基于卷积神经网络的霉变烟叶图像识别方法研究

针对人工在线精选霉变烟叶时,存在效率低下、容易漏检等缺点,提出了一种基于卷积神经网络模型对霉变烟叶图像进行筛选、分类识别的方法。首先建立烟叶数据集,然后搭建卷积神经网络模型,利用卷积神经网络先初步提取特征,再筛选提取主要特征,然后进行各部分的特征汇总;最后实现图像的分类,从而实现了快速、准确的识别霉变烟叶图像和正常烟叶图像。实验结果表明,与人工挑选霉变烟叶的方法和烟叶传统图像分类算法相比较,搭建的卷积神经网络不仅具有较高的识别准确率,也简化了人工提取图像特征的复杂过程。     

基于DSP支持FAT32文件格式的IDE大容量视频系统设计

随着国内信息化建设的不断深入,公安、金融等部门对视频监视系统的需求不断增长.目前用于银行ATM的视频监控系统主要是通过网络将获取的图像压缩后取走,但是存在由于网络速度慢而来不及取走数据的情况,造成了实时性差、稳定性差等关键问题.而硬盘以其容量大、接口智能化程度高、控制方便越来越受到人们的重视,因此本文提出了一种基于DSP支持FAT32文件格式的视频监控系统的设计,用于控制硬盘进行视频数据的存储,解决远程控制传输占有系统资源过多的问题,极大的提高了系统的性价比.     

网格PVM的编程环境研究与设计

网格可用于解决大规模计算问题,但是在网格上进行程序设计是一件非常困难的工作.实现网格化的并行消息传递库是目前解决网格编程困难的主要手段.文中将PVM与Globus结合,充分利用Globus Toolkit提供的服务,为在网格上执行PVM应用提供一个框架,对其中的安全性、资源管理、信息管理和远程文件传输进行了详细设计,使得用PVM开发的应用不做任何修改就能运行在网格环境上.     

基于一维卷积神经网络的烟叶仓储霉变预测方法研究

针对烟叶存储期间的霉变问题,传统的防治措施效果欠佳,且已有的烟叶霉变预测模型的准确率较低,不能有效减少烟叶霉变现象的发生。为了提高预测烟叶霉变状态的准确率,提出了一种基于一维卷积深度神经网络（1D-CNN）的方法。以采集终端传感器数据为基础,对其进行标准化处理,得到模型训练特征,训练一个1D-CNN来预测烟叶霉变状态,优化网络结构,实验结果表明所提方法的预测准确率高于其它传统模型。最后,设计并实现了烟叶仓储霉变智能监测系统,实现了烟叶霉变的实时预测功能,取得了较好的效果。     

基于运动补偿估计的视频压缩感知编码与重构

针对传统视频编解码过程中计算量大,数据冗余的问题,利用新的压缩感知理论和运动补偿估计技术,提出了新的视频压缩处理过程。将视频帧分组,对关键帧采用压缩感知,对非关键帧利用运动补偿估计技术求残差,并对残差进行压缩感知,利用GPSR算法重构原始数据。实验仿真结果表明提出的模型能够利用较少的随机采样数据重构原始信息,达到较高的平均信噪比。     

自适应 VMD 及其在状态跟踪及故障检测中的应用

针对变分模态分解(variational modal decomposition, VMD)的特征提取性能受到参数影响的问题,以及故障状态跟踪的 实时性较差的问题,提出一种状态预警线构造方法和自适应 VMD 方法并将其用于机械零件的故障检测。 首先,提取机械零件 全寿命振动信号的退化特征,基于 2σ 准则构造状态预警线来跟踪机械零件的退化状态并检测故障预警点。 然后,引入能量熵 和互信息构造适应度函数,通过蚱蜢优化算法(grasshopper optimization algorithm, GOA)构造自适应 VMD 模型来检测预警点附 近机械零件的故障状态。 结果表明,提出的状态预警线能更及时有效地检测出故障预警点,自适应 VMD 能更准确地检测出机 械零件故障,具有良好的应用价值。