共查询到20条相似文献,搜索用时 46 毫秒
1.
针对造纸生产线上宽幅高速纸机纸病检测系统快速性和精确性的挑战,提出"工业相机+FPGA(Field-Programmable Gate Array)+计算机"模式下的基于自适应神经模糊推理系统的纸病二次辨识方法。使用CCD相机采集纸张图像,通过FPGA完成图像预处理和一次辨识(粗辨识+过辨识);计算机通过自适应神经模糊推理系统(ANFIS)对疑似纸病区域二次辨识(精确辨识),判断出纸病和种类。实验表明,该方法能够准确地辨识各种纸病。 相似文献
2.
3.
4.
5.
6.
针对纸病检测系统普遍存在的快速性与实时性均较差问题,借鉴人眼视觉中“选择性注意”机制,提出了采用“选择性缓存处理”方法快速提取与检测纸病。系统采用“CCD + FPGA”的模式,利用FPGA流水线并行处理特性对线阵CCD采集到的图像数据流进行预处理与特征提取,并同时缓存纸病区域图像。由于整个处理过程为流水线式并行处理,且仅缓存纸病区域图像,因此极大地提高了纸病提取检测的速度并节约大量的存储空间。结果表明,该方法硬件资源占用率极小,且能快速、准确地提取纸病信息,具有很强的灵活性与实时性,可以满足高速纸机实时检测的需求。 相似文献
7.
8.
9.
10.
11.
针对高速纸机纸病检测时,图像数据处理量大和实时性的要求,文中采用FPGA(Field Programmable Gate Array)和线阵CCD(Charge-coupled Device)相机技术,介绍了一种高速纸病检测系统的设计。利用FPGA并行性和高速运算能力的特点,控制线阵CCD实现高速下图像采集和进行纸病图像预处理,抓取出纸病图像并上传到上位机,然后利用灰度阈值分割和二值图像分型盒维数的方法确定纸病类型。结果表明,该设计有效提高了纸病检测速度,降低了成本。 相似文献
12.
针对造纸工业中传统纸病分类算法准确率低的问题,本课题提出一种多尺度图像增强结合注意力机制的方法;采用锐化滤波器和对比度增强操作获得图像对直线信息的响应,同时利用Sobel边缘检测获取图像对边缘信息的响应,然后将这些响应分别放进卷积神经网络(CNN)中提取浅层局部信息后进行特征融合,得到全局信息,最后利用注意力机制,通过关注这些图像中最有特点的部分,进行纸病分类。实验表明,该方法优于HOG+SVM、LBP+SVM以及传统CNN等方法,在自建数据集上,分类准确率可达到96.63%;与现有基于CNN的纸病分类算法相比,所需的数据量更少,分类效果更好。 相似文献
13.
纸病检测是造纸生产过程中重要的环节,现有的纸病检测系统一般采用阈值算法或边缘检测算法对图像进行分割。为解决阈值分割和边缘检测分割方式中存在的误分以及过度分割问题,本研究提出了基于马尔可夫(MarKov)随机场的纸病图像分割方法。通过MarKov随机场理论对纸病图像纹理进行分析得到纹理特征参数,利用纹理特征参数以及最大差值对正常背景和纸病区域进行分割。结果表明,相比于其他分割算法,基于MarKov随机场的纸病图像分割方法可有效提取出纸病图像的纹理细节和轮廓特征,提高分割的准确度。 相似文献
14.
15.
16.
17.
本文设计了一种基于FPGA和DSP架构的红外图像超分辨率重构系统。采用TI公司高性能DSP(TMS320DM6467)和Xilinx公司FPGA(VIRTEX-4)作为核心处理器。DSP模块承担目标图像重构算法运算,FPGA模块负责图像预处理及与主控计算机通信。通过合理的任务调度,充分发挥DSP并行运算的灵活与速度优势和FPGA实现的快速性与通用性。结合改进PCOS超分辨率算法,可稳定获得较高质量的重构红外图像。应用结果证明该重构系统设计合理,具备较强的实用性。 相似文献
18.
19.
20.
提出了一种基于段的连通域标记处理算法,同时对纸病区域进行连通域标记和形状特征值提取,旨在提高纸病检测的准确率和效率。该算法利用纸病区域为简单连通图像的特点,采用段技术实现了纸病区域的标记处理,探讨了在标记处理同时快速统计与形状特征值计算有关的中间参数的方法,利用标记结果及形状特征值实现了纸病的快速检测。该算法优化了标记处理与形状特征值提取的过程,减少了纸病图像的扫描次数。结果表明,该算法达到了准确、快速的纸病检测效果,且易于扩展到实际的纸病检测系统中。 相似文献