基于多尺度双线性卷积神经网络的多角度下车型精细识别

针对多角度下车辆出现一定的尺度变化和形变导致很难被准确识别的问题，提出基于多尺度双线性卷积神经网络（MS-B-CNN）的车型精细识别模型。首先，对双线性卷积神经网络（B-CNN）算法进行改进，提出MS-B-CNN算法对不同卷积层的特征进行了多尺度融合，以提高特征表达能力；此外，还采用基于中心损失函数与Softmax损失函数联合学习的策略，在Softmax损失函数基础上分别对训练集每个类别在特征空间维护一个类中心，在训练过程中新增加样本时，网络会约束样本的分类中心距离，以提高多角度情况下的车型识别的能力。实验结果显示，该车型识别模型在CompCars数据集上的正确率达到了93.63%，验证了模型在多角度情况下的准确性和鲁棒性。     

基于机器视觉的果冻质量检测技术与装置

针对果冻质量人工检测效率低的问题,研究基于机器视觉的果冻质量检测技术并设计果冻质量自动检测装置。采用工业相机完成果冻食品图像的采集,提出基于分水岭算法果冻图像前景区域提取算法,分析果冻气泡的特点,结合区域生长算法对果冻气泡进行检测。试验结果表明,所设计的检测算法与装置能够有效对果冻质量进行检测。     

基于推断策略多介质反应温度控制系统研究与实现

针对反应釜夹套多种热/冷介质温度自动控制检测硬件复杂、实现困难等问题,分析了夹套介质切换操作过程,提出了基于推断识别的夹套介质自动切换解决方案,最大程度地简化了系统硬件配置。通过记忆阀门操作推断识别夹套内当前介质,替代在线检测与分析物质成分检测系统。分析了影响压空时间的因素,关联了压空时间与压空用压缩空气压力的关系,并根据压空操作时间推断判定夹套介质压空终点,解决了传感器检测压空操作终点存在的问题。设计了基于推断识别的夹套介质自动切换控制系统,实际应用中克服了人工操作过程复杂、效率低和易出错等问题。实际应用表明,该方案介质切换的效率高、安全可靠。     

基于FPGA的颜色识别触摸屏系统设计与实现

为了提高颜色识别系统的准确性、稳定性以及设计灵活性,基于现场可编程门阵列技术,设计了一个应用于静态图片的颜色识别系统,并设定了触摸屏功能。通过触摸读取屏幕坐标对应的RGB颜色值,减少了环境变化对系统的影响,利用阈值判定法实现颜色识别。实验结果表明,该系统稳定而且实用性强,系统可以识别任意800×480像素bmp图像的颜色,并具有较好的鲁棒性。     

基于OV7620的图像采集系统研究

文章介绍了一种基于ov7620摄像头的图像采集系统,用于不同颜色的物料分拣,图像采集系统采用飞思卡尔公司的32位MK60DN512ZVLL10作为主控芯片,采用双数组交替存储算法,并且分别介绍了场中断服务程序算法以及行中断服务程序算法。     

典型相关滤波跟踪算法的比较与分析

为综合评价现有的相关滤波类算法,对典型的相关滤波跟踪器进行全面的比较与分析,从而为进一步完善相关滤波器的设计提供指引。从相关滤波跟踪理论的一般框架切入,重点对当前四种具有代表性的相关滤波跟踪器即KCF,DSST,HCF和ECO展开研究,分别从理论分析以及在大规模公开数据集OTB100上的实验表现详细地比较各算法的优劣。比较与分析结果表明,使用卷积特征的算法在跟踪准确性和鲁棒性上相比单纯使用人工特征的算法具有显著优势,然而跟踪速度也会急剧下降,具有尺度估计模块的跟踪器能够得到更优的跟踪成功图表现。最后对深度学习结合相关滤波方法存在的实时性不足、长时跟踪等问题进行分析,并对未来的发展趋势进行了展望。     

基于DoG检测图像特征点的快速二进制描述子

针对SIFT描述子实时性差和传统二进制描述子对尺度、旋转和视角变化鲁棒性差的问题,本文通过优化采样模式和添加灰度差分不变量比较测试进行改进,提出了一种鲁棒性更高的二进制描述子。首先,设计了一种尺度关联、编号标记的采样模式;然后,旋转采样模式中各采样点到特定位置,确保描述子尺度、旋转不变性;接着,分析了采样点点对模式对描述子的影响,选择使用机器学习训练后的128对采样点对;最后,选择灰度值比较测试及梯度绝对值和比较测试构建二进制描述子。实验中采用DoG检测图像关键点,结果表明:本文提出的描述子在描述子构建和描述子匹配上比SIFT描述子分别快84%和67%;在有视角变化的图像匹配上,准确率比传统的二进制描述子高3%~5%,召回率平均要高30%以上。本文提出的特征点描述方法适用于时间要求高的图像匹配领域。