一种基于模板匹配的人民币编号识别算法

针对纸币清分机对人民币编号自动识别,在处理速度和识别率方面的高标准要求,提出了一种基于模板匹配的人民币编号快速识别算法,该算法在图像预处理时,利用改进的滤波法去离散噪声;在字符识别时,利用数字和字母的水平与竖直交点特征和轮廓对称特征以及加权特征,直接识别定位好的字符。实验结果表明,该算法具有对硬件资源要求低、识别速度快等优点,可以满足纸币清分机的应用要求。     

人民币纸币识别系统

设计研究人民币纸币清分系统中的主要模块,如图像采集、处理和识别.在硬件部分,选用CM326A4作为系统的图像传感器,选用DSP芯片TMS320C6711进行纸币图像的处理和识别;在软件部分,选取预处理之后的纸币图像的尺寸特征用模糊逻辑推理方法识别图像的面值,提取矩作为特征,采用三层BP神经网络来识别纸币的正反面和正反向,并通过实验证明该系统的有效性和可行性.     

基于机器视觉的纸币清分机设计分析

设计了一种基于机器视觉的智能纸币清分机,可实现纸币真假识别、面额清点和分拣等功能。清分机采用STM32作为运动控制系统的处理器,可同时控制进钞步进电机、传输步进电机和分拣步进电机,实现三轴联动。通过红外触发传感器,检测进钞状态,触发相机采集图像。基于工业计算机处理平台,采用CCD相机与紫外LED光源,采集纸币目标区域的水印图像。设计专用的纸币智能识别算方法完成水印图像处理与分析,处理信号驱动运动控制系统,控制线性模组完成纸币的分类。实验结果表明所设计的纸币清分样机可实现不同面值纸币的快速准确识别、清点与分类。     

一种基于紫外荧光图像的人民币面额识别算法

通过调研国内外纸币面额识别技术的研究现状,设计了一种基于紫外荧光图像的人民币面额识别算法,该算法利用在紫外光照射下人民币正面的荧光面额区域作为识别特征,经过简单的图像预处理(包括倾斜校正、图像二值化、滤波和形态学处理等)操作,综合运用几何结构分析和模板匹配的方法实现对六种人民币面额的识别,识别率达到99%以上,平均识别时间在0.04s以内。该算法识别效果好并且满足一定的实时性,经过改善可以运用到自动售货机、点钞机、清分机、ATM机等实际系统中。     

基于TCS230颜色识别传感器的纸币清分机

为了高效、便捷地解决目前银行、公交公司、超市、商场等行业在整理纸币时的问题,在查阅、分析、对比现有的纸币分类系统后,自主设计了一种基于TCS230颜色识别传感器的纸币清分机,该机器在STC89C51单片机的控制下,可以将混叠在一起的多种面额地纸币进行快速、准确的清分,具有结构简单、体积小、操作方便、容易维护等特点。     

基于双目视觉的工件抓取系统研究

现代化工业流水线上,双目视觉技术利用视差原理能够恢复目标物体空间信息,将机械手与其相结合,可以解决传统生产线对机器人通过离线示教方式进行抓取的弊端,对于提高生产效率和自动化程度有着重要意义。该系统利用双目视觉技术,使用改进的SURF算法对工件图像进行特征提取,同时以距离测度作为相似性度量技术进行左右图像特征点匹配,实现对工件中心识别;并将识别结果转化为机械臂控制信息,完成工件抓取。     

基于改进SVM的数控机床在线实时诊断系统设计

结合故障诊断需求,提出一种改进SVM故障诊断与预警系统.结合故障诊断原理,对系统整体架构进行部署;选择7202AC型角接触球轴承故障特征作为研究对象,通过传感器对故障特征进行采集;通过时域、频域和时频域特征提取,完成对故障信号的预处理;然后利用遗传算法对传统SVM惩罚因子C和g进行优化,以此完成对不同故障类型的识别.最后,结合MATLAB软件和Python编程语言,对改进算法进行系统实现,验证了改进算法的可行性.     

基于混合模型与改进多分类马田系统的控制图模式识别

为提高生产过程中产品质量的智能监控水平,提出基于时间序列混合模型及改进多分类马田系统的控制图模式识别算法。选用时间序列混合模型对控制图实时数据进行特征提取;改进马田系统的阈值计算方法并制定多类判别准则,将表征的特征向量代入改进多分类马田系统分类器中进行特征约减及模式识别。最后,将该识别算法应用于控制图公开数据集及生产案例中,以验证算法的有效性,并与其他算法对比了分析,结果表明,基于时间序列混合模型及改进多分类马田系统算法能简化识别系统,识别精度高,是一种更为有效的控制图模式识别方法。     

基于EfficientNet-YOLOv3的多氧压表识别方法

为了提高氧压表的检测效率，同时完成多块氧压表的识别，利用改进后的YOLOv3目标检测算法对工业上的氧压表进行检测。首先将原YOLOv3特征提取网络调换为EfficientNet网络，提高算法的特征提取能力；其次通过制作的加强型数据集，实现仪表的特征增强；最后，利用K-means算法对数据集进行聚类，得到合适的Anchor box，提高仪表定位精度。实验结果表明，改进后的YOLOv3算法可同时完成3块氧压表的识别，且识别精度高，降低了氧压表的漏检率，并且在平均精度上达到了96.73mAP，相比于未改进的YOLOv3算法提高了7.5%,检测速度为54.2FPS，比其他目标检测算法具有更好的检测性能。     

基于分维LLE和Fisher判别的故障诊断方法

针对非线性系统故障诊断难以解决的问题,通过改进的局部线性嵌入映射算法解决了非线性数据的特征映射问题。首先,通过线性拟合改进了基于分形维估计的内在维数的估计。然后,将故障状态与空间分布结合起来,通过确定数据点在空间超球内的分布完成故障的检测,在这个过程中将超球的确定与LLE算法中基于核函数的样本外数据扩展结合起来,大大减少了计算量,提高了算法的实时性。然后,利用Fisher判别分析进行故障匹配,通过计算最优的投影向量与历史故障数据投影向量的相似度的计算,完成故障识别,从而为复杂非线性系统故障诊断提供了一种新的有效的方法。