用于LED光源的反光杯准直效果研究

为研究抛物面型反光杯用于LED光源准直时的特点,基于TracePro仿真了LED光源在不同尺寸反光杯下的有效射程和光斑直径,分析了反光杯和LED尺寸对射程和光斑直径的影响。仿真结果表明:射程与反光杯的口径和深度都有关系。高度相同时,反光杯口径越大,射程越大;口径相同时,射程随反光杯高度增加先增大后减小。LED光源经反光杯准直,较短距离的光斑中心光强很低,形成光环。LED光源面积直接影响目标面光斑的大小,对射程影响较小。     

基于视觉显著性和视觉信息处理模型的特征提取方法

特征提取是模式识别中的一个重要环节,本文首先利用Itti视觉显著性分析算法,提取视觉对输入图像的感兴趣部分,从而一定程度上消除了复杂背景等因素的影响;然后通过视觉信息处理模型HMAX模型对该感兴趣图像通过分层处理提取特征向量,得到了具有尺度不变性、平移不变性、旋转不变性的特征向量,解决了模式识别、尤其是人脸识别中的一个重要难题.在Caltech101中faces库的实验结果证明了该算法的有效性.     

基于改进YOLOX-S的安全帽反光衣检测算法

在工业生产和交通工程中,安全帽和反光衣都是员工重要的生命安全保障。针对传统安全帽反光衣识别方法只能检测单一颜色反光衣、检测效率低的问题,提出一种基于改进YOLOX-S网络模型的安全帽反光衣检测方法。使用简化BiFPN模块替换原加强特征提取网络,提高网络对不同尺度的特征提取能力;使用Mosaic方法进行训练,提高网络在复杂场景下的检测能力;使用GIoU损失函数,进一步提高模型的识别准确率。在扩充后的安全帽反光衣数据集上实验表明,本文所提算法在保持较高推理速度的情况下,mAP达83.74%,与原YOLOX-S相比,对戴安全帽、穿反光衣和行人的检测AP值有1%~3%不等的提高,对反光衣颜色无依赖性,有效实现了快速准确的安全帽反光衣检测。     

基于全局多粒度池化的可见光红外行人重识别

可见光红外行人重新识别是一种跨模态检索的问题。由于可见光和红外图像模态差异较大,能够精确的匹配行人仍然具有很大的挑战。最近的研究表明,利用池化描述身体部位的局部特征以及人图像本身的全局特征,即使在身体部位缺失的情况下,也能给出鲁棒的特征表示,但是简单的全局平均池化很难获取行人的细节特征。针对这个问题,本文提出一种新的全局多粒度池化的方法,利用全局平均池化和全局最大池化结合的方法,提取行人更多的背景和纹理信息。此外,传统的三元组损失在跨模态行人重识别上效果并不好。我们设计了一种新的跨模态三元损失,以优化类内和类间距离,并监督网络学习有区别的特征表示。本文通过实验证明了所提方法的有效性,并在RegDB和SYSU-MM01数据集上分别取得了88.01%Rank-1,79.26%mAP,和60.24%Rank-1,57.50%mAP的结果。     

基于几何模型的快速视觉检测方法

本文提出了基于几何模型的快速视觉检测方法。该方法采用几何模型驱动的图像处理策略，利用产品的几何模型，根据用户的检测要求，制定检测索引表，用检测索引表导计算机进行数据处理，以提高机器视觉的智能程度和数据处理速度。实验表明，采用该方法的激光机器视觉检测系统，在速度和精度上都可达到在线检测的要求。     

基于机器视觉的安全距离检测方法

将机器视觉技术应用在距离检测中能更好地提高检测的精度,特别是在某些重要场所和恶劣环境下,机器视觉技术能更好地代替人类工作。将双目视觉技术与图像处理技术相结合,先应用高斯拉普拉斯算子(Laplacian of Gaussian,LOG)对采集的图像进行预处理,获得清晰的边缘信息,然后根据双目立体视觉原理,获取图像边缘点的坐标,最后根据空间点的距离公式获得两物体边缘点距离集合。筛选出其中的最短距离即为两物体间安全距离的判断依据,此方法也可用于输电线路周围障碍物安全距离的检测。     

一种改进池化模型对卷积神经网络性能影响的研究

池化模型作为卷积神经网络模型中至关重要的一部分,具有降维、提高模型泛化能力等作用。为了进一步提高卷积神经网络模型的准确率,优化模型的学习性能,提出了一种基于最大池化和平均池化的改进池化模型,并在全球手写数字数据集MNIST和CIFAR-10上分别对改进池化模型的有效性进行了验证。通过与常见池化模型的对比实验发现,采用改进池化模型的卷积神经网络的学习性能较优,一次迭代情况下,在MNIST和CIFAR-10数据集上,错误率分别下降了4.28%和2.15%。     

火电厂烟气中氮氧化物的控制与去除方法

介绍了火电厂烟气中氮氧化物生成途径。分析了氮氧化物流入空气给生态环境造成的污染。对比了目前氮氧化物几种去除技术和方法，并通过实际应用，重点讨论了行之有效的氮氧化物去除技术，即低氮氧化物燃烧技术。     

基于机器视觉的瓶口缺陷检测方法研究

在基于机器视觉的啤酒瓶口质量检测过程中,由于部分瓶口图像中缺陷灰度值变化范围大、边缘区域的干扰多,传统方法难以实现瓶口缺陷快速、准确检测。为此,分析总结各类瓶口缺陷特征,提出基于随机圆评估的三圆周定位法,以提高抗干扰能力和定位精度,并提出残差分析动态阈值分割与全局阈值分割结合的瓶口缺陷检测方法,克服灰度变化和瓶口缺失对检测结果的影响。对90幅图像测试,与5种瓶口缺陷检测法对比,结果显示:执行时间为117.33 ms,与效果最好的SVM算法相比,检测正确率提高了2.22%,可实现强干扰、大缺陷的瓶口图像中缺陷快速、准确定位和检测。     

一种基于小波变换模极大值的雷达信号噪声去除方法

本文在Mallat的模极大值去除噪声的算法基础上,给出了一种在小波变换模极大值域进行自动滤波的算法。该算法在小波变换模极大值空间中,可自动识别信号和噪声,并自动去除对应噪声的模极大值,以达到去噪的目的。将该算法应用于雷达散射波信号的噪声去除,试验验证,其对白噪声和时间抖动噪声的抑制较好。     

基于深度神经网络的液体视觉识别研究

针对液体表面特征少,区分度低,机器视觉难以有效识别检测的问题,通过使用两束不同波长的激光光源同时照射液体来提高不同液体之间的区分度,设计了数据集自动采集装置为模型训练提供了大量有效的样本,并构建了基于EfficientNetV2深度神经网络的视觉识别模型,模型引入cosine学习率衰减,调节获得最佳超参数后,形成最优方式实现高效训练,进一步提升了预测精度,结果表明视觉检测系统能够获得100%的测试准确率,成功解决了液体视觉检测中特征少的难题。     

基于遗传神经网络的机器人视觉控制方法

传统的机器人伺服控制需要计算雅克比矩阵以及解雅克比矩阵的逆才能实现系统设计,计算量很大且困难、系统结构复杂。设计了一种基于遗传神经网络的六关节机器人视觉伺服系统,并利用遗传算法对神经网络进行优化。此方法不但解决了系统求解雅克比矩阵及其逆计算量大的问题,而且不需要对摄像机内部参数和机器人参数进行标定,同时由于遗传算法的加入,提高了神经网络的性能,不仅大大简化了控制系统,提高了系统的速度,同时也保证了控制系统的精度。     

基于双目视觉的纸箱尺寸测量立体匹配方法研究

针对智能仓库物资自动化出入库流程,对于储存于纸箱中物资的出入库,需进行纸箱尺寸测量、纸箱拆解、物资倾倒、物资拣选等任务,因此首先应对纸箱进行无人化尺寸测量,提出自适应GrabCut的SGBM改进算法,实现纸箱尺寸自动测量。该方法首先完成双目相机的标定,利用NLM算法对采集的图片进行去噪处理,完成纸箱图片的立体校正,采用NCC、SGBM、AD-Census三种立体匹配算法得到纸箱的视差图,在分析其效果的基础上,提出基于模板匹配自适应GrabCut的SGBM改进算法用于纸箱立体匹配并得到其尺寸信息。实验结果表明,改进算法可以实现纸箱尺寸信息的精确测量,尺寸误差小于10 mm,满足实际的生产要求。     

基于视觉映射的三维相机信息可视化改善方法

针对TOF相机三维信息可视化中的突变、拉伸、毛刺等的问题,提出了一种基于仿人视觉映射的TOF相机三维数据信息可视化效果改善处理方法.方法首先研究分析了TOF三维相机和人类视觉系统感知原理,探寻突变、拉伸和毛刺现象的原因.在此基础上,提出了将TOF三维信息的锥形区域显示映射为人类视觉系统平行光模式的视觉映射模型,通过该映射处理达到逼近人类视觉的效果.该算法对多个不同场景进行了实验验证分析,结果表明该方法有效解决了三维显示中的变形和异常问题,有效改善了三维视觉可视化效果,并保持了三维目标的良好空间连续性.     

基于机器视觉的指针式仪表读表方法研究

针对指针式仪表读数方法受限于仪表类型多样、环境复杂、表盘及指针检测困难、读表精度不高的问题, 提出一种基于机器视觉的指针式仪表读表方法.首先,由数据采集设备获取高质量的图像,并且通过图像预处理减少 干扰.其次,利用Hough直线检测及Hough圆检测方法,检测指针所在直线和旋转中心,此外,对不同类型的指针 采用交点法与距离法确定仪表指针指向,并通过几何关系计算指针偏转角度.最后,根据比例法得到仪表读数.实验 结果表明,该方法具有算法简单、精度高、速度快的特点,具备实际部署应用的条件.     

基于机器视觉的输电线路无人机激光清障方法研究

针对传统输电线路无人机清障方法对故障点定位不准确的问题,研究基于机器视觉的输电线路无人机激光 清障方法.利用AI技术对输电线路图像提取特征值,无人机在巡检过程中运用机器视觉技术搜寻对应坐标点;近邻 图像像素取平均值构成模板,对故障线路特征图像进行滤波、降噪处理;通过蚂蚁运算得到无人机巡检的起始点和终 止点,规划无人机激光清障工作路径.测试结果表明该方法的搜寻故障点与实际故障点的误差值为零,精准定位故障 点,实现输电线路无人机对故障物的有效清除.     

基于OPENCV的计算机视觉技术研究

计算机视觉技术的主要作用是以人眼的视角且高于人眼的能力去解决分工、切割、搜索、提取、加工处理等问题,利用计算机视觉系统从而建立一个平面2D图像或三维立体图像数据,以此来建造一个可以获得所需信息的人工智能数据库.现如今我国计算机技术高速发展,特别是近些年OPENCV的不断更新与完善,更使得我国基于OPENCV的计算机视觉...     

基于PC的机器视觉系统研究

文章以机器视觉在啤酒空瓶检测系统中的应用为例，介绍了基于PC的机器视觉系统的组成，及各主要组成部分的功能、特性和设计、选型原则。     

基于视觉与非视觉效应的旧工业厂房改造采光设计研究

近些年来,我国城市中有大量旧工业建筑被重新改造利用。由于工业厂房在建筑形式和采光模式上都较为特殊,当被改造成其他类型建筑后,其室内采光或多或少会产生各种问题。本文以南京一个较具代表性的旧工业厂房真实改造案例为研究对象,利用研究团队自己研发的“基于多目标优化算法的天然光视觉与非视觉效应耦合优化设计工具”,对改造后的办公空间进行基于视觉与非视觉效应的耦合优化采光研究,并提出了采光优化设计方案。此外,研究也显示出同时考虑视觉与非视觉效应的天然采光设计方案,与仅考虑视看效果的设计方案并不相同。由此可见,营造优质健康的天然光环境需要同时考虑视觉与非视觉效应的影响。     

无人机自主降落过程视觉定位方法研究

无人机的视觉定位是无人机自主降落的辅助系统,是目前无人机的研究热点.目前传感器采集的图像信息量巨大,占用空间容量,且目标识别要求视觉算法精度高,图像处理时间过长,使无人机在降落过程中对位姿估计有较高要求,因此视觉自动着陆算法的研究有着广阔的应用需求场景.主要研究了无人机自主降落模式,采用视觉识别算法,大大减少了环境的干扰,通过模拟无人机自主降落的过程,设定无人机降落的坐标系,配合算法,实现着陆目标的选取,完成整个降落过程.机器视觉定位或模板匹配对不同的目标识别效果有着明显差别,固定着陆模型的识别效果会更好.