基于小波变换的有色金属腐蚀图像自适应增强方法

通过对有色金属腐蚀图像的增强处理,提高对腐蚀图像的修复和识别能力,提出一种基于小波变换的有色金属腐蚀图像自适应增强算法,对采集的有色金属腐蚀图像进行腐蚀边缘轮廓特征提取预处理,采用小波变换算法进行腐蚀图像的浊点标定,结合自适应匹配滤波检测实现图像增强算法改进。仿真结果表明,采用该算法进行图像增强,能提高腐蚀金属图像输出的峰值信噪比,性能指标优于传统方法。     

复杂环境下一种基于SiamMask的时空预测移动目标跟踪算法

随着无人工厂、智能安监等技术在制造业领域的深入应用,以视觉识别预警系统为代表的复杂环境下动态识别技术成为智能工业领域的重要研究内容之一。在本文所述的工业级视觉识别预警系统中,操作人员头发区域由于其具有移动形态非规则性、运动无规律性的特点,在动态图像中的实时分割较为困难。针对此问题,提出一种基于SiamMask模型的时空预测移动目标跟踪算法。该算法将基于PyTorch深度学习框架的SiamMask单目标跟踪算法与ROI检测及STC时空上下文预测算法相融合,根据目标时空关系的在线学习,预测新的目标位置并对SiamMask模型进行算法校正,实现视频序列中的目标快速识别。实验结果表明,所提出的算法能够克服环境干扰、目标遮挡对跟踪效果的影响,将目标跟踪误识别率降低至0.156%。该算法计算时间成本为每秒30帧,比改进前的SiamMask模型帧率每秒提高3.2帧,算法效率提高11.94%。该算法达到视觉识别预警系统准确性、实时性的要求,对移动目标识别算法模型的复杂环境应用具有借鉴意义。      

带钢表面缺陷多维混合特征提取及识别

为了自动获得最具区分力的多维融合特征,提出了改进的ReliefF算法对带钢多维混合特征进行自动评估选择。针对ReliefF算法不能去除冗余特征的缺点,引入最大信息压缩准则去除冗余特征。在此基础上,采用遗传神经网络建立带钢缺陷识别的知识库,遗传算法可以自主地辨识最小的包含最优解的搜索空间,再由BP算法按负梯度方向进行权值及阈值的修正。研究结果表明:改进ReliefF算法为后续分类识别提供了最优的特征向量,减少了数据的运算量和存储量;遗传神经网络算法获得了在满足准确性前提下更高网络识别缺陷的效率。     

自主机器人指定颜色形状属性物体的识别方法

机器人在自主行进的过程中,依靠视觉系统自动捕捉目标,并将目标物识别出,是智能机器人的关键技术之一.为解决机器人移动过程中对已知颜色形状属性的目标物的识别问题,对基于YUV颜色空间的种子填充彩色图像分割方法进行改进,在各种背景下有效地实现机器人视觉系统对已知颜色形状的目标物的识别,对变化光照具有较强的适应性.     

金属管道焊接过程中的焊点跳变稳定性控制方法

金属管道焊接过程中由于受热不均产生焊点的跳变,导致焊接精度不高,提出一种基于累积耗能的非线性组合补偿的金属管道焊接过程中的焊点跳变稳定性控制方法。首先金属管道焊接的控制对象描述和约束参量模型构建,得到焊点跳变稳定性控制目标函数,提取焊点的累积耗能,进行非线性组合补偿,实现控制模型改进。仿真表明,该方法能提高金属管道焊接的过程稳定性,避免了焊点跳变,提高焊接质量。     

智能集成优化控制技术及其在工业中的应用

研究和讨论了复杂工业过程的优化控制技术 ,提出了智能集成优化控制的理论框架。以冶金工业生产中三个典型的复杂生产过程为应用背景 ,分别将模糊神经网络集成建模、基于改进模拟退火算法的混合罚函数目标优化技术、基于混沌神经网络的优化技术及基于模型的专家优化控制技术应用于工业生产过程控制 ,为企业带来了巨大的经济效益和社会效益。     

基于二级特征匹配的卡尔曼滤波跟踪算法

运动目标的检测和跟踪是计算机视觉领域的研究热点和难点。本文针对复杂的交通应用背景,提出了基于二级特征匹配的卡尔曼滤波跟踪算法。首先在背景建模中引入一个差异深度矩阵以抑制噪声影响,利用基于背景差分的目标检测确定目标区域,然后运用卡尔曼预测目标位置,并以目标区域的几何特征和核直方图特征对当前帧检测到的目标模板和预测区域内的目标进行二级特征匹配。实验表明,该算法能够在保证多运动目标跟踪的准确有效性的基础上达到实时性应用要求。     

基于改进的微粒群算法的板形模式识别方法

针对在实际生产中板形信号识别精度不高的问题,通过对板形信号和板形识别数学模型的分析,采用基于混沌序列的微粒群寻优算法对板形信号进行识别。以勒让德正交多项式作为板形缺陷的基模式,将板形信号模式识别过程转化为函数的优化问题,有效地提高了算法的寻优效果,改进了板形信号模式识别的速度和精度。     

一种约束条件下有效识别障碍物的方法

设计一套障碍物自动识别算法,用于巡线机器人自主跨越障碍物过程中的识别问题.算法主要基于图像边缘信息,采用Hough变换和遗传算法的椭圆识别以及点统计等方法,将该算法应用于输电线路障碍物识别中.实验结果表明,该识别系统能在复杂背景及光照不均匀的情况下较准确可靠地识别出防震锤、悬垂线夹和跳线线夹,为约束条件下的实验室模拟输电线巡线机器人提供障碍物信息.     

基于单尺度Retinex理论的带钢图像增强算法

针对带钢表面缺陷检测中图像偏暗的问题,提出一种基于单尺度Retinex理论的图像增强算法,该算法将预处理后的带钢图像乘以比例系数,得到亮度图像的估计值,接着对反射图像采用Gamma校正,最后将Gamma校正后的反射图像与粗估计的亮度图像进行合成,得到最终的增强图像。对算法中亮度估计用到的比例系数,以及Gamma校正系数进行了详细的分析。实验结果表明,该算法避免了单尺度Retinex算法在估计亮度图像时采取的复杂运算,并且较一般的图像增强算法能够使带钢图像中较暗的细节得以凸现,在增强效果和实时性上具有更大的优越性。     

基于贪婪Snake模型与多尺度分析的图像分割

为了准确分离目标区域,提出了一种基于贪婪Snake与多尺度图像增强相结合的新的轮廓分离模型.首先对输入的图像给定一个初始轮廓,然后应用多尺度分析进行图像增强,之后在不同的尺度中运用贪婪Snake模型进行轮廓的分离,最终分离出理想的目标轮廓.实验证明该方法提高了分割的精度.     

基于双特征融合的动态图像分析算法

为解决汽车碰撞实验过程进行测量和记录数据困难的问题,提出一种能从汽车碰撞动态图像中检测、识别和追踪标志目标的算法.该算法采用二值图像同或相关法分离出目标和背景;在找出感兴趣区域后提取相邻帧目标的坐标和纹理进行特征匹配;给出了对匹配量化值进行加权平均融合的策略,并由等错误率最小准则确定融合的最佳权系数;在融合量化值定义为相似度的基础上,通过决策阈值对相邻帧目标间的最大相似度组合进行识别;从而进一步提出了用同构映射原则来判断相邻帧目标的最佳配对.实验结果表明,该算法对相邻帧目标的配对准确率比传统单特征法提高5%,能更有效的对目标进行追踪.     

RH-KTB炉外精炼过程的RBF网络故障诊断系统

提出一种利用RBF神经网络进行聚类分析,用于对RH炉外精炼进行故障诊断的方法.并进行神经网络的建立、训练、数据的实时采集、知识的获取、表达、推理、决策以及建立知识库,从而达到迅速,准确地判断和识别故障的目的.此外在网络学习中采用调整中心半径的RBF学习算法,是基于现实应用背景下对RBF学习算法改进的大胆尝试与实践.最后通过仿真证明其具有可行性和准确性.     

复杂光照环境下的灰度图像二值化算法的研究及应用

在基于机器视觉的钢铁厂板材库区管理系统中,为了识别板材上喷印的编号,要对获得的图像进行预处理去除冗余信息。预处理的重要环节之一是二值化处理。本文提出一种新的二值化算法("反削顶"算法),利用照度变化趋势,将目标从背景中提取出来。该算法简易高效,比常用的同态滤波和顶帽变换等二值化算法更能适应现场环境,目前已应用于江苏沙钢集团宽厚板成品库区管理系统中,实测正确率达到精度考核指标,完全满足生产要求。     

废钢料型智能识别的语义分割模型选择与实现

目前业界对废钢智能评级和扣杂的方案都是基于目标识别模型，但是目标识别模型与语义分割模型相比其无法精确刻画废钢的边界，造成对废钢的面积估计和特征采集不精准。然而当前语义分割模型众多，如何选择一种适合废钢判级场景的模型是亟待解决的问题。针对该问题，首先在实验室建立1∶3物理模型，模拟不同类型废钢入厂验质场景；然后，用2K分辨率摄像头采集图像数据；最后，将主流的20种语义分割模型进行对比分析。试验表明，在139张废钢数据集上应使用全卷积神经网络(fully convolutional network, FCN)模型搭配高分辨率网络(high-resolution net, HRNet)对废钢进行语义分割；在图像增强的1 529张废钢数据集上应使用基于Transformer改进的高效语义分割模型SegFormer-B5对废钢进行预测分类；从平均交并比(mean intersection over union, mIoU)评价指标来看，FCN和基于上下文表示的语义分割网络(object-contextual representations network, OCRNet)使用HRNet主干网络比...     

基于共享最近邻密度的演化数据流聚类算法

现有的基于密度的数据流聚类算法难于发现密度不同的簇,难于区分由若干数据对象桥接的簇和离群点.本文提出了一种基于共享最近邻密度的演化数据流聚类算法.在此算法中,基于共享最近邻图定义了共享最近邻密度,结合数据对象被类似的最近邻对象包围的程度和被其周围对象需要的程度这两个环境因素,使聚类结果不受密度变化的影响.定义了数据对象的平均距离和簇密度,以识别离群点和簇间的桥接.设计了滑动窗口模型下数据流更新算法,维护共享最近邻图中簇的更新.理论分析和实验结果验证了算法的聚类效果和聚类质量.      

基于改进YOLOv3的缺陷检测算法研究

钢材的缺陷检测对提升钢材生产质量至关重要。针对现有主流目标检测算法YOLOv3，将缺陷检测视为目标检测任务，提出了基于轻量化设计和提升检测精度两个维度的改进。轻量化设计的改进主要涉及到骨干网络提取特征的改进以及多尺度检测网络的尺度设计，提升检测精度主要为赋予不同类别权重的损失函数设计策略。实验表明，改进的算法能更加快速、准确地进行检测，并且更为轻量，极大地促进了算法在实际场景中的部署应用。     

基于深度学习的高效火车号识别

基于高性能的YOLOv3目标检测算法,提出一种分阶段高效火车号识别算法。整个识别过程分为两个阶段:第一阶段在低分辨率全局图像中检测出火车号区域位置;第二阶段在局部高分辨率图像中检测出组成火车号的字符,根据字符的空间位置关系搜索得到12位火车号,并利用每个字符的识别置信度及火车号编码规则进行校验得到最终火车号。另外,本文提出一种结合批一化因子和滤波器相关度的剪枝算法,通过对两个阶段检测模型的剪枝,在保证识别准确率不降（实验中略有提升）的条件下降低了存储空间占用率和计算复杂度。在现场采集的1072幅火车号图像上的实验结果表明,本文提出的火车号识别算法达到了96.92%的整车号识别正确率,平均识别时间仅为191 ms。      

基于精英重组的混合多目标进化算法

针对多目标进化算法搜索效率低和收敛性差的问题,提出了基于精英重组的混合多目标进化算法,将多目标优化问题分解为多个单目标优化问题单独求解,并采用基于遗传算法的精英重组策略将多个相异解重组生成唯一的精英解.提出区域化的种群初始化方法,改进局部搜索及群体选择机制,采用以优化子群为核心的分组交叉策略及自适应多位变异算子,并引入基于混沌优化的重启机制,有效克服了精英保存的固有缺陷,以及现有多目标进化算法存在的目标空间解拥挤、收敛慢、易早熟等问题.多目标测试函数的数值仿真和关键步骤的性能分析证明了本文算法的有效性和优越性.      

运动图像快速跟踪技术研究

针对运动图像目标检测需人工干预,跟踪核窗固定、目标易丢失等问题,提出了融合背景差分、帧间差分和灰度闻值技术的变背景帧闻差分法,并结合灰度质心定位和自适应核窗宽改进了MeanShift跟踪算法.该方法能够在复杂环境下检测出各种运动目标,并进行实时跟踪,当日标发生尺度、旋转、无规律大位移变化时都能够快速准确地检出并跟踪.大量实验仿真表明,本算法检出率高,迭代次数少,实时性强,具有很好的适应性和鲁棒性.