3D视觉和扫描技术在内星轮冷精整生产中抓取和测量应用实例

在传统工业生产快速朝着智能化和数字化转型发展的今天,各类智能化技术层出不穷;随着近些年3D视觉以及3D扫描技术的不断发展和成熟,相关的技术也越来越多的被运用到智慧物流、快速扫描测量、AI等领域;3D视觉技术能帮助传统工业机器人完成更加复杂的动作,并通过算法实现深度学习,并具备快速计算运动路径的能力;比如依靠3D视觉技术,实现工业机器人对于上、下料动作路径的运算,实现物料的无序抓取,被抓取的物料可以随机无需排列摆放,这在以往工业运用中是难以实现的。     

基于半监督卷积神经网络的心律不齐分类

心律不齐早期的检测和分类有十分重要的价值.然而,由于心律不齐特征不够明显、不同人体心电信号存在较大的差异性等问题,心律不齐分类技术在现实中的应用存在很大困难.针对上述问题,提出了一种基于半监督卷积神经网络的心律不齐分类方法.首先,对心电信号进行马尔可夫变迁场变换将其变为二维图像;然后,迁移二维卷积神经网络训练得到普通模型;最后,使用半监督训练的方法得到特定模型,使用得到的特定模型对特定病人的心电信号进行分类.该方法从二维图像中提取更高层次的特征来提高分类性能,并有效地克服不同人体心电信号之间的差异性,增强了模型的泛化能力.遵循美国医疗器械促进协会标准,使用麻省理工学院和波士顿贝丝以色列医院心律不齐数据库中的数据,完成了心律不齐五分类,总准确率达到了97.9％,提升了心律不齐分类技术的现实应用价值.     

一种改进启发式算法在解决组合优化问题中的应用

启发式算法是解决组合优化问题的良策,介绍了一种改进的启发式算法和该算法在解决组合优化相关问题上的应用,分析该算法的详细流程,并通过仿真实验验证该算法的性能,并对其优势和不足进行了分析。     

基于阶段注意力机制的电力线提取算法

电力系统维护是电力系统稳定运行的重要保障，应用智能算法的无人机电力巡检则为电力系统维护提供便捷。电力线提取是自主电力巡检以及保障飞行器低空飞行安全的关键技术，结合深度学习理论进行电力线提取是电力巡检的重要突破点。本文将深度学习方法用于电力线提取任务，结合电力线图像特点嵌入改进的图像输入策略和注意力模块，提出一种基于阶段注意力机制的电力线提取模型（SA-Unet）。本文提出的SA-Unet模型编码阶段采用阶段输入融合策略（Stage input fusion strategy， SIFS），充分利用图像的多尺度信息减少空间位置信息丢失。解码阶段通过嵌入阶段注意力模块（Stage attention module，SAM）聚焦电力线特征，从大量信息中快速筛选出高价值信息。实验结果表明，该方法在复杂背景的多场景中具有良好的性能。     

岩移沉降观测中数据缺失的一种估算方法

在矿区的岩移沉降观测过程中,由于环境、人为等原因导致观测数据缺失问题,损害了整体观测数据的完整性,影响后续沉降趋势预测.文中提出了一种最大期望算法,通过计算极大似然估计,交替执行E步和M步,最终得到观测缺失数据填补值.利用某矿区实测数据进行实验,对比分析发现最大期望算法对缺失数据填补更接近实际测量值,在实际应用中有一定参考价值.     

基于1D CNN与XGBoost的恶意代码纹理检测

恶意代码数量已经呈现爆炸式增长,对于恶意代码的检测防护显得尤为重要.近几年,基于深度学习的恶意代码检测方法开始出现,基于此,提出一种新的检测方法,将恶意代码二进制文件转化为十进制数组,并利用一维卷积神经网络(1 Dimention Convolutional Neural Networks,1D CNN)对数组进行分类和识别.针对代码家族之间数量不平衡的现象,该算法选择在分类预测上表现良好的XGBoost,并对Vision Research Lab中的25个不同恶意软件家族的9458个恶意软件样本进行了实验.实验结果表明,所提的方法分类预测精度达到了97％.     

面向分拣机器人的珍珠形状视觉检测方法

针对人工进行珍珠形状分拣效率低、精度不稳定等问题,提出基于机器视觉的珍珠形状检测方法;采用背光成像方式消除珍珠表面纹理和光泽的影响,对获取的珍珠图像进行同态滤波等预处理算法,提高图像对比度;为了解决相互接触珍珠影响珍珠轮廓提取的问题,采用分水岭算法对珍珠图像进行分割,得到了独立存在的珍珠个体,再通过连通域标记、质心算法对珍珠进行定位;根据国家标准对珍珠形状的规定,基于珍珠图像信息建立珍珠形状参数模型,对珍珠形状进行量化;实验结果表明,不同形状的珍珠样本的检测误差为0.63%,形状统计精度为100%,算法耗时24 ms;该方法可准确高效地对珍珠进行分拣分级,具有一定的实用价值。