温室光照度控制系统

阐述了一个基于单片机的温室光照度控制系统,利用数字式光照度传感器（BH1750FVI）检测温室内外的光照度,根据不同作物生长所需的适宜光照范围,选择挡上遮光膜或开启一定数量的补光灯。此系统有自动控制和手动控制两种工作模式。在自动控制模式下,根据选定的作物的种类自动使温室光照度保持在作物所需的范围,在手动控制模式下,遮光膜的打开和遮盖以及补光系统的开启都需要人为来完成。试验表明：该系统可以弥补人工控制误差大、效率低等缺陷,具有操作简单、使用方便的优点,具有较强的实用性。     

基于混合特征的人体动作识别改进算法

运动特征的选择直接影响人体动作识别方法的识别效果.单一特征往往受到人体外观、环境、摄像机设置等因素的影响不同,其适用范围不同,识别效果也是有限的.在研究人体动作的表征与识别的基础上,充分考虑不同特征的优缺点,提出一种结合全局的剪影特征和局部的光流特征的混合特征,并用于人体动作识别.实验结果表明,该算法得到了理想的识别结果,对于Weizmann数据库中的动作可以达到100％的正确识别率.     

基于改进的RBF神经网络在线辨识算法及其应用

针对径向基函数(RBF)神经网络用于非线性系统辨识时存在的问题，对径向基函数网络的拓扑结构作了改进，并给出了改进的径向基函数(MRBF)神经网络的中心选取方法和权值在线调整算法，最后用改进的径向基函数网络对一个典型工业对象(CSTR)进行了应用研究，结果表明方法有效。     

滞后不确定系统的无辨识自适应智能控制方法

针对带有大纯滞后、不确定性的工业过崔，提出一种无需辨识的自适应智能控制方法。该方法不需要对过程建立数学模型，只要检测过程的实际输出和期望输出，通过模糊预测控制来自正单神经元自适应PSD控制律，即可以对滞后不确定、建模困难的工业过程实现自适应控制。仿真结果表明用该方法控制滞后不确定系统具有简单、实用、鲁棒性强的特点．     

基于分区和凸包的3维相貌复原

依据残缺不全的受害人颅骨来实现受害人3维相貌复原是刑事侦察的关键的第1步。为了真实重现受害人的3维容颜,提出了一种基于螺旋CT的3维颅骨重建影像的3维凸包软组织厚度计算方法。该方法首先通过做实验人螺旋CT,建立分民族、年龄段的统计意义上的中性人软组织厚度数据库;最后提出了基于分区和凸包的3维相貌复原重建方案。经有关部门试用和实际重建效果分析,证明该方案和软组织获取方案是有效和可行的,并达到了预期效果。该方法与已有方法相比,具有客观、快速的优点。     

融合改进 Padim 建模和 ResNet 网络的 喷涂质量检测算法

为了满足喷涂机器人对于喷涂质量检测的需求,采用迁移学习对改进 Padim 建模和 ResNet 网络进行融合,构建自主喷 涂机器人喷涂质量检测一体化模型。 该模型提取一次图像特征可同时用于缺陷定位和分类。 在缺陷定位端,通过改进 Padim 模型以减少特征冗余所造成网络的计算消耗,首先将 ResNet-18 网络获取的 patch 嵌入向量语义层由原先前 3 层改为单 2 层,然 后特征表达由 100 维降维至 20 维,最后训练正样本得到正态分布模型与测试图像进行缺陷定位。 在缺陷分类端,对预训练 ResNet-18 网络进行负样本二次训练,得到 ResNet-18 分类模型对测试图像进行缺陷分类。 经过实验,将一体化模型移植在 jetson nano 移动端中,参数量仅为 11. 69 M,定位精度 94. 5%,分类准确率高达 99. 6%,在机器人位移速度 0. 02 m/ s 下检测时间 为 0. 730 s,不会出现缺帧漏检情况,满足实时检测的要求。     

人体动作的超兴趣点特征表述及识别

提出一种基于超兴趣点的动作特征描述方法,用于人体动作的识别。兴趣点特征描述了人体动作时变化显著的局部点信息,但其最大的缺陷在于离散的兴趣点间缺乏时间和空间上的结构关联。提出根据兴趣点间的时空距离,使用广度优先搜索邻居算法,将时空距离相近的兴趣点聚合成超兴趣点,该结构作为一个整体,反映人肢体在一定时空范围内的动作变化特征。与现有的基于局部兴趣点的动作识别算法相比,本文算法增加了兴趣点间的整体时空结构关系,提高了特征的区分度。实验采用两层分类方法对超兴趣点特征分类,实验结果表明该算法具有较好的识别率。     

语音信息的身份和指令识别方法应用

针对智能机器人系统对语音交互功能的实际需求, 在DM-B200开放式机器人平台上,设计并实现了基于语音信息的说话人身份识别功能和语音指令识别功能. 为了准确识别特定说话人的身份, 采用了矢量量化的识别方法, 而为了提高机器人语音控制的实时性, 语音指令识别采用了动态时间规整的方法. 应用结果表明, 所设计的语音识别系统达到96%以上的综合识别率, 具有实际应用价值.     

基于视频的火焰检测算法综述

近年来,随着计算机视觉技术和数字图像处理技术的不断发展,基于视频分析的火焰检测技术获得越来越多的关注。鉴于基于视频的火焰检测对消防安全、人民生命和国家财产安全等具有重要的实际研究意义,以及其理论基础和影响因素的多样性,本文对目前已有的基于视频的火焰检测算法所涉及的关键技术进行了综述。首先介绍了目前基于视频的火焰检测技术的处理流程,即预处理、特征提取、分类识别;其次着重分析火焰的特征,包括基于单帧的静态特征和基于多帧的动态特征,同时列举了典型的火焰特征提取算法;然后重点总结多特征融合策略和用于火焰识别的常用分类器以及深度学习识别方法;最后对基于视频的火焰检测技术的研究难点和未来发展进行了较为详细的分析探讨。