基于神经网络颜色识别在RoboCup中的应用

提出了在visualC＋＋环境下的基于神经网络颜色识别方法，并将其应用到RoboCup中。该方法首先在visualC＋＋中提取颜色的YUV值，然后设计神经网络并处理YUV值，网络最后输出颜色对应的ID值。该方法极大地提高了颜色提取和识别效率。     

基于概率神经网络的尿样颜色识别

基于概率神经网络,提出一种与尿液反应后尿试纸的颜色识别方法。针对颜色色空间转换的非线性复杂关系,获取标准阈值颜色色度值,进行归一化处理后,建立基于概率神经网络的尿样颜色识别模型。实验结果表明,用概率神经网络进行尿样颜色识别是可行而有效的。与颜色色差评价方法作比较,该方法无须进行色空间转换,只利用设备原有RGB颜色空间的RGB值即可实现,更易于操作。     

小波神经网络的图像颜色测温方法

在可见光谱范围内,随着温度的变化,高温物体的颜色也相应变化,因此提出了一种基于小波神经网络的图像颜色测温方法.选取HSV模型中的H和S作为模式特征向量,用小波神经网络快速拟合出高温物体的颜色与温度之间的非线性关系.实验结果表明,应用小波神经网络进行图像颜色测温的精度较好,且受客观环境影响较小,迭代次数少,收敛快,该方法已被应用在200MW锅炉火焰测温和控制中.     

基于颜色的足球机器人视觉跟踪算法

针对机器人足球比赛环境中彩色视觉系统的实时性要求,利用了一种基于YUV色彩空间的利用改进的阈值向量的颜色判断方法,采用种子点区域生长的填充算法,并在此基础上运用卡尔曼滤波算法对目标进行跟踪,提出了一种新的测量值获取方法,该方法大大减少了计算量.实验结果证明该算法具有较好的实时性和抗干扰性.     

基于HSI颜色空间的深度学习单幅图像去雾方法

针对传统的单幅图像去雾算法容易受到雾图先验知识制约导致颜色失真等问题,本文提出了一种基于HSI颜色空间的深度学习多尺度卷积神经网络单幅图像去雾方法,即通过设计深度学习网络结构来直接学习雾天图像与其无雾清晰图像色调、饱和度和亮度之间的映射关系,从而实现图像去雾.该方法首先将有雾图像从RGB颜色空间转换到HSI颜色空间,然后设计了一个端到端的多尺度全卷积神经网络模型,通过色调H、饱和度I、强度S三个不同的去雾子网分别进行多尺度提取,深度学习得到有雾图像与清晰图像之间的映射关系,从而恢复出无雾图像.实验结果表明,本文方法对于雾天图像具有良好的去雾效果,在主观评价和客观评价上均优于其它对比算法.     

改进的BP神经网络在数字图像识别中的应用

以改进的BP神经网络为基础设计数字图像识别系统.先将训练样本图像二值化处理后提取特征向量,并将其输入神经网络进行训练;然后将测试样本的特征向量输入经过训练的神经网络,测试神经网络的识别率.测试结果表明,改进的BP神经网络在训练的收敛速度上明显优于原始的BP神经网络,且有很高的识别率.     

基于主动监测技术的结构冲击损伤BP神经网络识别

将BP神经网络用于复合结构材料的健康监测中,在结构健康主动监测技术基础上采取了一种基于最小二乘法拟合处理后提取损伤特征值的波形诊断方法,即考虑到主动监测信号的幅值的衰减主要受传播距离与损伤两大因素影响,通过最小二乘法拟合出波形的衰减系数,将该衰减系数作用于样本波形和仿真波形以剔除传播距离对主动监测信号幅值的影响,突出损伤的作用,再从预处理后的主动监测信号波形中提取损伤特征值作为神经网络的输入以实现波形诊断。通过在碳纤维材料上的实验,验证了该神经网络在损伤识别上的可靠性。     

基于多分量卷积神经网络的多晶硅晶片颜色差异检测

具有复杂纹理的多晶硅晶片颜色差异检测是太阳能电池片制造过程中的一个挑战。针对传统的色差检测算法不适用于颜色差异类别变化大的场合,且分类结果不精确的问题,基于不同分量的颜色特征提出了一种多分量卷积神经网络的检测算法。通过分析多晶硅晶片图像在HSV颜色空间的特征分布,发现颜色特征在H、S和V分量中表现不同;基于全卷积神经网络,通过评估模型深度和卷积核尺寸大小对检测结果的影响来搭建最佳的网络结构;为了增强对不同颜色差异特征的区分能力,基于最佳的网络模型,构建了一个多分量的卷积神经网络模型。实验结果表明,多分量卷积神经网络的准确率、MCC值和F1Score值分别为92.28%、95.45%和94.03%,相比其他算法具有更高的检测精度。     

基于OPB780颜色传感器的颜色测量系统的设计

针对可编程OPB780颜色传感器对颜色识别的快速和高精度的特点,采用该颜色传感器设计了非接触式颜色检测电路,用该系统测量出560个标准色卡的RGB频率值,与该560个色卡的RGB颜色空间值进行比对,从数据采集结果的对比图可以看出,采集的频率值同标准RGB颜色空间值具有较好的映射关系,所设计的颜色测量系统取得良好效果。     

基于遗传神经网络的故障智能诊断方法及其应用研究

该文将BP神经网络与遗传算法结合起来,建立了遗传神经网络模型。然后通过采用Visual C 6.0语言并结合数据库技术开发出液压AGC故障智能诊断平台,阐述了平台设计思想。最后,以电液伺服阀为例,给出了故障模式识别的实验数据,证明了遗传神经网络用于该故障诊断系统的可行性。