基于PMAC控制的电火花放电间隙检测电路试验研究

在电火花加工研究中,放电间隙的检测是重要的研究内容之一。本文根据放电间隙平均电压检测原理,设计了基于可编程多轴运动控制器(PMAC)的电火花铣削加工数控机床放电间隙平均电压检测电路,并对其进行了试验验证;同时,研究也证明其可降低软件编程的复杂程度,从根本上提高了产品的加工质量。     

全景分割研究综述

在计算机视觉领域, 全景分割是一个新颖且重要的研究主题, 它是机器感知、自动驾驶等新兴前沿技术的基石, 具有十分重要的研究意义. 本文综述了基于深度学习的全景分割研究的最新进展, 首先总结了全景分割任务的基本处理流程, 然后对已发表的全景分割工作基于其网络结构特点进行分类, 并进行了全面的介绍与分析, 最后对全景分割任务目前面临的问题以及未来的发展趋势做出了分析, 并针对所面临的问题提出了一些切实可行的解决思路.     

基于贝叶斯生成对抗网络的背景消减算法

背景消减是计算机视觉和模式识别的关键技术之一.本文提出一种新的背景消减算法,该算法首先利用中值滤波算法进行背景数据的获取,然后基于贝叶斯生成对抗网络进行训练,利用生成对抗网络的特性,有效地对每个像素进行分类,解决了光照渐变和突变、非静止背景以及鬼影的问题.本文采用深度卷积神经网络,来构建贝叶斯生成对抗网络的生成器和判别器.实验结果表明,本文提出的算法性能在绝大多数情况下优于现有其他算法.本文的贡献在于首次将贝叶斯生成对抗网络应用于背景消减,并且取得了良好的实验效果.     

平行图像:图像生成的一个新型理论框架*

为了提高计算机视觉系统的泛化能力,要求利用大规模、多样化、带标注的图像数据集,对视觉模型进行充分的学习与评估.由于从实际场景中获取图像具有局限性,文中提出一种图像生成理论框架,称为平行图像.平行图像的核心单元是软件定义的人工图像系统.从实际场景中获取特定的图像“小数据”,输入人工图像系统,生成大量新的人工图像数据.文中总结平行图像的实现方法,包括图形渲染、图像风格迁移、生成式模型等,并且对比分析人工图像和实际图像的特点,讨论领域适应策略.     

车床刀套设计制造和结构有限元分析

当前,安装20mm×20mm厚度刀杆的刀架台,往往无法安装25mm×25mm厚度的刀杆。设计出一款基于Pro/E软件的车床刀套,以解决二者之间的转换问题,使用ABAQUS软件对车床刀套进行了有限元分析。研究结果表明,该车床刀套设计合理,受力均匀,使用方便,结构简单,解决了生产中存在的实际问题。     

平行视觉:基于ACP的智能视觉计算方法

在视觉计算研究中,对复杂环境的适应能力通常决定了算法能否实际应用,已经成为该领域的研究焦点之一.由人工社会（Artificial societies）、计算实验（Computational experiments）、平行执行（Parallel execution）构成的ACP理论在复杂系统建模与调控中发挥着重要作用.本文将ACP理论引入智能视觉计算领域,提出平行视觉的基本框架与关键技术.平行视觉利用人工场景来模拟和表示复杂挑战的实际场景,通过计算实验进行各种视觉模型的训练与评估,最后借助平行执行来在线优化视觉系统,实现对复杂环境的智能感知与理解.这一虚实互动的视觉计算方法结合了计算机图形学、虚拟现实、机器学习、知识自动化等技术,是视觉系统走向应用的有效途径和自然选择.     

基于踪片Tracklet关联的视觉目标跟踪:现状与展望

近年来，由于计算机视觉技术的发展和计算机硬件性能的提高，基于视觉的目标跟踪方法得到了飞速的发展.其中，基于踪片（Tracklet）关联的目标跟踪方法因为具有对目标遮挡的强鲁棒性、算法运行的快速性等优点得到了广泛关注，本文对这类方法的最新研究进展进行了综述.首先，简明地介绍了视觉目标跟踪的基本知识、研究意义和研究现状.然后，通过感兴趣目标检测、跟踪特征提取、踪片生成、踪片关联与补全四个步骤，系统详尽地介绍了基于踪片关联的目标跟踪方法，分析了近年来提出的一些踪片关联方法的优缺点.最后，本文指出了该研究问题的发展方向，一方面要提出更先进的目标跟踪模型，另一方面要采用平行视觉方法进行虚实互动的模型学习与评估.     

基于平行图像与深度学习的绝缘子目标检测法

绝缘子是输电线路中最易发生故障的部件之一,需及时从大量图像中检测出绝缘子,为检修提供可靠依据。为解决传统方法和深度学习各自存在的局限性,提出一种基于平行图像与深度学习的绝缘子检测方法。首先,建立人工绝缘子图像数据集,并对待测的真实绝缘子图像进行颜色预选处理;然后,构建卷积神经网络进行特征提取和分类,利用正常训练和迁移学习两种方法,并采用消融实验对不同模型进行性能的分析与对比;最终,实现绝缘子目标的检测及模型指标的评价。实验结果表明,颜色预选和平行图像方法均能有效提升模型效果,使得模型的loss能更快速的收敛,分类准确率也有明显的提高,上述方法能够有效检测出图像中的绝缘子,为后期绝缘子故障的检测和处理提供了研究基础。     

平行视觉框架下深度卷积神经网络可视化分析

深度学习方法在计算机视觉领域取得了很大的发展,多种深度卷积神经网络在实际的目标检测中取得了很好的应用效果,但均存在网络可解释性较差的问题。通过将特征图反向映射到输入图像的像素空间,来对网络的特征图进行可视化分析;在平行视觉研究框架下,分别采用真实和人工绝缘子图像样本来分析网络的特征响应,最后依据可视化结果对网络参数进行调整。研究结果表明,人工图像中绝缘子的占比、角度和位置对网络的特征响应和分类正确率均有不同程度的影响,根据真实和人工绝缘子图像的特征图可视化结果来对网络的结构和参数进行调整,能够较好地提升网络的性能。