基于无线网络技术的智能立体车位控制系统设计

通过将Zigbee无线技术安装在每个停车位上的车位检测控制器信息,使其经射频发射器传送到控制室的接收器模块上显示车位状况。借此能够让管理员在控制室及时了解到每个车位的运行状态,实现立体停车、取车的智能控制。     

基于机器视觉的无梭织机断经智能识别装置研发

断经是机织物面料最常见疵点之一,也是判定面料品质的重要指标。为了避免断经疵点出现,纺织企业通常采取停经片或人工巡台措施来应对,但这两种方法不仅增加了生产工艺流程和人工成本,还会增加经纱与停经片磨损以及漏巡问题。本文利用机器视觉精确在线采集图像信息,模拟挡车工巡台检查,利用视觉算法对图像信息进行处理分析,从而识别断经,并触发断经信号停机。同时,为降低成本,一台自动断经识别装置控制多台设备,实现多台联动控制,降低企业智能化改造成本。该智能装置实现机器代替人的劳动,推动纺织织造行业智能化水平提升。     

关于图形识别的视觉反应的研究

文中叙述了以实验的方法所进行的人工智能视觉领域的基础性某些图形识别的研究工作。在实验中将一些字母和图形按拓扑结构和几何性质分组。试图寻找人类视觉在图形识别过程中的一些规律，运用了模糊数学中的综合评定法。     

浅谈产品设计的视觉识别

从产品识别概念出发,论述产品识别与人的认知心理,得出可供设计遵循的基本视觉识别规律,最后举例说明视觉识别在企业形象和产品设计中的成功案例,渗透出产品视觉识别对企业和产品设计的重要研究价值。     

焦化烟火智能识别系统优化研究

为提高识别焦炉烟火的准确率,设计了一种焦炉环保监控烟火自动检测系统。该系统基于AI机器深度学习视觉分析核心技术,可解决实际生产中发生的多种问题,适应性强、运行稳定、安装方便。对于异常烟火和火焰,可实时检测识别及预警,识别准确率超过90%。     

视觉机器人的目标识别与跟踪定位研究

根据国际机器人足球协会(FIRA)的全自动中型机器人组比赛规则,结合视觉影响、实时图像处理、动态目标追踪、无线通信、自动定位、机器人运动控制、路径规划以及控制策略等技术,实现机器人的自动定位。运用现有的定位算法,如双圆定位法、三点定位法实现机器人的自动定位时,其结果易受到比赛场地变动与环境光线的影响,产生定位误差。为了减少环境影响、改善定位误差,采用交比定位法实现机器人自动定位。应用交比定位法的误差相对较小,可通过算法自动计算场地标线交点,实现实时定位。     

基于机器视觉的割草系统青草识别研究

为使割草机系统实现青草识别,规划割草机运动路径并自动进行割草工作,采用单步多框检测器（SSD）目标检测算法和卷积神经网络框架（Caffe）在工作机上训练青草识别模型. 通过树莓派（RPi）拍摄割草场地照片并传送到工作机,工作机计算青草在图片中的坐标值并返回至树莓派,树莓派再根据青草的坐标值自动计算车桥转动角度和后轮电动机运行时间及方向,调动割草机机械部分进行割草作业. 实验结果表明,较之于传统的人工机械割草机或围栏式割草机,训练的青草识别模型能正常识别青草,割草机能较好地自动规划割草路径,具有一定除草效果. 研究结果实现了机器视觉和传统机械的结合,为今后智能机械的研究提供一定思路.     

视觉感知的目标识别算法

针对图像的目标识别问题,采用视觉感知的方法,模拟感受野的分层信息处理机制,并引入神经元间的侧抑制机制,对神经元响应进行筛选,通过检测视觉基本特征的方式识别图像中的目标.算法首先在简单细胞的感受野中对图像进行预处理;其次,在复杂细胞的感受野中,将简单细胞的感受野刺激进一步拓扑特征提取,得到感受野刺激响应;最后,通过侧抑制机制对响应神经元筛选,找出对刺激响应较强烈的神经元,将其输出作为目标识别的参数标准.实验结果表明,基于视觉感知的算法可以用少量样本解决大量图像中的目标识别问题,识别率高于边缘检测和图像分割方法,算法的目标识别率达到95.56%.     

视觉动态手势识别综述

基于视觉的动态手势识别是人机交互领域应用较为广泛的技术,其发展对于实现人机自然交互有着重要研究意义。文章介绍并分析了目前常用的手势交互系统。通过对近年来国内外相关文献的领域研究进行梳理,概述了视觉动态手势识别的一般流程,其流程包括检测与分割、追踪、特征提取、分类,并对各流程所涉及的方法及优缺点进行了对比分析;探讨了视觉动态手势识别研究所面临的挑战性问题和未来可能的研究方向,为推动该领域的进一步研究提供参考。     

机械工程图的智能输入与识别研究

介绍了一个机械工程图智能输入与识别系统的设计与实现，讨论了系统各模块的功能和算法。为了提高机械图纸的识别精度与范围，引入了直线，圆弧重构及基于人工神经网络的机械标注符号智能识别。     

回厂电能表数值智能识别技术研究

研究了回厂电能表表盘数字的自动识别技术,它是回厂电表数字识别系统的关键所在。识别工作在利用CCD镜头进行图像采集后,利用图像处理和模式识别技术自动定位分割图像中的数字区域并实现单个数字的切分,最后实现了电度表显示值快速自动识别。针对500帧现场采集的回厂电表图像,该研究获得了单字正确识别率99.8%和整表正确识别率98.4%的结果,表明该系统具有较强的鲁棒性。     

“智能”视觉监视系统

英国科学家正在开发“智能”监视新技术,这一技术有望使未来的闭路电视监视器不仅可自动识别扒手和盗车贼,而且还会预报地铁或机场内可能发生的行凶抢劫或恐怖活动。这一新技术,主要通过分析反常行为来识别嫌疑犯,并可快速发出警报。 　　据研究人员介绍,正在开发的新技术采用了相对原始的手段识别图像,如将低而长的可移动物体识别为“汽车”,将高而瘦的定义为“人”等等。采用新技术的监视系统,主要通过记录不同的物体运动轨迹来得出有关分析结果。 “智能”视觉监视系统@GJ.0010     

加拿大智能姿态视觉传感器

技术领域
　　无人平台应用技术
　　技术简介
　　加拿大企业开发的智能姿态视觉传感器是一种智能相机系统。在该系统中,图像处理器通过FPGA （现场可编程门阵列）与高分辨率CMOS（互补金属氧化物半导体）图像传感器直接连接。较之串行处理器,这些设备拥有较高的吞吐率,并能够充分运用并行原理,在要求高效和实时应用的设备上具有显著的优势。这种“基于单芯片的相机”易于定制,能够减少损耗、降低成本,可靠性高,耗电量低。最重要的是,其能够在硬件和软件之间实现平衡,最大限度地提高效率及性能。     

汽车双目立体视觉的目标测距及识别研究

为了降低园区自动驾驶汽车的环境感知实际应用成本,采用双目立体视觉的方法采集车辆前方环境的双目图像,通过立体匹配算法进行视差测距;使用深度学习算法对左图像进行目标识别,根据得到的目标区域在视差图中获取目标最小距离。结果表明,双目立体视觉系统能达到1%的测距精度,对车辆前方目标的实时识别测距速率达到45帧/s,为汽车自动避障提供实时环境感知信息,同时大大降低了环境感知的应用成本。     

基于计算智能的油水识别技术的研究

计算智能即用计算机模拟和再现人类的某些智能行为,主要包括神经网络、模糊技术和进化计算等技术.针对地震勘探中油水识别误差较大的问题,提出一种基于计算智能的神经网络识别技术,首先进行地震波属性提取,然后对所取属性进行预处理,再用神经网络进行学习训练,最后进行油水识别或预测.实际试验选取我国油田某区的典型地震勘探数据作为试验资料,提取出六种时间、振幅等有用属性,采用BP和LM两种算法的进行网络训练比较,得到LM优于BP算法.实际应用表明,基于计算智能的此种油水识别方法是切实可行的,可以达到识别系统理想的精度要求,而且起到节省成本、提高效率等功效,在油水识别方面效果显著.     

基于机器视觉的3D人体动作识别研究

为了对脑卒中病人的康复训练效果进行评价,针对基于加速度传感器的人体上肢动作识别这一新兴的领域开展研究,提出了一套基于蓝牙4.0的人体上肢姿态采集系统,对患者上肢康复训练中常见的7种运动信息进行采集和姿态识别.系统包括运动信息采集、信号传输、信号去噪声、动作识别等几个主要部分.实验结果表明：将传统的时域特征和过零点特征与上四分位点和下四分位点的特征进行组合,能够更好地将曲肘侧平举与曲臂弯曲静止等动作分开,有效提高识别的准确率.与BP神经网络相比,基于径向基核函数的支持向量机（support vector madine,SVM）分类器具有明显的性能优势,获得了较好的姿态识别性能,交叉验证平均正确识别率可达90%.

     

基于视觉识别的电子器件性能检测与控制系统研究

机器视觉系统在图像处理时耗费系统大量资源,这导致了系统实时性、稳定性和精确性差．不能满足实时控制的要求。这个缺点影响,机器视觉在高端产品中的应用。本文详细介绍了一种Windows环境下基于视觉识别的自动测试与控制系统,该系统采用高精度定时器、多线程编程来解决系统对于实时性的要求、并将图像处理和视觉识别技术应用到了工程实例,实现了系统的自动化,并满足了系统稳定性和精确性的要求。     

基于视觉导航的变电站智能巡检机器人的研究

在当今时代下,机器人建造技术不断提升,而移动机器人也正逐渐应用于生活中的各行各业。在电力行业对机器人的利用屡见不鲜,变电站智能巡检机器人如今已在众多变电站熟练运用。稳定的导航系统能够保障机器人发挥出应有的功能,保证工作运行流畅。目前导航技术和导航算法日新月异,不过需要注意的是应确保技术与实际紧密联系。尤其是在导航技术的...     

物体分类识别中视觉词汇生成方法研究

针对目前Bag of words模型将聚类中心作为视觉单词,而导致语义信息表达不完全的问题,提出了一种新的改进的视觉词汇生成方法。首先,提取图像的SIFT特征点并聚类;然后利用核函数进行核密度估计,选取每个聚类中若干个有代表性的特征点;最后,通过SVM训练生成视觉词汇。实验结果表明,改进后的视觉词汇生成方法,在物体分类识别中,与以聚类中心为视觉单词的生成方法相比,增强了语义信息的表达,提高了查全率,使得物体分类识别率大大增加。