基于Yolov3的智能电池模组焊点检测与定位系统

电池模组极片焊点的检测与定位是电池模组拆解成功的第一步.基于工人肉眼的焊点检测误差较大且效率低下,基于深度学习模型的检测价格昂贵且计算代价极大.对此,提出了基于Yolov3的小样本智能电池模组焊点检测与定位方法.对样本图像进行灰度化及高斯模糊处理,采用Yolov3算法对样本的目标数据集进行特征提取训练,再调整训练的网络模型参数,由训练数据所得到的模型用于电池模组焊点检测.实验表明,使用Yolov3网络的焊点检测准确率达到90％以上,且焊点定位具有极高的精度,能够满足实际应用的需求.     

基于局部强度比率特征的前景检测

对运动的真实前景目标进行实时提取是监控视频中的一个基本步骤。在前景提取过程中,阴影消除一直是一个较难解决的问题。为解决此问题,根据光照模型提出了局部强度比率模型,并证明其具有光照不变性特征。同时证明,如果视频图像噪声高斯分布,则局部强度比率也满足高斯分布。在通过高斯混合模型获取前景的过程中,用局部强度比率代替像素值进行处理,得到消除阴影后的前景。实验表明,本方法在不同的场景下可以有效地消除阴影,得到无阴影的前景,同其他方法比较,显示出较好的性能。     

发泡镍作为Li/SOCl2电池正极集流体的研究

探讨了发泡镍作为高倍率Li/SOCl2电池正极集流体的应用工艺。通过测试发泡镍的模拟电池和实验电池,发现ER1607055实验电池的10 A放电容量是传统电极电池的2.53倍。使用发泡镍可降低电极的极化,改善电池的大电流放电性能。     

基于Yolov3的小样本智能电极帽端面检测和识别系统

传统的人工检测电极帽端面和对中性判断误差较大且生产效率低下,而深度学习模型价格昂贵且计算代价极大.对此,提出了基于霍夫变换和Yolov3的算法对电极帽对中性及端面进行检测.对样本取帧进行灰度化及高斯模糊处理,采用霍夫变换算法检测出圆心位置,算出与标定位置的差距以便进行对中处理.采用Yolov3算法对样本的目标数据集进行特征提取训练,再调整训练的网格模型参数,训练数据得到模型用于端面检测.     

PTZ摄像头下候选区匹配的实时目标跟踪

提出一种基于候选区匹配的控制PTZ(Pan,Tilt,zoom)摄像头的目标跟踪方法.该方法将图像的中心区域或者检测的目标运动区域作为候选区对目标定位,并根据目标的预测位置计算摄像头运动参数,实现摄像头自动控制跟踪目标.采用对称差分来检测图像中的目标运动区域,利用颜色和纹理信息等特征来表示目标,通过相似性度量从候选区定位目标.同时考虑摄像头命令的传输和执行延时,利用目标运动轨迹对目标位置加以预测,并根据目标预测位置自动控制PTZ摄像头主动追踪目标.实验表明,该方法在较大区域内,以及瞬时遮挡条件下,能连续实时地主动追踪感兴趣目标.     

婴幼儿配方乳粉中三聚氰胺检测中前处理方法的优化

目的改进婴幼儿配方乳粉中三聚氰胺的检测方法。方法样品经高浓度三氯乙酸溶液-乙腈提取过滤,后经阳离子交换固相萃取柱净化,用高效液相色谱法测定,采用外标法定量。结果改进方法的检测时间缩短4 h,在0.5~10μg/m L范围内检测结果线性关系良好,方法检出限为0.5 mg/kg,定量限为1.5 mg/kg,回收率提高到99.3%~102%,精密度为0.47%,稳定性相对标准偏差为0.96%,能力验证结果表明可靠性好。结论改进方法能快速有效对婴幼儿配方乳粉产品进行检测,结果可靠,具有实践应用价值。     

多特征编码融合的图像分类研究

词袋 (Bag-of-Words) 模型是图像分类研究中最广泛同时也最有效的框架模型之一,然而,字典的最优设计仍然是该模型中重要的研究内容。直观来说,字典越大,图像分类准确度就越高,但同时也需要更高的计算资源和存储代价。鉴于此,本文提出通过对多个小字典下获取的特征编码,通过对特征编码进行在线加权融合,使得组合结果与大字典下获取的特征编码一样具有较强的判别性,从而提高图像分类准确度。在特征融合阶段,本文改进了OPA (Online Passive-Aggressive) 算法,得到了权值更新的闭式解。实验结果验证了本文算法的有效性。     

婴幼儿配方乳粉的干法工艺及其工艺验证

目的对婴幼儿配方乳粉的干法工艺进行了工艺验证研究,旨在为相关干法工艺的生产企业提供理论与实践依据。方法通过分析工艺的主要关键点,确定从物料平衡、混合均匀、营养素符合和工艺稳定性4个方面进行工艺验证研究。结果该生产工艺条件下,物料的投入产出比在99.76%~100.31%,符合物料平衡的要求;不同位置的营养素指标相对标准偏差均值在3.03%以内,具有很好的混合均匀性;终产品的营养素偏差在10%以内,符合法规和设计要求;批次间的相对标准偏差也在5%以内,拥有很好的工艺稳定性。结论该工艺能满足婴幼儿配方乳粉的生产。