一种车牌识别系统中的混合车牌定位方法

提出了一种新的粗定位和精细定位相结合的车牌定位方法.首先采用一种基于垂直边缘和车牌句法的车牌粗定位算法,确定车牌候选区域,剔除伪区域,粗定位可以快速地将车牌从原始车辆图像中截取出来,同时精确确定车牌的上下边界.然后再进行基于旋转差分投影的车牌水平精确定位与倾斜校正,由于水平定位和倾斜校正同时进行,提高了水平分割的精度并降低了定位时间.实验表明该混合方法能快速、精确地进行车牌定位,有效地解决了复杂背景下的车牌定位精度不高的问题,同时对模糊车牌具有很强的抗干扰性.     

基于神经网络和不变矩的路面破损图像识别

提出了一种应用BP神经网络识别沥青路面破损图像的图像分割方法.将路面图像等分,用灰度方差值描述子块图像特征,利用BP神经网络对子块图像进行模式分类,并将图像子块模式矩阵的不变矩作为图像的整体特征,在此基础上设计了基于全局优化算法的前馈神经网络分类器,并进行了图像识别试验,对二值图像进行特征提取,提出了学习算法,以加快收敛速度,从而实现图像识别.     

基于3TPS/TP型并联机器人的轨迹规划算法

本文对3TPS/TP型并联机器人工作头刀尖点的位置轨迹规划算法进行了研究,考虑在笛卡尔空间下,运用直线和圆弧插补算法实现对3TPS/TP型并联机器人的刀尖点分别为直线和圆弧两种情况下的轨迹规划。仿真结果表明,刀尖点的运动轨迹为经过示教点的轨迹,进而验证了设计方案的可行性,能够满足机器人作业平稳、精确的要求。     

一种新的人脸光补偿融合算法

针对直方图均衡化对于对细节处理效果较差,而Retinex能很好地恢复图像细节,提出了基于小波变换的光补偿融合方法,将图像分别由直方图均衡化处理和Retinex处理后的图像进行融合.实验结果表明提出的方法对弱化光照对图像的影响,对图像的细节处理效果明显,增强了图像的特征信息,提高了图像的清晰度.     

基于AFM的虚拟纳米手操作策略研究

针对纳米操作过程中存在的不确定性及AFM单探针带来的纳米粒子的稳定操作问题,提出了虚拟纳米手操作策略.该策略采用蒙特卡洛方法描述粒子的不确定性,在纳米粒子推动操作的运动学模型基础上,对AFM探针的作用参数进行规划,模拟多探针并行操作效果,将粒子的中心位置限制在规定误差范围内,从而可以避免操作过程中粒子的丢失,实现粒子的稳定高精度纳米操作,仿真结果与实验操作结果相对比,验证了虚拟纳米手操作方法的有效性.     

一种改进的YOLOv5小目标交通标志检测方法

针对实景交通标志检测方法研究中存在小目标识别精度较低、网络模型较大等问题，将一种改进的YOLOv5网络模型用于交通标志检测中。通过削减特征金字塔深度、引入卷积注意力模块优化网络结构，保留小目标信息并增强模型特征提取能力。采用K-means聚类算法确定适用于小目标识别的初始锚框，进一步提高模型检测精度。通过TT100K数据集验证表明，与YOLOv5模型相比，上述方法平均准确率提高3.0%,小目标检测平均精度提高5.0%,且模型大小为原模型的25.1%,保证较高识别能力的同时减少了模型参数量，实验对比结果验证了该方法的有效性。     

基于多尺度综合注意力的左心室图像分割方法研究

针对深度学习训练模型过程中存在感受野小及特征丢失等问题，提出一种基于生成对抗网络的心脏核磁共振图像分割网络MCA GAN，提取心肌内外膜的同时保留更多的浅层信息和深层信息，提高分割精度。将MCA GAN在多个心脏MRI分割竞赛的公开数据集上进行训练，并与FCN和DCGAN两个神经网络进行实验对比。实验结果表明，相较于FCN和DCGAN,MAC GAN的Dice系数内外膜提升了1.44%和3.18%,Jaccard系数提升了2.12%和3.35%,Sensitivity系数提升了1.18%和1.80%，和其他方法相比较均有显著提升。     

SWCNT气体传感器的NO2气敏特性

为了提高NO2气体检测的灵敏度和速度,以单壁碳纳米管（SWCNT）为装配介质,采用介电电泳方法获得单壁碳纳米管场效应晶体管（SWCNT—FET）作为气体传感器检测装置,通过原子力显微镜（AFM）和扫描电子显微镜（SEM）表征,结果显示,利用介电电泳方法能够成功地把SWCNTs装配到芯片的源漏两极间;通入NO2气体前后电特性变化情况的测试结果表明,选择接入电场频率为2MHz,峰峰值电压10V,介电电泳持续时间10s时,制备出SWCNT—FET成功率高,通入NO2气体后的电导率增加三个数量级。利用紫外光持续照射10min,SWCNT上的气体分子解附,使气体传感器可重复利用。     

基于分级网络的车牌字符识别算法*

提出了一种基于分级径向基神经网络的车牌字符识别算法,采用两级径向基神经网络结构,由一级网络识别后,通过对识别结果和置信度进行分析,确定了12个二级子网;采用动态误差分割算法进行网络训练,通过大量实验研究,车牌整体识别率达到了86.58%,平均识别时间为181ms,对比性研究验证了该方法的有效性。