SVM在羽绒识别中的应用

目前,对羽绒种类的识别,均借助于显微镜由人工完成,这种方式存在诸多弊端。本文提出将SVM引入羽绒识别中,用计算机自动完成对羽绒的识别。在羽绒图像经过图像处理的基础上,用SVM对二值图像中的菱节进行识别,然后对识别出的菱节进行配对、计算节距,由计算机自动确定羽绒的种类。     

半监督FSVM在羽绒菱节识别中的应用

目前,我国对羽绒种类的识别主要由人工借助于显微镜完成,这种方法存在许多不足。提出将半监督FSVM算法引入到羽绒识别中,用半监督学习方法以少量的训练样本为基础,扩大训练样本集的规模,同时利用FSVM的特性减少半监督学习所带来的误差;利用半监督FSVM对经过处理的羽绒二值化图像中的菱节进行识别。该方法提高了菱节识别的准确率。     

羽绒图像阈值分割算法研究

羽绒与人们的生活息息相关,不同种类的羽绒在价格、性能方面存在很大差别,故对羽绒进行准确、快速地识别,显得尤为重要。针对传统的人工检测羽绒的种种弊端和不便,羽绒种类自动检测成为一个趋势。在自动检测过程中,一个重要环节就是图像分割,图像分割的效果将直接影响到自动检测的速度和准确率。所以,将遗传算法引入到羽绒识别中来,利用基于遗传算法的阈值分割算法提高了羽绒识别率。     

组合内核与优化算法在羽绒识别系统中的应用

为了提高支持向量机(SVM)的识别性能,提出了在常用内核的基础上构造一个组合内核函数,然后用拟牛顿算法对其超参数进行优化的方法.该方法被成功运用于羽绒自动识别系统中.实验结果表明,内核优化后,与单独使用常用内核相比,组合内核函数使羽绒自动识别系统具有更佳的识别性能.     

虚拟现实技术在假体视觉下出行任务的应用

为了探究视障人士在植入视觉假体后，视野、分辨率、物体种类数量对识别准确率的影响，利用虚拟现实技术对假体佩戴者完成出行提供训练的可行性。利用Unity在虚拟环境中设计并搭建识别任务和出行任务实验场景，通过虚拟现实（Virtual Reality,VR）设备完成实验。结果表明，被试者的识别准确率随视野增大而减小，随分辨率增大而增大，低分辨率情况下更多光幻视点呈现在更小的视野下有利于识别，被试者在出行任务返回过程的碰撞次数显著低于出发过程的碰撞次数。可见，虚拟现实技术为假体佩戴者出行提供训练具有可行性。     

基于RBF神经网络的润滑油自动识别系统设计

目前通过油料常规质量指标和成分结构信息进行油料种类识别的方法因所需仪器设备多,分析测试过程复杂而缺乏实用性和推广价值;在分析油品理化性能指标与其类别间的相关关系及神经网络的特点后,以最简单方式提取尽可能多的特征参数为原则,通过表观特征参数的途径,设计了一种简单小巧的装置,可同时提取油料密度、粘度、吸光度、电导率和介电常数等参数的特征向量,提出了用RBF神经网络进行油料种类识别的方法,并给出了实现算法;实验结果及应用情况表明,该方法识别效果比较理想,为当前油料种类识别问题给出了一种新的解决途径。     

具有甜品识别功能的智能支付平台研究

针对甜品店的基于商品识别的自助结账问题,研究并实现了一个具有甜品识别功能的智能支付平台。该平台通过摄像头采集甜品图像,对图像中甜品的种类和数量进行识别,识别后自动计算甜品总价,并向用户提供支付二维码和网页支付方式完成付款。基于Web环境开发了平台的原型系统,采用百度AI图像识别技术实现了甜品种类和数量的识别,利用SQLServer搭建后台数据库,存储甜品名称及其单价,调用支付宝平台API实现支付功能。     

RBF核SVM及其应用研究

因其核函数的良好性态,RBF核SVM（RBF-SVM）在实际应用中表现出良好的学习性能,但是RBF核函数中的参数对SVM的性能起决定性作用.阐述了RBF-SVM的性能随着变化而变化的规律,并将RBF-SVM引入自动羽绒识别系统中.根据自动羽绒识别系统的实际需求和RBF-SVM的性能变化规律,论述了本系统中参数的选取依据和选取过程,并且给出了的相关曲线变化图.通过研究,最后得到适合本系统的识别模型,从而提高了系统的总体识别率.同时,也验证了RBF-SVM的良好特性和其受参数的约束规律.     

含噪文本图像的中英文文种识别研究

从文本图像中提取局部特征来进行文字种类识别,对图像的质量要求较高,而提取文本图像的整体特征进行识别,则能够克服了这个问题.分析中、英文文本图像的纹理特征,通过Gabor滤波器分析提取全局特征,再用支持向量机的方法进行文种分类识别.实验结果表明,该方法可以很好地区分含噪文本图像中的中文和英文.     

小型断路器柔性装配中视觉识别系统的设计与应用

现代制造业对小型断路器（MCB）生产过程的效率和精度要求都在不断提高,传统的人工装配效率低且装配质量参差不齐,而传统基于振动盘上料的自动装配技术限制了制造的柔性化水平。针对上述问题以及未来的市场需求,提出了一种基于机器视觉的小型断路器柔性装配系统,该系统搭建专用的视觉识别模块,通过VGG-16架构的深度学习分类器和特征模板匹配方法,对小型断路器零件的种类、位置坐标、当前姿态进行识别,并将识别结果发送给工业机器人控制器,指导工业机器人对不同型号产品的不同零件类型通过机器人夹爪的灵活切换来完成不同的装配任务。实验表明,该系统对零件种类识别准确率为99.8%,坐标偏差在±0.3mm以内,旋转角度偏差在±0.8°以内,达到了MCB装配的精度要求,符合柔性化制造的需求。     

模糊支持张量机图像分类算法及其应用

针对在小样本图像分类应用中,以向量空间作为输入的传统分类算法的不足,提出以张量理论为基础,结合模糊支持向量机思想的基于张量图像样本的模糊支持张量机分类器,利用张量表示图像样本,求解最优张量面。通过手写体数字图像样本实验仿真,验证该算法的性能,随后将其应用到羽绒菱节图像识别中进行对比,该算法较传统算法平均高出6.3%以上的识别率。实验证明该算法更适合应用于图像样本分类识别。     

局部Radon变换技术及在毛杆折痕识别中的应用

针对羽毛杆折痕识别问题,提出一种新的特征提取方法。为了消除Radon变换对缩放平移敏感问题,采用改进的Radon变换提取目标区域的不变矩,并引入局部投影技术消除羽毛杆生理纹理干扰。通过改变尺度因子获得矩不变量矩阵,并采用奇异值分解(SVD)获得特征不变量用于分类识别。实验结果表明该方法具有较强的鲁棒性,具有较高的折痕识别率。     

点模式匹配在羽毛弯度测量中的应用

点模式匹配是计算机视觉和模式识别领域中的重要课题,点模式匹配有效地避免了图像匹配计算量很大,匹配效率、匹配精度低和匹配时间长,不利于工业在线测量的缺点;采用了优化搜索路径的逐步匹配的点模式匹配方法进行羽毛弯度测量,根据不同测量精度要求进行算法上的调整,有效地提高了羽毛的匹配速度以达到提高识别速度的目的,增强了机器视觉在工业产品识别的使用价值,在羽毛自动分拣系统上实验证明,这种优化的点模式匹配算法是可行的.     

基于全卷积神经网络的空间植物图像快速识别

为解决空间站内航天员长期生存自给自足的问题,空间植物的研究变得越来越重要.目前,图像识别领域存在着浅层图像识别方法难以提取空间植物图像分层特征,以及深层卷积神经网络方法固定尺寸输入和识别时间较长的问题.因此,本文提出的基于全卷积神经网络的方法,通过提取由浅层至深层的特征、深度融合光谱特征和空间特征,实现对空间植物图像的有效准确表示,从而实现空间植物图像的快速、精确识别.     

利用支持向量机识别汽车颜色

大类别数分类时支持向量机(SVM)数量较多，文中通过类别合并和特征空间分解，结合决策树判别方法．对SVM数量进行优化，提出了一种基于优化SVM的汽车颜色识别方法．该方法与最近邻分类方法相比，无论是在速度上还是识别正确率上都得到了提高．实验结果表明，该方法是一种快速且正确率较高的多类别分类方法，可以满足实时识别的要求．     

属性语义与图谱语义融合增强的 零次学习图像识别

零次学习(ZSL)是迁移学习在图像识别领域一个重要的分支。其主要的学习方法是在不使用未见类 的情况下,通过训练可见类语义属性和视觉属性映射关系来对未见类样本进行识别,是当前图像识别领域的热点。 现有的 ZSL 模型存在语义属性和视觉属性的信息不对称,语义信息不能很好地描述视觉信息,从而出现了领域漂 移问题。未见类语义属性到视觉属性合成过程中部分视觉特征信息未被合成,影响了识别准确率。为了解决未见 类语义特征缺失和未见类视觉特征匹配合成问题,本文设计了属性语义与图谱语义融合增强的 ZSL 模型实现 ZSL 效果的提升。该模型学习过程中使用知识图谱关联视觉特征,同时考虑样本之间的属性联系,对可见类样本和未 见类样本语义信息进行了增强,采用对抗式的学习过程加强视觉特征的合成。该方法在 4 个典型的数据集上实验 表现出了较好的实验效果,模型也可以合成较为细致的视觉特征,优于目前已有的 ZSL 方法。