本文在降噪时提出了一种基于密度的自适应聚类算法,并在定位阶段联合动态加权K邻近算法进行匹配。首先,使用Hampel算法去除幅值信息的离群点;然后,将改进的DBSCAN算法自动调节参数对数据聚类;最后,用动态加权K邻近算法进行指纹库与实时定位点的匹配。仿真实验表明：在约5×10m2的定位区域内,DBSCAN算法的平均定位精度达到1.579m,其中定位精度在2m内的占比相对于传统指纹法提高了42.9%。     

基于改进 DBSCAN算法的车道检测

针对传统车道检测方法不能同时满足检测精度和实时性要求的问题,文章提出了一种改进的基于密度的聚类方法对车道边沿点进行检测,然后利用最小二乘法拟合出车道边沿线。与传统DBSCAN算法相比,车道边沿检测精度提高了22.8%,平均检测时间降低14.2%,改进的DBSCAN车道检测算法具有更好的检测精度和实时性。     

基于三次指数平滑模型与DBSCAN聚类的电量数据异常检测

在电力系统的运行过程中,不可避免地会产生异常电量数据,如何高效地检测辨识这些异常数据是电力系统状态估计中至关重要的组成部分,也是电力系统运行的安全性和稳定性的基础。传统的异常检测方法只针对特定的电力系统特性,且存在计算量较大、准确率较低的问题。针对传统电量数据异常检测方法的不足,提出一种基于三次指数平滑模型和DBSCAN聚类的电量数据异常检测方法。三次指数平滑模型利用历史数据预测当前时刻区域用电量,然后对预测值和真实值相减得到残差项,最后利用DBSCAN密度聚类算法来对残差项进行聚类,实现电量异常数据的识别。对某电网的区域用电量数据进行实证分析并与3种常用异常检测模型进行实验对比。结果表明,三次指数平滑模型与DBSCAN聚类结合,在电量异常数据检测中检测率和误报率指标均取得了比较好的结果。     

基于DBSCAN和改进K-means聚类算法的电力负荷聚类研究

对于当前大规模和高维度的用户数据,原始聚类算法有其局限性。提出一种改进的K-means算法与数据降噪处理相结合的方法。首先,DBSCAN(基于密度的空间聚类算法)用于数据去噪,克服了原始K-means聚类算法聚类结果容易受到数据集中噪声点的影响。然后利用轮廓系数和误差平方和确定最优的聚类数。最后,将K-means++聚类算法和确定的最优聚类数用于聚类处理用户负荷曲线。这使得聚类算法避免陷入局部最优,通过数据集测试,表明该方法获得的聚类效果优于原始的K-means算法。     

面向结构复杂数据集的模糊聚类有效性指标

如何有效确定聚类数是聚类领域的历史性难题之一。面向聚类的一大标志性算法——模糊C均值算法,现在聚类评价性指标普遍对数据结构复杂和集群大小差异悬殊的数据集难以做出精准判断。针对该问题,提出了一种新的基于数据集几何结构和大小集群的模糊聚类的有效性指标V_(GSDC)(面向几何结构和大小集群的指标)。以类内平方误差和、隶属度权值得到紧致性度量策略,以聚类中心距离最小值、各聚类中心到平均聚类中心的距离和衍生出分离性测算方法,由此合成得到新的有效性指标V_(GSDC)。进一步凭借V_(GSDC)的极值处对应的类别数可自动得到最佳聚类数。通过在6个数据集上与11种聚类有效性指标的实验对比分析,发现所提的V_(GSDC)指标性能最优,不仅可以处理多种类型的数据集,而且充分考虑了数据集的结构特征和复杂性,能够适用于大型、聚类中心间距离差异悬殊的数据集。     

采用自适应分段聚合近似的典型负荷曲线形态聚类算法

对海量负荷数据进行降维聚类处理是提取负荷关键信息,深度挖掘其内在规律的前提。根据负荷曲线的形态特征,文中提出了一种基于可变时间分辨率自适应分段聚合近似方法的曲线形态聚类算法。首先,根据负荷爬坡事件及基于斜率提取的边缘点来衡量负荷曲线的形态特征及其变化趋势,采用自适应分段聚合近似算法对用户日负荷数据集进行可变时间分辨率重构,进一步采用一种基于负荷曲线形态聚类的k-shape算法进行聚类处理,该聚类算法以一种基于曲线形态相似性的距离量度方式作为相似性判据,并依据斯坦纳树优化方法进行聚类中心计算。利用模拟数据、实测数据算例分析验证了所提算法在数据降维、负荷聚类中的实用性和有效性。     

基于迟滞阈值分割的瓶口缺陷检测方法

随着工业机器人和现代化工业的快速发展,人们对工业机器人的性能要求越来越高,为了提高工业生产的效率和产品的质量,智能、高速、高精度是工业机器人的必备要求。国内基于机器视觉的智能啤酒瓶口缺陷检测方法中,高速、高精度仍是一个亟待解决的问题。为此,提出了一种基于随机圆拟合评估的四圆周定位法,大大提高了瓶口检测区域的定位精度,并提出了基于投影特征的分区域磁滞阈值分割的智能瓶口缺陷检测方法。对采集的488幅灰度图像进行测试,检测正确率为99.4%,检测平均速度为38 ms,算法的检测速度快,检测精度高,可以很好地应用到高速、高精度的现代化工业机器人中。     

小波变换在图像检测中的应用

提出了一种基于小波变换的图像边缘检测算法,该算法具有计算复杂度小,运算速度快等特点,仿真结果表明该算法在信／噪比和边缘检测定位精度方面优于传统的边缘检测方法,获取了较满意的图像边缘检测效果。     

基于注意力机制和空洞卷积的瞳孔定位算法

瞳孔定位在人机交互中起着关键性作用，然而由于反射、眨眼和睫毛遮挡等噪声以及瞳孔位置不居中、运动导致模糊等问题，使得瞳孔中心定位的准确率下降、鲁棒性减弱，从而导致精确地定位瞳孔仍存在巨大困难。为此，本文提出一种基于注意力机制和空洞卷积的瞳孔检测定位算法。该算法以U Net的编码 解码结构为基础，编码部分采用VGG16并引入空洞卷积，以充分地提取特征，解码部分加入Attention Gate，使得模型具有更好的鲁棒性。然后，使用最小二乘法对网络输出的瞳孔分割图进行拟合，最终根据拟合图像获取瞳孔中心坐标。本算法使用ExCuSe公开的24个数据集进行验证，实验表明该算法可以准确的定位瞳孔位置，平均检测率可达到926%。     

Uncalibrated Workpiece Positioning Method for Peg-in-hole Assembly Using an Industrial Robot

This paper proposes an uncalibrated workpiece positioning method for peg-in-hole assembly of a device using an industrial robot. Depth images are used to identify and locate the workpieces when a peg-in-hole assembly task is carried out by an industrial robot in a flexible production system. First, the depth image is thresholded according to the depth data of the workpiece surface so as to filter out the background interference. Second, a series of image processing and the feature recognition algorithms are executed to extract the outer contour features and locate the center point position. This image information, fed by the vision system, will drive the robot to achieve the positioning, approximately. Finally, the Hough circle detection algorithm is used to extract the features and the relevant parameters of the circular hole where the assembly would be done, on the color image, for accurate positioning. The experimental result shows that the positioning accuracy of this method is between 0.6-1.2 mm, in the used experimental system. The entire positioning process need not require complicated calibration, and the method is highly flexible. It is suitable for the automatic assembly tasks with multi-specification or in small batches, in a flexible production system.     

基于 YOLOv4-tiny 和完整度排序的 标志物快速圆检测算法

针对现有圆检测算法在高分辨率标志物图像中检测效率低的问题,提出了一种新型标志物快速圆检测算法。首先通过YOLOv4-tiny算法快速定位图像中的标志物,滤除背景干扰,然后利用提出的弧段完整度排序方法从标志物中筛选出不同完整度的候选圆,最后通过距离和方向角约束筛选并拟合得到所有的标志物圆。基于高分辨率标志物图像数据集进行了实验,实验结果表明算法具有极快的检测速度,在检测精度基本不变时,算法的检测时间只有EDcircle算法的11%,AAMED算法的5.0%,为需要快速定位标志物的视觉定位、标定等任务提供了一种高效的解决方案。     

基于ELM与DBSCAN的微电网不良数据检测方法

不良数据检测可以为微电网运行决策提供可靠的数据依据。由于微电网运行模式切换频繁且系统解析模型难以建立,传统基于状态估计的不良数据检测方法尚未得以应用。文章利用极限学习机(ELM)对微电网历史数据进行学习以提取数据特征;进而利用DBSCAN聚类算法分析特征量以识别不良数据,提出了一种基于ELM和DBSCAN的微电网不良数据检测方法。利用一台四端环形直流微电网样机的历史运行数据构建仿真算例,验证了所提方法的有效性;并与多种常用的数据挖掘算法进行对比,结果表明ELM+DBSCAN在算法性能与检测效果上均具有优越性。     

基于单目视觉的机械臂灯具清洗定位系统

在机场嵌入式助航灯具自动清洗过程中,为了取得灯具发光口中心和机械臂的相对位置实现机械臂精准定位,设计了基于单目视觉的机械臂灯具清洗定位系统。首先,采用D-H法建立机械臂运动学模型;然后,根据夜间灯具发光的强逆光性以及环境干扰,提出一种优化阈值准则和缩小阈值搜索范围的改进Otsu算法对图像进行分割,再利用质心法提取灯具发光口中心位置;最后,在夜间条件下,进行实验分析并对定位误差采用最小二乘法进行补偿。实验结果表明,所设计的机械臂灯具清洗定位系统速度快、精度高,与传统Otsu算法和改进的随机霍夫变换算法相比,定位精度分别提高72.5%和55.5%,且平均定位精度达到8.7 mm,满足灯具清洗要求。