新型实时光电混合图像识别系统设计

提出并设计了一种基于"FPGA DSP ARM"多处理器的光电混合图像识别系统,该系统采用TMS320C6416与FPGA完成目标图像的采集、预处理以及畸变不变处理,光学处理模块实现联合图像的傅立叶变换,得到联合功率频谱,S3C2440完成对该频谱的采集、振幅调制滤波、傅立叶逆变换及图像识别.大量的实验表明:这种小型化智能系统每秒能处理25帧图像,具有较强的实用价值.     

基于改进PSO-BP算法的机器人目标位姿识别方法

机器人作业环境复杂,物料分布具有随机性,导致机器人目标位姿的辨识和定位精度低,实时性差,为此提出一种基于改进粒子群算法-BP神经网络(PSO-BP)的机器人目标位姿识别方法。采用改进的中值滤波算法对目标图像预处理,构建多尺度灰度差异算子以及局部图像熵算子,将两者点积运算获取加权局部熵,抑制目标图像中的噪声。通过多视图几何中间帧的关联特征信息,提取机器人目标位姿特征。在BP神经网络训练阶段通过改进的PSO算法优化处理,采用优化后的BP神经网络算法对提取的特征展开训练和识别,最终实现机器人目标位姿识别。实验结果表明,当机器人目标测试样本数量为55个时,所提方法的亮度方差为0.305,当像素识别误差为1.5%时,所提方法获取的机器人目标位姿识别误差为0.11,所提方法能够在像素识别误差下准确识别机器人目标,获取高精度的机器人目标位姿识别结果。     

基于改进Faster-RCNN的输电线路巡检图像检测

针对传统输电线路目标巡检图像识别方法响应速度慢,准确率不高的问题,提出一种改进Faster-RCNN深度学习识别算法。文中通过卷积神经网络ZFnet提取图像特征,并重置模型参数以获取更多目标细节;利用Faster-RCNN对目标进行检测,由子网络区域提议模型生成目标候选框和子网络Fast-RCNN进行参数调优,并在Faster-RCNN网络输出部分引入精炼阶段,增加目标特征的分类细化和回归细化,将存在目标的多个边界框合并,实现精确分类以及坐标定位。实验结果表明：改进Faster-RCNN算法可有效识别线路设备及设备缺陷,总体识别率达到93.5%,响应时间在1s内。与图像识别法或SSD、YOLO深度学习法相比,所提算法提高了电力设备的识别精度与响应速度,在输电线路智能巡检中具有一定的优越性。     

基于图像的远程燃气表直读系统研究与实现

基于图像的燃气表远程直读系统设计了在燃气表上加装图像采集模块,通过GPRS方式将图像定时发送到远端服务器,由服务器通过图像处理和模式识别技术对燃气表的读数进行识别。在图像采集模块中,采用了分块迭代算法对图像进行二值化处理,使其具有更好的适应性,并在远程发送前对图像数据进行压缩,以减少数据量。服务器端通过对图像进行二次处理、图像分割等预处理后,采用模板匹配算法对字符进行识别。     

基于openCV的玉米出苗期和三叶期自动检测系统的设计

为了远程实时动态监测玉米长势,为农事活动提供准确的玉米生长状态信息,提出了基于轮廓和骨架提取的玉米出苗期和三叶期的自动识别算法。该算法实现了对玉米图像的分割,并对图像中轮廓和骨架等图像特征进行提取,根据所提取的图像特征判断玉米是否进入出苗期或三叶期。利用该算法与计算机视觉库openCV进行玉米出苗期和三叶期的检测系统的设计,实现了玉米出苗期和三叶期的自动识别。此外,在VS2013环境下实现了对一个简单的玉米出苗期和三叶期的自动检测系统软件的界面开发。该系统对玉米出苗期和三叶期的识别速度较快,识别结果准确,可以作为玉米全部生长期检测系统的开发基础。     

Improved differential evolutionary algorithm for nonlinear identification of a novel vibration‐assisted swing cutting system

Vibration‐assisted swing cutting (VASC) is a new precision machining technology. VASC not only inherits the characteristics of EVC intermittent cutting but also alleviates the problem of EVC residual height. However, system identification is key if you want to achieve precise control. In order to solve this problem, a new improved differential evolutionary (IDE) algorithm is proposed to identify and optimize the Hammerstein‐Wiener model parameter in VASC system. IDE algorithm is applied to transform the identification problem of the model into the optimization problem in the parameter space, and the optimal solution of the parameter of the model in the parameter space is obtained. Meanwhile, the IDE algorithm and the conventional five differential evolutionary algorithms perform performance comparison tests on six different test functions. The test results show that the IDE algorithm is strengthening the global search capability, accelerate the convergence rate to the global optimal solution, and indicate that the IDE algorithm can be effectively applied to the parameter optimization of Hammerstein‐winner model. Based on the input and output data collected from the experiment, the accuracy of the identification model can be up to 98%, which prove the superiority of the proposed IDE algorithm for system identification.     

基于改进Faster-RCNN的输电线巡检图像多目标检测及定位

针对输电线巡检图像受光线、环境和拍摄角度等因素影响,图像中的电气设备呈现低分辨率和多形态化特征的问题,提出一种基于改进Faster-RCNN的巡检图像多目标检测及定位方法。该方法首先通过区域建议策略网络生成若干目标候选区域;然后基于实际巡检图像样本库,对卷积神经网络进行训练,以改善参数学习效果;最后利用正则化方法优化参数权重,提高检测速度,得到适应巡检图像多形态化特征的改进型Faster-RCNN模型。实际场景数据集测试结果表明,相比于数字图像处理、浅层机器学习、单阶法、双阶法、Mask-RCNN和Local Loss目标检测方法,所提改进型Faster-RCNN能够在不同分辨率和不同位置角度的巡检图像场景下保持较高的识别精度和速度,具有较高的工程实用价值。     

Performance Evaluation of an Image‐Space Observer‐Based Visual Servoing System

In recent years, robots have come to be required to operate in various environments and situations. Therefore, robots have to recognize the environment they are in and adapt to any situations that present themselves. The purpose of this research is to increase the tracking speed and robustness of a visual servoing system. A 3‐link planar manipulator provided with a CCD camera is used to track the target. In order to track the target, an image‐based tracking method, suitable for high‐speed tracking, is used. This paper proposes an image‐space observer (IOB), which compensates disturbances in the image space. A zero‐order hold is introduced to the IOB to enhance the performance of the visual servoing system. The validity of the proposed method is confirmed through experiments.     

基于SSE指令的图像识别和跟踪系统设计

提出了一种基于SSE指令集的运动目标识别与跟踪系统的设计方案,重点论述了该方案中图像处理的过程及算法,包括颜色模型的选择、图像的预处理、图像取差目标识别、多线程并行处理、SSE指令集及自动跟踪控制几个部分。实践证明,该系统提升了图像识别的精度和速度。目前,该系统已成功应用于激光照射精度测试试验任务中,这对于分析导弹的命中精度和制导误差、实现实弹飞行试验中的故障诊断都具有十分重要的意义。     

基于通用距离测量的机器学习方法用于图像分类和聚类

针对图像分类识别问题,提出了一种用于图像特征提取的新方法.首先定义了基于图像字符串的复杂度和以及通用图像距离(UID),然后依次提出了测量通用图像距离的UID距离测量算法,在维持特征类别之间的固有差异条件下对图像原型进行选择的原型选择算法,利用原型选择算法创建图像的特征向量表示从而生成待分类图像的特征向量的特征向量生成算法,最后基于前述算法提出了对图像的感兴趣区域进行分离的图像分类学习算法.将所提出的方法应用于卫星图像数据的几个监督和非监督学习实验,结果表明文中所提方法效果理想.     

D-S 理论多分类器融合的光学遥感图像多目标识别

光学遥感图像的多目标检测与识别一直是图像处理与分析领域的热点研究问题。针对多特征单一分类器决策级融合不能很好的利用特征与分类器的适应性,导致识别的准确率很难进一步提高的问题,提出了基于D-S证据理论的多特征多分类器决策级融合策略。首先提取了两种简单且具有平移、缩放不变性的特征;其次分别引入3种适应性较好的分类器进行分类;最后设计了两级的D-S证据理论的融合方案,并且在置信度函数计算的过程中引入表征分类器性能的混淆矩阵。该算法有效地解决了分类器输出的不确定性问题,进一步提高了光学遥感图像多目标分类识别的准确性。测试表明,对4种目标的识别率达到97.22%,验证了算法的有效性。     

A fuzzy C‐regression model algorithm using a new PSO algorithm

In this paper, a new methodology is introduced for the identification of the parameters of the multiple‐input–multiple‐output local linear Takagi‐Sugeno fuzzy models using the weighted recursive least squares (WRLS). The WRLS is sensitive to initialization, which leads to no convergence. In order to overcome this problem, adaptive chaos particle swarm optimization is proposed to optimize the initial states of WRLS. This new algorithm is improved versions of the original particle swarm optimization algorithm. Finally, comparative experiments are designed to verify the validity of the proposed clustering algorithm and the Takagi‐Sugeno fuzzy model identification method, and the results show that the new method is effective in describing a complicated nonlinear system with significantly high accuracies compared with approaches in the literature.     

局部二进制特征描述算法综述

为引起更多机器人视觉领域的研究者对局部二进制特征描述算法进行探索和讨论,并推动局部二进制特征描述算法在图像匹配、目标识别和机器人导航等领域的应用,系统的综述局部二进制特征描述算法的发展过程以及研究进展。首先简要概述浮点型的特征描述算法,并指出研究局部二进制描述算法的必要性;然后详细的介绍基于手动设置的经典二进制描述算法及其改进方案,深入分析基于优化学习的二进制特征描述算法的优势和缺陷;最后对局部二进制特征描述算法存在的问题进行讨论,强调将当前深度学习理论与局部二进制特征描述原理相结合的重要性,同时随着深度学习理论的引入,局部二进制特征描述算法必然会更加适合机器人系统开展反恐防爆、核电安全、太空探索等特殊环境下的图像匹配和目标识别任务。     

图像识别技术在换流站监控系统中的应用

针对换流站视频监控系统现状,提出几种以图像识别技术为基础的报警机制:故障检测报警机制主要识别对象为设备;安全防盗报警机制主要识别对象为人;自然灾害报警机制主要识别对象为整体环境。介绍了图像识别技术的原理和具体识别过程及方法,指出图像识别技术融入换流站监控系统的研究在我国还处于起步阶段,具有广阔的应用前景。     

一种融合间接注意力的自适应特征提取方法

针对基于ViT模型的细粒度图像识别算法存在特征提取不全面、参数选取不具普适性等问题,提出一种融合间接注意力的自适应特征提取方法（Adaptive Feature Extraction with Indirect Attention,AFEIA）。首先,对于目标对象的特征提取,采用改进后的自然断点分类算法将特征分为最相关、次相关、不相关三种,对不同的输入样本可以自适应地提取最具辨别性特征,保证了特征提取的准确性;然后,利用注意力权重矩阵,获取被忽略特征中与目标对象间接相关的特征,以获取各对象之间细微的差异,保证了特征提取的全面性。实验表明,使用AFEIA方法的ViT模型在两个细粒度数据集CUB-200-2011、Stanford Dogs上分别达到91.6%、91.5%的预测准确率,通过可视化方法和消融实验,验证了AFEIA方法的有效性。     

Deep Reinforcement Learning Based AGV Self-navigation Obstacle Avoidance Method

A local path optimization model and obstacle avoidance strategy based on Actor-Critic algorithm is proposed for the local obstacle avoidance problem of automatic guided vehicles in a complex workshop environment. In the complex working environment of the production workshop, we analyze the automatic obstacle avoidance problem of AGV trolley, establish the front and both sides of the AGV tentacle model and Markov decision process, and describe the local obstacle avoidance path in the form of virtual tentacles. And based on deep reinforcement learning to solve the path obstacle avoidance strategy, it is applied to the AGV self-navigation system. The dynamic obstacle avoidance performance of AGV is tested through simulation experiments, and the effectiveness of the proposed algorithm is verified by completing local obstacle avoidance path planning under global path guidance.     

量子遗传算法优化的最小二乘支持向量机的风机故障诊断

针对最小二乘支持向量机（LSSVM）在故障诊断过程中的模型参数选择问题,提出了利用全局寻优能力强、收敛速度快的量子遗传算法（QGA）对模型参数进行参数寻优,把LSSVM参数选择问题转化为优化问题。该算法克服了遗传算法优化过程中陷入局部极值的问题,提高了优化性能。利用UCI数据库的数据进行分类验证,相比遗传优化的LSSVM和交叉验证的LSSVM,基于QGA优化的LSSVM模型提高了分类精度。最后,把该模型应用于风力发电机齿轮箱故障诊断中,取得了良好的效果。     

基于联合分量灰度化算法和深度学习的玻璃绝缘子目标识别算法

针对相近色干扰、不同光照条件下玻璃绝缘子颜色特征不明显而无法准确识别的问题,提出一种基于联合分量灰度化算法和深度学习的玻璃绝缘子目标识别算法.首先,提出一种联合分量灰度化算法,通过补偿玻璃绝缘子目标区域的颜色特征实现目标增强;然后,在均匀分块的基础上,采用动态分块阈值进行玻璃绝缘子图像粗分割,并结合玻璃绝缘子的颜色和空...     

输电规划中计入环境因素的路径决策

输电规划要兼顾可靠性和经济性,而规划区域的环境条件对输电线路的投资费用有直接的影响。分析了输电规划与地理环境间的相互关系,提出考虑地理环境信息的输电布线路径的决策方法,以估算输电规划中备选线路的长度和成本。该方法将地图单元格化,利用模式识别技术量化每个单元格的环境综合成本,在此基础上建立计及环境成本的输电线路走廊优化模型,并提出一种双种群改进智能蚁群算法对模型进行求解。算例分析验证了所述路径优化方法的正确性和有效性。     

基于 FOA 优化的 CSSVM 管道堵塞状态识别研究

针对城市排水管道正常与堵塞故障状态在数据获取上的不平衡性造成的运行状态识别准确率下降的问题,提出了一种基于果蝇优化算法的代价敏感支持向量机的管道堵塞状态识别方法。根据排水管道内各运行状态下采集到的不平衡数据集,首先对不平衡数据集进行小波包分解,其次,提取各个分解系数的能量熵、近似熵指标构建特征向量集合;采用果蝇优化算法(FOA)对不同类样本惩罚因子C_m和核函数参数g进行优化选取,即对代价敏感支持向量机(CS-SVM)模型优化,将特征集合输入优化后的CS-SVM模型中,对排水管道的正常和堵塞状态识别,通过增大对少数类样本错分的惩罚代价,结果表明,提升了少数类的识别准确率。