焊缝表面缺陷激光视觉传感HOG-SVM的检测方法

为了实现对焊缝表面缺陷的自动检测与分类,研究一种有效识别焊缝表面缺陷的激光视觉检测方法.通过激光视觉传感器采集焊缝图像并进行预处理,包括图像分割,灰度化,平滑去噪以及焊缝轮廓提取.采用方向梯度直方图(Histogram of Oriented Gradient, HOG)提取焊缝激光条纹轮廓图像的特征向量.其次,基于5折-交叉验证网格搜索方法进行模型参数寻优,最终建立了支持向量机(Support Vector Machine, SVM)智能模型识别与分类焊缝表面缺陷.通过调整焊缝轮廓提取算法、HOG特征维度得到不同特征数据并进行对比、分析焊缝缺陷的识别效果.在相同试验条件下,发现支持向量机比随机森林分类器、K最近邻分类器以及朴素贝叶斯分类器的识别率更高,达到97.86%.基于HOG-SVM的焊缝表面缺陷智能识别方法可有效提高焊缝缺陷(气孔、凹陷、咬边)及无缺陷的分类精度.     

模糊聚类分析在隧道围岩稳定性预测中的应用

应用模糊聚类理论,通过对杭新景高速公路隧道监测历史数据进行的聚类分析,依据模糊聚类和模糊模式识别、类别变量特征值与概率统计相关分析等模型,根据模糊聚类参数与预测因子的前期特征值,确定相应的类别变量特征值,建立类别变量特征值与预测对象之间的相关关系,利用此相关关系对隧道拱顶沉降速率进行了预测,从而判断围岩的稳定情况。     

支持向量机在沥青改性最佳状态识别系统中的应用

普通沥青在使用过程中容易受到很多破坏,需要加入改性剂来增加沥青的使用寿命。改性剂沥青中呈星点状分布,其颗粒的大小和分布直接影响改性剂功效的发挥。本文就是在模式识别技术下,利用支持向量机,根据改性剂颗粒在沥青灰度图像中的灰度特性及几何特征,识别改性剂颗粒在沥青中分布的最佳状态。     

不同采收期水冬瓜叶的主成分分析及抗炎镇痛谱效关系研究

为筛选水冬瓜叶抗炎镇痛活性成分,采用高效液相色谱(HPLC)建立不同采收期10批次水冬瓜叶药材指纹图谱,对其进行主成分分析,并基于皮尔逊相关分析法探讨不同采收期水冬瓜叶药材抗炎镇痛的谱效关系。结果显示,不同采收期水冬瓜叶药材HPLC指纹图谱中有17个共有峰,10批次药材的相似度为0.875~0.973。聚类分析将不同采收期水冬瓜叶药材分为3类。主成分分析共得到3个主成分。经皮尔逊相关分析,峰17、峰14、峰12、峰15、峰13、峰5、峰16和峰4可能为水冬瓜叶药材镇痛作用的物质基础,峰6、峰8(异槲皮苷)、峰11、峰7(金丝桃苷)、峰5、峰3、峰4、峰13、峰9和峰1可能为水冬瓜叶药材抗炎作用的物质基础。     

江宁经济技术开发区工程适宜性图的编制

用模糊模式识别的方法，用多因子综合评价场地适宜性，编制工程地质适宜性图。     

基于图像处理的图形轮廓自动识别技术研究

在工业精密尺寸检测问题中 ,由于工件的制造精度、破损和锈蚀 ,使得所获得的目标图像边缘粗糙且带有噪声 ,造成自动检测困难 .因此 ,精确提取目标边缘特性曲线已成为开发工业自动检测系统中的一个难题 .对图形轮廓线的自动识别进行了探讨 ,将图像作为函数来处理 ,应用到图像处理与模式识别中 ,并给出了一种识别算法 .本算法用VisualC + +语言编写实现 .图形轮廓线的自动识别是新一代CAD设计系统必不可少的基本功能 ,介绍了一种适用于任一 2D数据图形文件的轮廓线自动识别的新方法———局部坐标判别法 .实践证明 ,该方法简洁、可靠 ,不需要大量的运算 ,在自动识别中效果良好 .     

疫情防控常态化下居民公园出行意愿影响 因素研究——一个条件过程模型检验

在疫情防控常态化背景下,了解居民对城市综合性 公园的出行意愿有利于公园管理运营合理化发展。基于事件 强度认知与计划行为理论,以风险传播为调节变量构建结构 方程模型,探讨影响居民公园出行意愿的机制。结果表明： 1)在新冠疫情强度认知中,居民的新颖性认知无法影响公园出 行意愿,但会负向影响公园出行态度,而颠覆性认知与关键性 认知均能够正向影响居民公园出行意愿与态度;2)居民对于 公园出行的态度、主观规范与感知行为控制均能正向影响公园 出行意愿;3)在新颖性认知和关键性认知2条影响公园出行意 愿的路径中,态度均起到中介作用;4)风险传播在“态度→ 出行意愿”和“主观规范→出行意愿”2条路径中均起到负向 调节作用     

振荡波电压下XLPE电缆局部放电模式识别研究

振荡波电压法因其无损检测特性被广泛应用于局部放电检测中,而目前缺乏对振荡波电压下电缆故障类型的模式识别研究。为此,笔者根据常见的电缆缺陷类型,制作了4种10 kV交联聚乙烯电缆中间接头人工缺陷模型,对4种缺陷模型施加振荡波电压并测量局部放电信号;提出以局部放电信号正负半波统计算子作为模式识别的输入特征量,采用支持向量机分类器对4种典型电缆缺陷进行模式识别;并将识别结果与采用人工神经网络的模式识别结果进行对比,验证了该方法的有效性。结果表明:以局部放电信号正负半波统计算子作为特征量能很好地反映电缆局部放电信息;基于支持向量机的模式识别方法能有效识别出振荡波电压下各种缺陷局部放电模式,比传统的人工神经网络模式识别方法识别率更高、运行速度更快,具有很好的实际应用价值。     

基于核典型相关分析融合的XLPE电缆局部放电模式识别

提出使用核典型相关分析方法提取XLPE电缆接头局部放电信号PRPD图谱特征信息,并使用K最近邻分类算法实现不同绝缘缺陷模式的高准确率识别。利用YJV-26/35 k V型电缆及其附件设计了4种典型绝缘缺陷,使用脉冲电流检测获取局部放电样本信息,绘制了PRPD图谱并应用于样本数据,研究不同特征向量下的识别效果,在适合维数最终获得较高识别正确率。相对于传统电力设备模式识别方法,不但可以有效反映信号非线性特征,并可以将多种特征进行有效融合,消除冗余特征。