基于亚像素边缘检测的纱线条干均匀度测量

为了精确地评价纱线的表观条干均匀性,提出一种基于亚像素边缘检测的纱线条干均匀度检测方法。首先通过图像采集装置获取纱线图像;然后对纱线图像进行亚像素边缘检测获取纱线边缘点集;利用开运算对获取的边缘点集进行处理,进而获得纱线条干的边缘;最后采用坐标直方图方法计算纱线平均直径和条干CV值。为验证方法的有效性和准确性,对多种不同线密度的纯棉纱线进行测试,并将测试结果与电容式条干仪的均匀度检测及基于模糊C均值分类和Otsu图像法的检测结果进行了对比。结果表明:基于亚像素边缘检测的纱线条干均匀度检测方法与电容式的测量结果有着较好的一致性,证明所提方法可得到准确的结果。     

基于深度学习的番茄叶部病害识别模型

番茄叶病种类多、成因复杂,其预防和识别难度较大。传统基于机器学习的方法多靠人工识别,需要一定的专家经验,且具有主观性强、识别准确率不高等缺点。为实现番茄叶病特征的自动提取,并提高识别准确率,提出一种基于深度学习的番茄叶病识别模型。该模型基于卷积神经网络对番茄叶部病害特征进行自动提取,获得高维特征后,采用PCA降维算法去除冗余特征;从增大类间距离并减小类内距离的角度改进了softmax分类器,提高了识别准确率。将该模型在CrowdAI提供的数据集上进行了仿真验证,结果表明,该模型能够对番茄叶部常见10种病害进行自动提取特征和识别,综合识别准确率达到95%以上。     

多尺度高阶FDTD逆时偏移在煤田地震勘探中的应用

目前煤田地震勘探的主要难点是深部复杂构造的成像。随着逆时偏移技术的发展，针对煤田地震勘探，如何在保证偏移成像精度的前提下，提高成像计算效率是急需解决的问题之一。从成像区域网格离散化的角度出发，针对高速层过采样和低速夹层采样不足问题，提出赋予研究对象多尺度网格的概念，具有较好的灵活性，能够对同一个地质模型采用疏密结合的方式成像。首先，根据速度模型设计多尺度网格模型，低速区域采用小尺度网格覆盖，高速区域采用大尺度网格覆盖;其次，采用高阶FDTD方法计算多尺度模型内各点的波场值，尤其过渡带内的点;最后，根据成像条件完成地下介质的逆时偏移成像。实验结果表明在保证模拟相同阶数精度条件下，多尺度逆时偏移方法比传统方法计算效率平均提升25.05%。     

嵌入式针织丝袜机花型数据提取算法

针对针织丝袜机花型数据格式复杂、数据量大且不能直接作为选针器控制指令等问题,在详细分析针织丝袜机数据格式的基础上,给出一种花型数据提取算法。该算法将花型数据转化为每一针的选针信息,并将所有编织行数据依次放在缓冲区中,丝袜机上位机系统可直接读取数据,将选针数据下发到实时执行对象。通过算法验证,结果表明,该算法实现了对针织丝袜机花型数据的按针位提取,减小了选针执行机构的负担,提高了针织丝袜机系统的实时性。     

应用LZHUF算法对嵌入式针织系统控制数据压缩

为解决针织物控制数据量大,花型数据重复性高,且要求无损传输等问题,提出了一种针织控制数据压缩的LZHUF算法,给出了算法实现流程。利用LZSS算法对待压缩织物数据同时编码,再对输出的字符使用频率的高低进行动态哈夫曼编码。该算法可移植到嵌入式平台,对织物数据解压缩。实验结果显示,该算法可在嵌入式针织系统中无损解压缩织物数据,运行效率较高,压缩率相对传统串表压缩算法,明显提高5%以上,说明该算法具有较高的压缩率,算法复杂度低,可在存储空间和内存空间有限的嵌入式针织控制系统中无损还原织物控制数据;同时该算法可作为纺织CAD的数据压缩算法。