一种基于机器视觉的表面缺陷快速检测方法

实际生产过程中,产品表面会不同程度地留下污渍和印记,这对基于机器视觉的表面缺陷识别带来严重干扰.基于图案统计分析的识别方法速度虽快,但抗干扰能力弱,出现较高的误判率.基于深度学习的人工智能识别方法计算量巨大,速度慢,难以满足生产实际的高速要求.因此介绍一种改进SIFT算法,并给出了相关参数的设置方法和经验公式,通过实际表面缺陷的检测,对比验证了SIFT算法较强的鲁棒性和抗干扰能力,以及相关参数设置方法的正确性和可行性.实验数据表明,SIFT算法在凹陷类和斑点类缺陷的检出率上具有明显优越性,在裂纹类的误检率上也具有较大优势.特别是在有噪声图像干扰情况下,检出率比神经网络提升了20％,误检率降低了3％.     

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。     

多源图像融合技术在无人机中的应用

随着无人机技术的发展,无人机多源图像融合是一个日益受到关注的研究领域。在研究传统算法的基础上,针对经典HIS变换融合算法产生的光谱失真问题,通过引入压缩感知技术对传统算法进行改进,提出了一种融入压缩感知技术的图像融合算法并应用到无人机数码照片和SAR图像融合处理中。实验表明,该方法在引入SAR图像纹理信息的同时,能够有效保持可见光图像光谱信息,取得了较好的融合效果。     

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。     

含煤盆地深层“超饱和”煤层气形成条件

中国深层煤层气资源丰富，但总体勘探和认识程度较低，尚未形成较为系统的深层煤层气地质理论。通过解剖分析准噶尔盆地白家海凸起和鄂尔多斯盆地临兴区块深层"超饱和"煤层气井的试气/生产动态，估算原地游离气的含气量，分析了深层"超饱和"煤层气的形成条件。研究表明：①深层"超饱和"煤层气储层中除吸附气外，还含有原地游离气，用常规试气方法可直接获得气流，煤层气的产出不明显依赖于排水降压；②埋藏超过一定深度，在煤阶和温度的综合作用下，煤的吸附能力将随埋深的继续增加而降低，煤层中吸附气的饱和度有增加的趋势，在达到吸附饱和后，出现原地游离气并形成"超饱和"煤层气，盆地深层具有"超饱和"煤层气形成的优势条件；③由于地温梯度和压力梯度的不同，不同盆地"超饱和"煤层气出现的临界深度不同，异常高压和异常高热流可以降低深层"超饱和"煤层气形成的临界深度；④深层"超饱和"煤层气开发具有大大缩短见气时间、充分利用地层能量和累积产水量低等优势，有望成为未来煤层气勘探开发的一个重要领域。