基于奇异值与位面的数字水印算法

数字水印作为一种信息安全技术,是在数字信息中加入不可见的标记。人们可以通过一定的算法提取此标记从而验证信息的所有权(Ownership)。本文提出了一种新的数字静止图像的水印嵌入算法,该算法将含有丰富信息的灰度级图像作为水印嵌入到另外一张灰度图像中。实验结果表明该算法具有很好的鲁棒性。     

基于光谱技术的白酒真伪鉴别

近年来,指纹图谱技术由于其操作简单快捷、专属性强等优点得到迅速发展,并且广泛应用于酒类的检测和区分方面.该文采用紫外可见吸收光谱技术扫描得到白云边真酒以及2种该假冒酒样本的紫外光可见吸收光谱图.根据紫外光可见吸收光谱图的差异,并结合光谱曲线相似度的计算以及主成分分析法对紫外光谱数据进行研究,证明了紫外光可见吸收光谱技术对真假酒有一定的区分和鉴别能力.     

基于改进YOLOv5的碎米检测数据集

碎米检测是评估大米品质的重要环节,传统的碎米检测是由人工挑选完成的,这种方式耗时费力,误差率高,而且公开可用的碎米检测数据集并不多。为解决该问题,本文创建了一个大米碎米数据集,该数据集共由2435张图片和对应标签文件组成,其中包含3种类别;并提出了一个改进的YOLOv5碎米检测模型,该模型引入ShuffleNetv2轻量化结构作为特征提取结构,大大减少了模型的参数量,在此基础上,引入了BiFPN结构作为特征融合结构,使用α_IoU作为回归框损失对损失函数进行改进。实验表明,改进之后的模型精度可达98.9%,比原YOLOv5高0.3%,参数量和计算量也比原模型减少了85%以上,其中精度相比于YOLOv3、SSD、RestinaNet、FasterRCNN分别高了0.4%、33.3%、27.9%、27.2%。相关数据集将在https://github.com/THFrag/broken-rice-detection上提供。     

奇异值分解在粮虫检测系统中的应用

简介了基于图像处理的粮虫检测系统的结构,阐明了图像增强和图像压缩对于检测系统的意义。接着介绍了奇异值分解的基本理论,并应用该理论实现了图像的增强,还原和压缩。基于Matlab7.1仿真实验表明将奇异值分解应用于粮虫检测系统中是有效的。     

基于机器视觉的谷糙分界线检测方法

目的：精准识别谷糙分界线。方法：提出一种基于直线边缘检测的谷糙分界线识别方法。该方法对不同颜色特征的谷糙分离图像进行模型匹配，将不同匹配结果的图像采用对应的灰度化处理方式；并利用直线边缘检测算法对该边缘进行灰度波动变换、差分处理得到目标位置。结果：相较于传统的边缘检测方法，该方法将误差范围控制在5%以内，大幅提高了识别精度。结论：该方法的识别误差相对较小，适合用于谷糙分界线的识别应用。     

基于奇异值分解与同态滤波的粮虫图像增强

储粮害虫的在线检测是研究的热门领域。由于图像处理技术逐渐成熟,基于图像处理的储粮害虫检测系统得到了广泛的关注。图像增强是特征提取前重要的预处理过程,因此在基于图像处理的检测系统中是最重要的步骤。介绍了同态滤波图像增强方法和矩阵奇异值分解的基本理论,在此基础上提出了基于奇异值分解和同态滤波的粮虫图像增强算法。为了验证方法的有效性在Matlab平台上做了仿真试验,使用本方法增强粮虫图像并和其他方法做了对比,结果表明该方法对于粮虫图像增强是有效且可行的。     

基于超声波的汽车防雨密封性检测硬件电路设计

设计了一种用于检测汽车防雨密封性的硬件电路.利用超声波的传播特性,将超声渡发生器作为信号源置于车厢内,车厢外部的检测装置接收到从车厢内泄漏的超声波信号,再经过单片机分析处理后即可作为评定汽车密封性的依据.实验表明该硬件电路具有响应速度快,人为影响因素小等优点,有效地提高了汽车防雨密封性的检测效率.