排序方式: 共有61条查询结果,搜索用时 265 毫秒
31.
人工智能在皮革手感测定中的应用 总被引:5,自引:2,他引:5
人工种经网络具有较强的自适应模式识别能力。本文提出了皮革手感测定的四个实验模型,并用BP人工神经网络处理检测数据.发现其结果与专家评定相一致。 相似文献
32.
探讨基于卷积神经网络的Faster-RCNN深度学习方法,检测籽棉中异性纤维的检测技术。使用线扫描相机在LED照明条件下获取籽棉和异性纤维的图像,采用基于Faster-RCNN的人工智能深度学习方法处理图像。试验结果表明,Faster-RCNN处理方法对籽棉图像中异性纤维的检出率达到90%,相比传统的图像检测方法大幅度提高了检测率,特别是对传统方法难以识别的白色或浅色异性纤维,其检测率可以达到90%以上。认为:本文所采用的基于Faster-RCNN的人工智能深度学习方法处理图像在异纤检测应用上具有一定可行性。 相似文献
33.
34.
35.
36.
37.
38.
刀轴类机器的加工质量和产量与刀辊承受的力矩、刀辊转速、送皮速度等动态参数紧密相关。本文用计算机、A/D 卡、扭矩传感器及光电转速传感器建立微机自动监测系统,对上述变量进行适时监测、记录(0~10000次/秒),然后在幅值域、时域及频域方面自动进行数据处理.这一工作为刀轴类机器结构参数、运动参数、动力参数以及操作参数的研究提供了必需的手段,同时为刀轴类机器的计算机控制建立了一定的基础。 相似文献
39.
在皮革物理检验方面,计算机与各种传感器相结合,构成功能各异的智能仪器,已获得了或正在蕴酿一系列新的科技成果.这些成果不但可能引起皮革物理检验手段、检验标准与检验范围的变革,而且可能在制革机械、制革工艺与皮化材料领域引起连锁反应。在某种程度上,预示着皮革学科新时代的来临。 相似文献
40.
针对籽棉图像阴影多、常规图像处理方法难于识别的问题,以去除棉叶、棉壳等有机杂物的籽棉为样本,将不同颜色、形状、尺寸的12种常见异性纤维和籽棉样本随机地分布在运转中的传送带上,采用线扫描相机获得发光二极管(LED)照明的籽棉图像520张,“LED+线激光”双光源照明的籽棉图像1 148张。然后采用一种由13个卷积层、13个采样层和4个池化层构成的Faster RCNN深度学习人工神经网络,对 2 种成像方法获得的籽棉图像进行基于人工智能的网络训练,再进行异性纤维检测验证。实验数据表明,LED照明和“LED+线激光”双光源照明条件下,籽棉图像中的异性纤维的检出率分别达到了90.3%和86.7%,特别是LED照明条件下对白色异性纤维进行识别,其识别率由5.9%提升到了90.3%。 相似文献