机器学习理论的超光谱遥感图像无损压缩

针对一般超光谱遥感图像的压缩方法无法同时实现图像信息缩减和图像完整性的问题，提出一种机器学习理论的超光谱遥感图像无损压缩方法。利用机器学习中的聚类算法进行第一次压缩，减少超光谱遥感图像中的冗余波段光谱，并降低图像维度；再利用机器学习中的人工神经网络进行第二次压缩，将不同图像子块送入不同压缩率的神经元当中，通过隐含层自主完成图像压缩编码。通过与四种一般压缩方法的对比验证，本方法图像压缩后，图像压缩率更小，图像分辨率和信息熵更高，既有效地减少了图像信息量，能够保留有效关键信息，达到了图像信息缩减和图像完整性的双重目标。     

高光谱成像用高帧频CMOS图像传感器北大核心

针对高帧频、全局曝光和光谱平坦等成像应用需求,设计了一款高光谱成像用CMOS图像传感器。其光敏元采用PN型光电二极管,读出电路采用5T像素结构。采用列读出电路以及高速多通道模拟信号并行读出的设计方案来获得低像素固定图像噪声(FPN)和非均匀性抑制。芯片采用ASMC 0.35μm三层金属两层多晶硅标准CMOS工艺流片,为了抑制光电二极管的光谱干涉效应,后续进行了光谱平坦化VAE特殊工艺,并对器件的光电性能进行了测试评估。电路测试结果符合理论设计预期,成像效果良好,像素具备积分可调和全局快门功能,最终实现的像素规模为512×256,像元尺寸为30μm×30μm,最大满阱电子为400 ke^(-),FPN小于0.2%,动态范围为72 dB,帧频为450 f/s,相邻10 nm波段范围内量子效率相差小于10%,可满足高光谱成像系统对CMOS成像器件的要求。     

基于推理注意力机制的二阶段网络图像修复

现有的图像修复方法在处理大面积缺失或高度纹理化的图像时，通常会产生扭曲的结构或与周围区域不一致的模糊纹理，无法重建合理的图像结构。为此，提出了一种基于推理注意力机制的二阶段网络图像修复方法。首先通过边缘生成网络生成合理的幻觉边缘信息，然后在图像补全网络完成图像的重建工作。为了进一步生成视觉效果更逼真的图像，提高图像修复的精确度，在图像补全网络采用推理注意力机制，有效控制了生成特征的不一致性，从而生成更有效的信息。所提方法在多个数据集上进行了实验验证，结果表明该图像修复方法的结构相似性指数达到了88.9%，峰值信噪比达到了25.56 dB，与现有的图像修复方法相比，该方法具有更高的图像修复精确度，生成的图像更逼真。     

基于机器视觉的轮胎表面缺陷检测系统的研究与应用

在传统的轮胎表面缺陷依靠人工检测,存在劳动强度高、受人的主观影响大以及效率低下的问题。针对这一现象,研究了一种基于机器视觉的轮胎表面缺陷3D检测系统。该系统依靠机器视觉系统获取检测轮胎的表面图像,然后创建3D模型、判定缺陷类型,最终实现实时自动预警,为轮胎生产商提供一种自动化检测方案。系统集成了先进的技术、软件和工具,配套的信息管控系统可以对轮胎型号和生产数据进行采集、存储、分析,以便在生产过程中实现更高效、更可靠的质量控制,具有较高的实际应用推广价值。     

计量皮带秤防冲料控制方案

由于计量皮带秤在使用过程中会产生冲料现象，导致扬尘，影响环境，易损坏皮带，也增加了现场岗位人员劳动强度，针对性地进行了控制系统的改造，通过控制料仓仓容稳定了计量，同时解决了扬尘问题。     

前言北大核心

20世纪60年代以来,激光和光纤的相继出现催生了新一代光纤通信技术,引领了信息技术的变革。伴随光纤通信技术发展而迅速发展起来的光纤传感技术,是以光波为载体、光纤为媒质,感知和传输外界物理信息的新型传感技术,具有抗电磁干扰、耐腐蚀、高灵敏度、轻质量、小体积、可嵌入(物体)、方便大规模组网进行分布式测量等优良特点,是衡量一个国家信息化程度的重要标志。我国从20世纪70年代末开始研究光纤传感器,与国际基本同步,经过四十多年的发展,我国光纤传感技术日趋完善,研制的传感器种类繁多,包括敏感转动、速度、压力、电流、声波、位移、磁场、液位、应变等物理量的光纤传感器,部分已经在实际场景中获得广泛应用,有力支撑了我国经济的高速发展。光纤传感已成为传感器领域的一个重要分支,具有旺盛的生命力和广阔的市场前景。     

基于STEAM的机器人竞技平台研发

基于创客和STEAM教育理念研制一种适用于中小学生的机器人竞技平台.通过机器人模块化设计分析和图形编程,达到了满足学生动手改装机器人需求的目的.该平台可以实现多机器人竞技赛和对抗赛,能够实时显示比赛图像、机器人位置信息和运行参数,并提供自动控制和遥控两种控制模式,自动完成实时计分与比赛结果统计,为机器人竞技比赛和中小学生STEAM教育提供了可靠设备.     

安卓平台上的医用图像信息采集系统的开发设计

为了探讨在安卓平台上构建医用图像采集系统的开发个案,分析通过以智能手机、平板电脑为核心安卓设备通过拍照获得化验单数据后进行文本识别并提交智慧医疗系统的解决方案。本文首先通过二值化算法形成低阈值图像数据,使用卷积神经元网络算法对文本进行逐一识别,使用K-means算法对识别后的单字文本进行字段记录值的整合并形成元数据库服务于其他智慧医疗系统模块。在使用9000组数据对神经元网络进行前期训练的前提下,该系统的识别准确率达到了99.5%以上。本系统具有一定的可行性,对未来智慧医疗的系统开发有实践意义。