一种结合类激活映射的半监督图像分类方法

半监督学习要求无标记数据集远大于标记数据集,然而无标记数据集中包含的复杂无关信息又会对模型训练造成负面影响.针对此问题,本文提出了一种基于增强的均值教师模型的半监督图像分类方法.首先根据类激活映射的工作机制,构建一个具有类激活映射功能的网络;然后将无标记数据集输入结合类激活映射的目标初定位网络,得到目标初定位图;最后将标记图像和目标初定位图像组成训练数据集,训练得到半监督图像分类器.本文设置了标记数据占比、骨干网络、数据集的对比实验,结果表明,本文算法在Top1和Top5上的表现优于现有算法,说明了本文算法的可行性和有效性.     

A life-prediction method for lithium-ion batteries based on a fusion model and an attention mechanism

The current life-prediction models for lithium-ion batteries have several problems, such as the construction of complex feature structures, a high number of feature dimensions, and inaccurate prediction results. To overcome these problems, this paper proposes a deep-learning model combining an autoencoder network and a long short-term memory network. First, this model applies the characteristics of the autoencoder to reduce the dimensionality of the high-dimensional features extracted from the battery data set and realize the fusion of complex time-domain features, which overcomes the problems of redundant model information and low computational efficiency. This model then uses a long short-term memory network that is sensitive to time-series data to solve the long-path dependence problem in the prediction of battery life. Lastly, the attention mechanism is used to give greater weight to features that have a greater impact on the target value, which enhances the learning effect of the model on the long input sequence. To verify the efficacy of the proposed model, this paper uses NASA''s lithium-ion battery cycle life data set.     

基于Mask RCNN的滤袋开口检测方法

滤袋开口的检测与定位在滤袋智能生产过程中占据着至关重要的地位。但由于滤袋具有柔性的特点,常规检测方法很难有效进行,且定位精度也不能满足生产要求。本文提出一种结合可变形卷积与掩码信息的多尺度目标检测器,该检测器使用可变形卷积改进主干网络高层中的固定卷积,结合特征金字塔技术实现多尺度信息融合。然后将所得多尺度信息通过区域提议网络生成候选区域,采用改进的Soft-NMS方法进行筛选,最终送入检测头进行识别与分割。本文在滤袋图像数据集上进行了实验。结果表明,提出的算法实现了滤袋开口的准确识别与高精度定位。     

一种快速的加权矢量图像匹配方法

为了解决工业生产中产品的快速定位,提出了一种快速的图像匹配方法。首先运用Surf算法提取出图像的特征点,然后运用形状上下文特征进行匹配,得到图像的大致位置,最后依据特征点描述子及其位置特征,通过加权矢量匹配的方式得到图像的精确位置,实现产品的快速定位。该算法稳定性高,计算速度快。实验结果表明,该算法能满足实时的工业生产要求。     

结合DCT和WT的多分类器融合的光照人脸识别

为进一步提高各种光照条件下的人脸识别精度,提出了一种将光照补偿和光照不变特征提取相结合的人脸识别方法。算法先应用对数域DCT进行光照补偿;然后,用三次样条二进小波分解提取一个低频子图和三个对光照变化鲁棒的边缘细节子图;接着,用二维线性判别分析进行特征降维并构造四个分量分类器;最后,通过多分类器融合规则进行融合分类。该文算法在CAS-PEAL人脸库光照子集上的实验达到了83.91%的识别率,在YaleB人脸库上则实现了100%的识别率,实验结果证明了该文算法对光照变换具有较好的鲁棒性。     

基于仿生模式识别的构造型神经网络分类方法

提出了一种基于仿生模式识别理论的神经网络构造方法.仿生模式理论认为:"同类而不完全相等的事物之间,必至少存在一个渐变过程,在这个渐变过程中间的各事物都是属于同一类的".利用这一理论,从不同结构神经元模型在高维空间中的几何意义出发,通过对一种新型的神经网络的构造,实现了对不同类样本在高维空间中形成的不同形状几何体的覆盖,从而达到分类的目的.通过双螺旋曲线的分类实验,证明了这种神经网络具有很好的识别效果.     

基于物联网技术的货车载荷实时监测系统设计

针对目前货车载荷监测主要依靠固定式称重的现状,设计了一种基于物联网技术的货车载荷实时监测系统。系统以嵌入式系统和多传感器融合算法为核心,由信号采集,信号处理与传输,云服务器等单元组成。采用主控芯片STM32F105RCT6和电阻式应变片传感器,实现数据采集与数据处理;处理后的信息通过无线通信模块发送至云端,云端服务器利用神经网络技术对所得到的数据进行拟合处理,实现了用户在远程情况下对货车的载重量进行实时的监测与管控。实验测试证明,本系统能够准确,高效地采集到货车载荷量,并且所测货车载荷量的精度在2.75%以内,无线传输效果稳定,并能将载荷数据实时上传至云平台,反馈于用户。本系统综合运用了智能传感器、物联网和云计算等技术,具有实时强、精度高、装配便捷等特点。     

基于肤色检测和灰度特征的人眼定位方法研究

讨论对于摄像头采集的人脸照片的眼睛定位算法.该算法首先基于肤色检测,在自然背景下检测到人脸的位置,再根据人眼在人脸中具有最大复杂度,结合眼部的低灰度特点,快速地找到人眼位置.方法受人脸表情变化影响较小,快速的特点也完全符合实时系统的需要.实验结果表明,此算法对于复杂背景下采集的人脸照片可以快速准确地检测出人脸并定位人眼,对于小幅度偏转的人脸照片同样适用.人眼正确定位率可达到94%.     

基于均匀区域分割的图像检索研究

为减少图像分割准确性对基于内容的图像检索效率的影响,提出了一种基于均匀区域分割的图像检索算法。首先对图像进行均匀区域划分,提取其区域直方图颜色特征和Gabor小波纹理特征,再利用与所提取的图像特征相适应的相似性度量实现有效检索。实验结果表明,与SIMPLIcity系统相比,该算法平均检索性能提高了3.6%,具有良好的平均查找率。     

基于窄带物联网技术的电量监控系统设计

针对现有电力仪表存在信号采集精度低,数据传输方式落后的特点,开发了一款集成无线通信功能的电力仪表。该仪表的硬件由供电电源、电量采集与计量单元、通信单元、控制与存储单元等组成。采用主控芯片STM32F030和新型数字式多功能计量芯片V9203,实现数据采集处理与本地存储。MCU通过窄带物联网（Narrow Band Internet of Things, NB-IoT）无线通信模块将仪表采集到的数据上传到OneNET云平台,实现用户在远程情况下随时通过前端网页登录系统查看每块仪表电量采集信息,便于监测与管理。经实验测试证明,此款电力仪表能够高效、准确地采集到电流、电压、有功功率和功率因数并将这些数据实时上传至云平台。