基于神经网络的绝缘瓷瓶裂缝类型识别研究

采用CCD摄相头等硬件模拟机器人的视觉。首先完成对绝缘瓷瓶裂缝图像的采集,然后运用软件完成对图像的滤除噪声、图像分割等预处理操作,再将的图像分割成的子块图像,使其成为的二值图像,提取五个特征值,并通过对十幅图像统计分析,得出这五个特征值能够反映图像的信息。最后分别设计基于BP以及RBF神经网络的类别分类器,实现对绝缘瓷瓶裂缝五种状态：横向、纵向、块状、网状,无裂缝的分类识别,给出十幅图像的识别结果,并分析比较,得出RBF神经网络识别效果更为突出的结论。     

便携式智能文字识别,图形输入装置的研究

本文集中论了采用压敏电阻板作为传感器件,并用单片机进行设计识别及图形输入的设计思想和工作原理。     

基于新特征提取法和量子神经网络的手写数字识别

研究了一种将新特征提取方法（13维特征提取法）与量子神经网络相结合,来实现手写数字识别的方法。13维特征提取法是从每个字符中提取关键的13个特征值,而量子神经网络是将神经元与模糊理论相结合的模糊神经系统,能很好地减少模式识别的不确定度,提高模式识别的准确性。通过使用MNIST样本库仿真比较实验可知,该方法具有设计算法相对比较简单,且识别正确率较高的特点。     

基于注意力机制的CNN人脸表情识别

人脸表情识别在人机交互、情感计算等计算机视觉领域具有十分重要的应用前景.针对人脸表情识别的复杂性、多样性、遮挡性、光照等方面的挑战,提出了一种新的端到端网路,并将注意力力机制应用于表情自动识别.新的网络体系结构由特征提取模块、注意力模块、重构模块和分类模块四部分组成.通过LBP特征提取图像纹理信息,捕捉人脸的微小运动,...     

基于概率神经网络说话人识别的算法研究

为实现由语音信号进行说话人身份的辨识,研究了以往的实现说话人辨认的系统,提出一种改进的算法,采用能够反映人对语音感知特性的Mel频率倒谱系数(MFCC)作为特征参数,即基于概率神经网络(PNN)的识别方法。经实测数据的处理,表明PNN对训练样本有很高的分类准确率,且对测试样本的分类准确性也较高,并验证了本方法的有效性。     

基于拓扑特征和投影法的东巴象形文识别方法研究

东巴象形文是由云南丽江纳西族先民创造并使用的,被誉为"世界上唯一活着的象形文字"。在图形识别、内容释读以及形、音、义信息等方面,现有的英文、汉字等识别系统及翻译系统往往不能适用于东巴象形文字,提出一种先拓扑特征处理后投影法特征提取的分步骤信息处理方法,并采用模板匹配法进行文字识别。通过实验验证表明,基于象形文固有特征的提取,利用拓扑特征与投影法相结合的特征提取方法进行东巴象形文字识别,具有准确度更高的特点,是东巴象形文识别的一种有效方法。     

基于鱼群算法与有导师神经网络的轴心轨迹智能识别

利用图像领域Canny算子和Hu不变矩代替人眼识别轴心轨迹,运用人工鱼群精简冗余数据,采用PNN进行故障分类,实现计算机智能识别分类机组故障。本文证实了此种识别方法比传统神经网络识别有更高的识别精度和效率。     

基于特征智能识别的业扩报装申请材料校验技术研究

目前供电公司开展业扩报装业务需人工校验客户申请材料,占用供电公司及客户大量时间,并且存在一定的失误率。为提高申请材料校验速率与服务质量,推进业扩报装前端服务数字化水平,提出了基于图像、号码数字化特征识别以及公用系统信息对比校验的申请资料校验系统,其中通过改进的LBP算法识别图像数字化特征、卷积神经网络识别号码数字化特征,4SF特征相似度匹配算法实现特征对比。使用核心申请材料身份证校验验证了系统的有效性和可靠性。研究内容为促进业扩报装申请材料校验数字化发展,提供了有效理论与实践指导。     

电力系统数字显示值智能识别技术研究

目前,对电力系统数字显示值识别尤其是数字串中含有小数点的情况研究较少,本文在改进投影法的基础上提出了一种新的相对比较简单的小数点处理办法.针对传统BP神经网络的不足,采用带动量因子的自适应修改学习率的学习算法,并对采用该算法的BP神经网络参数进行设置.实验结果表明,基于改进投影法的小数点处理方法解决了小数点引起的误识问题,采用带动量因子的自适应学习率算法的BP神经网络的识别率能达到99%以上.     

基于神经网络复杂背景下车牌识别系统的研究

车牌识别系统是以汽车车牌字符为目标对象的一个计算机视觉系统。由于获取的车辆图像受光照、噪声等外界因素的干扰,通常具有复杂性和不确定性,导致复杂场景下车牌字符识别更加困难。为提高识别率,首先利用BP网络对模糊处理后的定位车牌进行训练识别,利用MATLAB进行实验。再用卷积神经网络对车牌进行识别实验研究,与BP算法进行比较,对提出的算法进行仿真与实验,将两种方法进行对比发现看卷积神经网络算法对车牌字符识别率有较高的识别率,应用十分广泛。     

东巴古籍资源的数字化及数据管理

目前大多数东巴经典原始手稿被十多个国家的著名机构收藏,学术研究处于分散形态,沟通不便。构建东巴古籍共享平台有利于经典文化的抢救与传承。针对东巴古籍资源的数字化以及数据存储的问题,在分析现有信息抽取方法以及数据存储方式的基础上,提出了《中国少数民族古籍总目提要(纳西卷)》纸质书籍的数字化方法,并使用元数据表示从纸质书籍中抽取的东巴古籍书目,最终使用XML数据库管理数字化后的内容。实验结果表明,提出的信息抽取方法能够针对东巴古籍书目的特殊结构正确地抽取内容,并提供结构化检索手段。验证了该方法的可行性、正确性。这项研究对于少数民族古籍的数字化以及半结构化数据管理具有重要的借鉴意义。     

基于自编码网络的局部放电信号特征提取与识别

气体绝缘金属封闭开关设备(GIS)的状态影响电力系统运行的可靠性,而局部放电是设备潜伏性绝缘故障的重要表现之一。传统局部放电模式识别方法依赖专家经验选取局部放电特征,主观性强且不确定度高。针对这一问题,文中提出将深度学习技术引入局部放电模式识别领域,运用卷积神经网络及其扩展自编码网络提取局部放电信号特征,充分发挥自编码网络的特征抽取能力。同时,将所提取的特征与经典分类器进行衔接,有机结合传统机器学习方法与深度学习方法,实现局部放电信号的基本参数提取、统计特征计算与放电类型识别。实验结果表明,文中所提方法提取的特征相较传统的人工特征可明显提高局部放电的分类准确率和分类效率,具有广阔的工程应用前景。     

基于CNN图像识别算法的保护装置智能巡视技术

继电保护装置是保障电力系统安全稳定运行的重要环节。随着变电站及继电保护装置的数量大幅增加,日常巡视工作量已经趋于饱和,无法保证每次都实现高质量、无死角的巡视,给保护装置的可靠运行带来了隐患。文中提出基于卷积神经网络(CNN)图像识别算法的保护装置智能巡视技术,借助安装在屏柜前后的摄像头,可实现保护装置的无人或少人巡视。首先,介绍保护装置智能巡视系统,并对可实现的智能巡视项目进行分析,引出可利用CNN对其进行图像识别;然后以压板状态识别为例对巡视项目所需要的训练样本集和测试样本集进行介绍,并给出巡视项目的CNN层级;再利用训练样本集对不同巡视项目的CNN进行训练;最后,对各网络进行了测试。测试结果表明,各个巡视项目的神经网络图像识别率都在96%以上,有的可以达到98%,识别效果良好。     

基于忆阻器卷积神经网络的表情识别

忆阻器具有纳米级尺寸、低功耗、类似神经突触等优点,在神经计算、图像分类等领域具有广阔的应用前景。本文提出了一种基于忆阻器卷积神经网络的面部表情识别方法,首先基于忆阻器构建了ResNet卷积神经网络,并对ResNet网络进行剪枝操作,然后将ResNet模型的所有卷积层以及全连接层的权重映射为忆阻器十字交叉阵列中忆阻器的忆导值。实验结果显示忆阻器卷积神经网络模型在FER2013数据集上的识别准确率为63.82%,在CK+数据集上的识别准确率为93.95%。相比与原卷积网路,准确率损失仅分别为0.31%和0.76%。最后测试了忆阻器的非理想特性对准确率的影响,为忆阻器神经网络的实际部署提供参考。     

基于一维CNN的时域超声信号识别技术研究

超声检测缺陷是一种主流的缺陷识别手段,二维卷积神经网络一直是该领域的主要技术,一般从二维C扫、D扫等图像中提取属性特征来进行识别分类,这些研究主要采用二维卷积层,会产生较大的资源消耗。在所有类型的缺陷识别方法中,超声回波信号分析是最主要和有用的工具之一,本研究从原始时域超声信号中提取特征,首先使用来自实验室的JPR-600C空气耦合超声波无损检测系统采集数据;然后通过使用不同的超参数进行实验、t-sne可视化等手段构建并优化一维CNN网络模型;最后实现超声信号缺陷识别分类。实验结果表明,所提出的CNN模型的性能令人满意,缺陷识别准确率为97.57%,高于其他机器学习方法,为实现缺陷识别自动化的需要提供辅助。     

基于改进深度卷积神经网络的步态识别算法

针对传统步态识别算法因服饰携带物变换、视角等协变量因素变化导致的识别能力下降问题,提出了一种基于改进深度卷积神经网络的步态识别算法。该算法利用分层处理机制从步态数据中提取步态特征,能够降低常见变化和遮挡等情况对识别精度的影响,同时,算法根据实验确定了网络中每层特征图的最佳数量、特征图的最佳尺寸以及要用于步态识别的输入特征的类型,能够处理相对较小的数据集而无需使用任何增强或微调技术。CASIA-B步态数据库仿真实验表明,所提出的卷积神经网络覆盖了交叉视图步态识别和无主题的步态识别问题,能够克服与步态识别相关的协变量因素问题,具有更优的步态识别精度。