基于神经网络的视觉检测系统的研究

随着电子学和计算机技术的日趋成熟,视觉检测系统取得了突飞猛进的发展并在许多领域得到了广泛地应用。本文提出了一种基于神经网络的结构光中心线提取的方法,实验结果表明神经网络方法可达到亚像素级精度,从而能有效地提高视觉检测的精度。     

基于线结构光-机器视觉的CHN钢轨轨距动态检测方法

针对有轨电车传统轨距检测方法存在检测成本高、标定抗干扰能力弱等缺点,提出一种基于线结构光-机器视觉的轨距动态检测方法,通过线结构光照射左右铁路轨道,形成钢轨轮廓信息。首先通过标定,建立并融合左右轨道的空间姿态坐标系,获取轨距的计算公式。接着通过机器视觉中的灰度滤波、高斯滤波、开运算、骨架提取算法对轨道轮廓图像进行处理。然后将处理后的轮廓图像通过标定的空间姿态坐标系计算出轮廓的实际空间坐标,即可得到轨距。该方法不仅只用2组线结构激光摄像式传感器降低检测成本,且通过机器视觉算法能够大大提升环境干扰下轨距动态测量的鲁棒性,保证测量的精度。最后通过实验室平台以及轨检车试验场验证该方法的可行性和有效性。     

基于RBF神经网络的结构动力损伤识别

本文针对结构动力损伤识别问题,提出了ＲＢＦ神经网络识别方法,重点讨论了ＲＢＦ神经网络的结构的算法,并在最后人出了两个工程应用实例,结果表明,ＲＢＦ神经网络识别在方法在结构动力损伤识别中不失为一种崭新有效的方法。     

基于RBF神经网络的双目摄像机标定研究

摄像机标定是精密测量的基础,传统的双目标定需要建立复杂的数学模型。人工神经网络可以有效地处理非线性映射问题,它可以很好地描述双目视觉中三维空间特征点坐标和二个摄像机对应点间的非线性关系。本文介绍一种RBF神经网络,并对RBF网络与BP网络的标定结果进行比较。实验结果表明：基于RBF神经网络的双目视觉标定方法能获得较高的标定精度。     

用“消隐点”法标定线结构光三维视觉传感器

提出了一种以线结构光为基础的三维视觉传感器，并根据所建立的数学模型，结合传感器的实际使用情况，提出用“消隐点”法对该传感器结构参数进行标定，该标定方法装置简单，速度快，在保证精度的同时简化标定的过程实验证明“消隐点”法是一种高效，实用的视觉传感器标定方法。     

基于RBF神经网络集成的三维模型分类和检索

针对单个神经网络难以对复杂的三维模型特征空间有足够的优化能力和泛化能力的问题,用Boosting方法变种和基于粒子群训练的RBF神经网络,形成特征空间对应的多个神经网络,然后将神经网络集成,给出三维模型的分类信息。在三维模型检索时,将神经网络集成输出的分类信息和特征空间上的距离信息进行加权计算,得到三维模型之间的相似度。实验结果表明,基于RBF神经网络集成的分类方法能有效提高三维模型的分类准确率;同时,考虑特征空间上模型间的距离和语义分类层次上模型间的距离,能够大大提高三维模型的检索精度。     

基于机器视觉的玻璃瓶口缺陷检测方法

目的为提高玻璃瓶口缺陷检测精度,确保生产线包装效率。方法基于机器视觉设计一种瓶口缺陷检测方法,并简要介绍检测系统的整体框架。分别论述基于最大熵值法的图像分割方法、瓶口定位方法以及图像特征提取方法,其中图像特征主要包括周长、圆形度、相对圆心距离。利用BP神经网络实现瓶口缺陷的准确识别,将瓶口破损程度转换为具体数值,最后进行实验验证。结果文中检测方法对破损瓶口的检测成功率为99%,对于不同的破损类型均有较高的检测准确度。结论基于机器视觉的玻璃瓶口缺陷检测方法能够满足生产线对准确性和实时性的要求。     

基于结构光和机器视觉的尺寸测量及其误差分析

为了解决流水线上产品的尺寸自动测量难的问题,基于目前机器视觉在尺寸测量方面的应用,介绍了用机器视觉来检测线圈绕线质量的方案。采用简化了的针孔模型对相机进行标定,并针对CCD成像元的不均匀性,提出改进方案并对测量结果进行误差修正,通过实验完善并验证了该方案的可行性,为机器视觉测量尺寸提供理论基础。     

基于线结构光的柴油机缸盖三维形貌测量

为了获取某种型号内燃机工件的三维形貌数据,设计了线结构光非接触方式的移动扫描测量系统。探索出了以虚拟双目立体视觉原理为理论基础的相机光心平移轨迹所在直线的方向余弦标定的实现方法,从而确定由系统中各局部坐标系变换到系统全局坐标系的旋转矩阵R和平移向量T,进而求出系统中各个局部坐标系原点在系统全局坐标系下的坐标值,最后得到相机光心移动轨迹所在直线的方向余弦。探索出利用相机的移动距离及方向余弦将局部坐标系数据转换至全局坐标系的计算方法,扫描获取了某种型号柴油机缸盖的三维形貌点云数据,在此基础上设计算法从中提取出气道口的中心坐标,测量精度较高。采用逆向工程软件对工件进行了表面重构,结果与实际表面特征信息吻合良好。     

基于RBF神经网络的数据挖掘的研究

研究基于RBF神经网络的分类数据挖掘方法。并将遗传算法和RBF神经网络有机结合,利用遗传算法优化RBF隐层中心参数和宽度。     

基于RBF神经网络的飞参数据预处理

由于存在干扰,飞参系统记录的发动机参数中,经常会有不少间断点和奇异值.为了利用数据对发动机性能趋势进行预测,必须对数据进行预处理.发动机作为一个系统,其各主要输入和输出参数之间必然存在着一定的函数关系.本文研究了利用RBF神经网络和参数之间的关系对数据进行预处理,得到了较为正常的数据,结果表明该方法是有效的.     

基于模糊聚类的RBF神经网络算法

文章提出一种根据模糊聚类的思想来确定RBF神经网络隐层节点数,并用K-Means的聚类算法来训练RBF神经网络.并根据此算法进行仿真,并证明是有效的.     

基于RBF神经网络的灌装机控制系统设计

目的 针对传统液体灌装机灌装定量控制方法存在控制稳定性不高、控制精度较差等问题,引入RBF神经网络对液体灌装机高精度灌装定量控制.方法 构建液体灌装机伺服驱动计量缸传递函数,结合空间扰动性融合方法实现液体灌装机高精度灌装扰动特征解析;采用参数自适应辨识方法进行液体灌装机高精度灌装的定量分析;通过B样条曲线拟合方法对液体灌装机灌装拟合控制;通过自适应参数调节,构建RBF神经网络模型,实现液体灌装机高精度灌装定量控制的优化设计.结果 仿真结果表明,所提方法的液体灌装定量控制稳定性较好,灌装机灌装定量控制效果较好.结论 文中方法提高了液体灌装机高精度灌装的定量控制能力.     

基于RBF神经网络的镍基TiN纳米复合镀层显微硬度预测

针对神经网络在预测复合镀层性能方面的应用情况,以及传统的BP神经网络存在缺陷;通过对RBF神经网络的基本原理和特点的研究,建立了利用RBF神经网络对Ni-TiN纳米复合镀层显微硬度进行预测的模型。通过实验数据验证了所建立的RBF神经网络模型具有很高的精确度,其最小相对误差可达0.62%,而且所建立的预测模型具有优化工艺参数的功能,对复合镀层的其它性能进行预测具有指导意义。     

基于RBF神经网络的色空间转换模型

研究了RBF神经网络的结构及算法,应用RBF神经网络建立了打印机的色空间转换模型.根据实验数据,对网络结构进行了优化,通过比较不同参数时网络的性能,确定最优网络参数.最后对所建模型进行了仿真验证,验证结果表明,预测数据与实测数据的色差较小,说明该模型具有实用价值.     

基于RBF神经网络的精细化营销研究

精细化营销分为5步骤:对数据进行标准化处理;利用因子分析确定客户细分变量;将聚类分为两层,利用最近邻聚类法初步确定中心,再利用均值聚类对中心进一步调整,确定RBF网络中心,并构建客户细分模型;在此基础上完成客户行为特征的描述和精细化营销策略的设计.通过实证研究,设计出某移动通信公司的精细化营销策略.     

径向基函数神经网络在多维力传感器标定中的应用

维间耦合是制约多维力传感器测量精度的主要因素,为了克服传统线性标定方法的局限性,利用径向基函数（RBF）神经网络强非线性逼近能力进行了多维腕力传感器的静态标定,并将其与最小二乘法和BP神经网络标定法作了比较。以研制的六维腕力传感器为对象进行了实验,结果表明,采用RBF神经网络对多维腕力传感器标定比用最小二乘线性标定有更高的标定精度,网络训练速度则大大快于BP神经网络。这种新方法具有一定的实用价值。     

基于RBF神经网络的低对比度图像自适应增强算法

针对低对比度图像增强问题,提出了一种将直方图修正与RBF神经网络相结合的图像对比度增强算法。首先由原始图像获得与其邻域存在对比度的像素的条件概率直方图,通过调整两个增强参数可以改变条件概率直方图和均匀分布直方图的权重,生成新的直方图对图像进行增强。采用RBF神经网络建立图像特征与两个增强参数之间的非线性映射关系。根据图像本身的特征快速获得增强参数,从而实现图像的自适应增强。该方法计算量小,实时性强,应用范围广,有较强的自适应性。     

大视场线结构光视觉传感器的现场标定

针对大视场线结构光视觉传感器的现场标定,提出了一种基于自由组合一维靶标的标定方法。自由组合多个一维靶标并固定,其中每个一维靶标至少包含3个共线特征点。靶标在传感器测量空间内自由摆放至少两次。以一维靶标两两之间夹角恒定为约束求解摄像机内部参数;由一维靶标消影点性质和特征点之间距离约束,求解各特征点在摄像机坐标系下的空间坐标;根据交比不变计算光平面与各一维靶标交点的摄像机坐标,拟合出光平面方程。实验表明,该方法可获得与平面靶标相当的标定精度,具有靶标加工容易、精度高、摆放次数少的特点,适合大视场线结构光视觉传感器的现场标定。