计算机视觉技术在塑料领域的应用研究进展

综述了计算机视觉技术在塑料制品质量检测、废塑料分拣、塑料产品加工系统中的应用研究进展。与人相比,计算机视觉具有识别效率和识别精度高的优点,可以广泛应用于塑料加工的各方面。随着计算机技术的快速发展,图像采集与数字图像处理技术的检测速率和检测精度会越来越高,将进一步推动计算机视觉技术在塑料加工领域的应用。     

基于深度学习算法的图像传感器误差自动校正研究

图像传感器受到环境、镜头畸变等因素影响,采集数据存在一定误差,为了改善图像传感器采集效果,提出了基于深度学习算法的图像传感器误差自动校正方法。首先分析图像传感器误差校正的研究进展,分析图像传感器误差的影响因素,然后利用支持向量机对图像传感器偏移角度进行补偿,并采用深度学习算法根据影响因素建立误差自动校正模型,最后通过粗标定机制对传感器的响应参数进行拟合,实现图像传感器误差自动校正。实验结果表明深度学习算法可以提高图像传感器数据精度,校正后误差较小,校正速度较快,具有一定的实际应用价值。     

额定速度下复卷机复合张力计算机辅助控制系统

考虑到传统系统在控制复卷机复合张力时存在超调量高、上升时间长、稳态误差大的问题,提出了额定速度下复卷机复合张力计算机辅助控制系统设计与实现。根据复卷机复合张力计算机辅助控制系统总体架构,设计了复卷机复合张力控制变频器和复卷机复合张力计算机辅助控制器,完成了系统的硬件设计;系统的软件设计中,在额定速度下,分析了复卷机退纸辊的动态补偿情况,结合复卷机复合张力计算机辅助控制程序的设计,实现了复卷机复合张力的计算机辅助控制。测试结果表明,文中控制系统在控制复卷机复合张力时,可以降低超调量、缩短上升时间并减小稳态误差,具有更好的控制性能。