基于区分深度置信网络的病害图像识别模型

对枸杞病害进行及时、准确地检测识别对于病害的监测、预测、预警、防治和农业信息化、智能化建设具有重要意义。研究提出了一种基于区分深度置信网络的枸杞病害图像分类识别模型。首先,把枸杞叶部病害图像通过自动裁剪方式获得包含典型病斑的子图像,再采用复杂背景下的图像分割方法分割病斑区域,提取病斑图像的颜色特征、纹理特征和形状特征共计147个,结合区分深度置信网络和指数损失函数建立了病害识别模型。实验结果表明,该方法对于病害图像识别效果较好,与支持向量机相比,基于区分深度置信网络的病害图像识别模型高效地利用了底层图像特征的高层表示,解决了没有足够标注数据时的图像识别问题。     

基于计算机视觉的水稻病害诊断

目前国内水稻的病害会影响10%左右的水稻产出,而现今国内大部分的水稻种植户都是农民,其对水稻病害的识别和处理仅仅是靠的经验与他人之言,所以很容易在水稻病害时不可第一时间做出准确的判断并且及时的去对应,本研究是以图形处理技术为基础,把水稻病害的诊断与其结合,使用从田间拍摄叶片图像后再进行滤波,锐化,分割和特征提取并识别的方法来检测病害,让一般的农家可以使用这个装置省去下田观察的时间,避免农药的浪费,同时也保护土地质量,提高食品质量,把农家对水稻病害的诊断自动化,科技化。     

基于视觉感知的低照度图像自动识别系统

针对传统系统图像识别准确率较低的问题，设计了基于视觉感知的低照度图像自动识别系统。硬件上选取图像信息采集器和图像识别芯片；软件设计上通过采集图像信息，获得低照度图像样本，并利用视觉感知技术设置图像样本的相关参数，实现对样本图像的特征提取，之后通过计算图像的相似度，实现图像的自动识别。实验结果表明，设计系统的图像识别准确率为98.8%，具有较大的应用价值。     

中草药原植物叶片图像在线识别系统设计与实现

利用图像处理和图像识别技术,对中药叶片图像进行在线识别。主要过程包括图像采集、图像处理、特征提取、图像识别,通过动态规划算法与人工神经网络算法相结合的方法实现叶片图像的识别,平均准确率可达到80%以上。系统基于Web开发,后台采用Java语言实现图像的处理和识别,SQL Server2000数据库实现叶片图像数据的存储。实验结果表明,该系统对中药叶片图像识别具有较好的效果,并且便于操作和实现。     

中草药原植物叶片图像在线识别系统设计与实现

利用图像处理和图像识别技术,对中药叶片图像进行在线识别。主要过程包括图像采集、图像处理、特征提取、图像识别,通过动态规划算法与人工神经网络算法相结合的方法实现叶片图像的识别,平均准确率可达到80%以上。系统基于Web开发,后台采用Java语言实现图像的处理和识别,SQL Server2000数据库实现叶片图像数据的存储。实验结果表明,该系统对中药叶片图像识别具有较好的效果,并且便于操作和实现。     

基于VGG-16卷积神经网络的海水养殖病害诊断

海水养殖生物在养殖过程中会受到各种病害的影响, 病斑特征的差异性非常适合利用图像识别技术做诊断. 基于以上需求, 本文设计了一种基于VGG-16卷积神经网络的海水养殖病害诊断模型, 并采用随机梯度下降算法、防止过拟合技术来改进模型. 实验结果显示, 本研究模型相比其他传统网络模型效果更好, 具有很高的识别精度、鲁棒性和泛化能力, 可以准确快速地进行病害诊断, 具有一定的扩展性和推广价值.     

基于图像内容过滤的智能防火墙系统研究与实现

针对目前网络安全系统对于图像信息处理能力不足的问题,开发一种基于图像内容过滤的智能防火墙系统,能够准确、实时地监测网络中的图像信息,提高了网络系统的运行可靠性和安全性．提出了一种基于轮廓特征抽取与多智能体技术的图像内容检索法作为本系统的核心算法．该算法首次将图像检索问题看作是一个分布式求解问题,并以智能体技术作为支撑技术,解决了目前多维索引算法在大型图像库检索效率低下的问题,在不降低图像识别率的情     

贝叶斯方法在玉米叶部病害图像识别中的应用

根据锈病、弯孢菌叶斑病、灰斑病、小斑病及褐斑病等五种玉米病斑图像的实际情况,在图像分割和特征提取的基础上,利用朴素贝叶斯分类器的统计学习方法,实现玉米叶部病斑的分类识别。研究结果表明,对五种玉米叶部病害的诊断精度在83%以上。贝叶斯分类器具有网络结构简单、易于扩展等特点,对玉米叶部病害的分类识别效果较好,也为其它作物病害图像识别的研究提供了借鉴。     

支持向量机在皮肤症状图像识别中的应用研究

研究皮肤图像特征提取问题,在皮肤图像症状识别过程中,针对选择出对皮肤症状分类能力强、准确识别图像诊断方法问题,为提高识别率,提出采用遗传算法和小样本、非线性的支持向量机结合起来.通过遗传算法优化对皮肤症状特征空间进行搜索的同时,采用支持向量机对提取的皮肤显微图像的特征参数进行优化组合.在对5类典型皮肤症状进行仿真,使皮肤图像症状的特征通过组合的诊断识别率由87.24%提高到98.15%.实验结果表明,所采用的遗传算法与支持向量机结合的方法对皮肤症状图像识别率的提高是十分有效的,有利于皮肤病症的临床诊断研究.     

基于深度残差网络与迁移学习的毒蕈图像识别

我国毒蕈种类繁多且分布广泛,经常有人因无法鉴别毒蕈和可食用菌而误食毒蕈,导致身体健康甚至生命安全受到严重威胁。为了减少毒蕈中毒事件的发生,本文以中国常见毒蕈为研究对象,提出基于深度残差网络与迁移学习的毒蕈图像识别方法。首先通过互联网途径获取常见种类的毒蕈和非毒蕈的图像,经筛选后得到18种毒蕈和5种非毒蕈共14669张图像,使用数据增强扩充数据量,建立中国常见毒蕈图像数据集。然后以ResNet-152为预训练网络模型,采用基于模型的迁移学习方法,构建出毒蕈图像识别的模型结构,以Adam算法为模型优化方法,最后通过k折交叉验证进行模型训练。试验结果表明,毒蕈图像识别模型Top-1和Top-5准确率分别为92.17%和97.35%,对于常见毒蕈图像具有较高的识别率,可以有效的帮助人们避免误食毒蕈,为毒蕈识别研究提供新的方法。     

基于谱残差和聚类法的运动目标检测研究

传统基于特征点匹配的目标检测算法目标识别率低、误检率较高是因为特征点匹配不准确、目标轮廓不连续。针对这一问题,分别引入谱残差算法和k means聚类算法,并加以改进,提出一种基于谱残差算法和k means聚类算法的运动目标检测算法。具体方法是：首先,每隔两帧提取加速鲁棒特征SURF并对图像配准,再对帧差结果采用谱残差算法提取视觉显著性特征,去除因匹配不准确造成的噪点和伪运动目标;其次,形态学处理之后引入改进后的k means聚类算法,对不连续的轮廓进行聚类;最后形成完整的目标。实验显示,本文算法目标识别率达到90.61%,误检率达到21.25%,分别优于传统基于SURF特征的运动目标检测算法66.60%的识别率、31.91%的误检率和基于新的局部不变性特征ORB匹配的目标检测算法87.573%的识别率、26.80%的误检率。虽然该算法平均运行时间为18 fps,但仍可以满足视频流畅的需求,因此动态背景下该算法可做为一种有效的运动目标检测算法使用。     

基于深度神经网络的表面划痕识别方法

为实现亮度不均的复杂纹理背景下表面划痕的鲁棒、精确、实时识别，提出一种基于深度神经网络的表面划痕识别方法。用于表面划痕识别的深度神经网络由风格迁移网络和聚焦卷积神经网络（CNN）构成，其中风格迁移网络针对亮度不均的复杂背景下的表面划痕进行预处理，风格迁移网络包括前馈转换网络和损失网络，首先通过损失网络提取亮度均匀模板的风格特征和检测图像的知觉特征，对前馈转换网络进行离线训练，获取网络最优参数值，最终使风格迁移网络生成亮度均匀且风格一致的图像，然后，利用所提出的基于聚焦结构的聚焦卷积神经网络对生成图像中的划痕特征进行提取并识别。以光照变化的金属表面为例，进行划痕识别实验，实验结果表明：与需要人工设计特征的传统图像处理方法及传统深度卷积神经网络相比，划痕漏报率低至8.54%，并且收敛速度更快，收敛曲线更加平滑，在不同的深度模型下均可取得较好的检测效果，准确率提升2%左右。风格迁移网络能够保留完整划痕特征的同时有效解决亮度不均的问题，从而提高划痕识别精度；同时聚焦卷积神经网络能够实现对划痕的鲁棒、精确、实时识别，大幅度降低划痕漏报率和误报率。     

Artificial recognition system for defective types of transformers by acoustic emission

An artificial recognition system of defective types for epoxy-resin transformers through acoustic emission (AE) from partial discharge (PD) experiment is proposed. PD detection is an efficient diagnosis method to prevent the failure of electric equipments arising from degrading insulation. However, most of the PD detection methods could be performed only at the shutdown period of equipments. By using AE, the online and real-time detection with defective types could be easily reached. Therefore, in this paper a series of high voltage tests were conducted on pre-faulty transformers to collect the AE signals for recognition system needed. The selected AE features instead of waveform are then extracted from these experimental AE signals for the input characteristic of recognition system. According to these features, effective identification of their defective types can be done using the proposed recognition system that combined particle swarm optimization with an artificial neural network. To demonstrate the effectiveness and feasibility of the proposed approach, the artificial recognition system is applied on both noisy and noiseless circumstances. The experiment showed encouraging results that even with 30% noise per discharge count, an 80% successful recognition rate can still be achieved.     

基于图像处理的温室大棚中番茄的病害识别

为了准确有效判定温室大棚中番茄病害,利用图像处理和模式识别技术对其（早疫病、睨疫病、叶霉病）进行识别。经过刚像预处理后将叶片病害部位颜色及形状特征提取出来,并通过实验的方法,选取确定了5种显著性较大的特征用于研究,根据最后选取的特征值（颜色特征u,v;形状特征：圆度、复杂度、伸长度）采用贝叶斯判别法对番茄痫害进行识别。取每种病害各40组数据进行实验,结果表明早疫病、晚疫病识别率达到92％,叶霉病识别率达到96％。研究表明该方法能对番茄病害进行有效的识别,并有较高的识别率。     

基于视觉数据融合和机器学习算法的在役桥梁病害智能检测方法

为了准确检测在役桥梁病害问题，研究了基于视觉数据融合和机器学习算法的在役桥梁病害智能检测方法。采用雷达与视觉数据融合的无人机航拍技术，采集和定位在役桥梁高清图像；构建基于Ｍask R-CNN卷积神经网络的在役桥梁病害检测模型，通过迁移学习法动态优化训练检测模型，得出最优的在役桥梁病害检测模型；对定位到的在役桥梁高清图像进行去噪增强处理，输入该检测模型进行分类识别，输出病害检测结果。实验结果表明：该方法可以快速准确检测出多种在役桥梁病害，减少误检和漏检，实现一图多病害的精细化检测。     

Fire detection algorithms for video images of large space structures

In large space structures, the latest fire detection methods are based on video image processing and data fusion. But the false positive rate and false negative rate remain unsatisfactory and need improving. The emphases of this paper are target extraction and recognition. A new adaptively updating target extraction algorithm (NAUTEA) is proposed by which the intact target can be extracted in time. In addition, some fire video image recognition algorithms, such as fuzzy neural network (FNN) and FGALSSVM (Fuzzy GALSSVM), are studied and improved. To verify the performance of these algorithms, a prototype system is developed, and a series of algorithm tests on a fire video are conducted. These tests make it clear that, the accurate, robust and real-time fire detection can be realized.     

高阶统计与局部几何特征结合的货币图像识别

由于硬币具有多样性特点及现代假币手段的隐蔽性,这给硬币鉴伪带来了很大的困难,为此提出了一种基于高阶统计量与局部几何特征相结合的硬币图像识别方法。利用图像边缘纹理和图像面积的比值不变性,给出了一种变阈值的Robert边缘检测算法。将边缘图像的不变矩、纹理特征以及区域占有率等高阶统计量,以及不同版本硬币的局部几何特征量作为硬币图像的特征向量,采用模糊C均值聚类方法对其进行聚类分析,从而实现硬币的分类识别。实验结果表明该方法的识别率可以达到98．5％以上,并对环境光照的变化有很强的适应性。     

车辆牌照上英文和数字字符的结构特征分析及提取

为了研制高性能的车辆牌照自动识别系统，在详细分析车辆牌照上英文和数字字符结构特点的基础上，选择字符图象中的闭合曲线作为其整体特征，将笔画端点，三叉点和四叉点作为其细节特征，同时将笔画中的拐角点作为其辅助结构特征，三者可分别用于字符的粗分类，细分类和相似字符区分，进而提基于图论和细节点特征的闭合曲线检测算法以及基于二值图象外边缘轮廓线的笔画拐角点检测算法，将上述结构特征用于车辆牌照上英文和数字字符识别，测得识别率达96％，用PⅢ550计算机完成结构特征抽取和字符识别所用时间约20ms／字符，表明这些结构特征适用于车辆牌照上英文和数字字符的快速识别。     

Haar-like特征双阈值Adaboost人脸检测

目的 针对基于Haar-like特征的Adaboost人脸检测算法,在应用于视频流时训练的时间较长,以及检测效率较低的问题,提出了一种基于区间阈值的Adaboost人脸检测算法。方法 通过运行传统的Adaboost算法对人脸图像Haar-like特征值进行提取分析后,对人脸样本与非人脸样本特征值进行比较,发现在某一特定的特征值区间内,人脸和非人脸区域能够得到准确区分,根据此特性,进行分类器的选择,在简化弱分类器计算步骤的同时,降低训练时间,提高对人脸的识别能力。除此之外,弱分类器的增强通过Adaboost算法的放大使得强分类器分类精度提高,与级联结构的配合使用也提升了最终模型检测人脸的准确率。结果 利用MIT（Massachusetts Institute of Technology）标准人脸库对改进Adaboost算法的性能进行验证,通过实验验证结果可知,改进后的Adaboost人脸检测算法训练速度提升为原来的1.44倍,检测率上升到94.93%,虚警率下降到6.03%。并且将改进算法在ORL（Olivetti Research Laboratory）、FERET（face recognition technology）以及CMU Multi-PIE（the CMU Multi-PIE face database）这3种标准人脸库中,分别与SVM（support vector machine）、DL（deep learning）、CNN（convolutional neural networks）以及肤色模型等4种算法进行了人脸检测对比实验,实验结果显示,改进后的Adaboost算法在进行人脸检测时,检测率提升了2.66%,训练所需时间减少至624.45 s,检测效果明显提升。结论 提出的基于区间阈值的Adaboost人脸检测算法,在分类器的训练和人脸检测方面都比传统的Adaboost算法性能更高,能够更好地满足人员较密集处（如球场等地）对多人脸同时检测的实际需求。     

交通图像中机动车联合检测与识别

目的 机动车检测和属性识别是智能交通系统中的基本任务,现有的方法通常将检测和识别分开进行,导致以下两个问题：一是检测算法与识别任务在时序上存在耦合问题,增加了算法设计的复杂度;二是多个任务模块及其交互会增加计算负载,降低了智能交通系统的执行效率。为了解决以上问题,结合机动车辆视觉属性与检测之间的联系,提出机动车联合检测与识别方法,将检测和属性识别任务整合在一个算法框架中完成。方法 首先,将车辆颜色与类型融合到检测算法中,使用多任务学习框架对机动车的属性识别任务与定位任务建模,在检测的同时完成属性识别。进一步地,针对智能交通系统中数据分布不均匀、呈现长尾现象的问题,将多任务学习框架与在线难例挖掘算法相结合,降低该现象给模型优化带来的危害。结果 为了验证本文提出的方法,构建了拥有12 712幅图像,包含19 398辆机动车的道路车辆图像数据集。在该数据集上,使用机动车联合检测与识别算法取得了85.6%的检测精度,优于SSD （single shot detector）与Faster-RCNN检测方法。针对识别任务,本文方法对于颜色与类型属性的识别准确率分别达到了91.3%和91.8%。结论 车辆颜色和类型作为机动车的重要视觉特征,综合利用以上线索有助于提高机动车检测的效果,同时能够得到良好的属性识别性能。除此之外,使用一个高度集成的框架完成多个任务,可以提升智能交通系统的运行效率。