基于计算机视觉的手机屏蔽罩共面度检测设备

计算机视觉是一门研究如何使机器"看"的科学。基于此,我们研制出一套视觉检测设备,并将其运用到流水线作业,使它能够快速并准确的检测手机屏蔽罩的共面度是否达标。     

封闭式舞台罩声学特性的计算机模拟

本文在声线追踪法的基础上,以跟踪波阵面面元代替跟踪声线,采用C程序语言编制音质模拟程序,对封闭式舞台罩的声学特性进行计算机模拟。     

基于计算机视觉的混凝土缺陷检测研究综述

混凝土缺陷对混凝土结构的安全性和稳定性造成的威胁不容小觑,因此,定期的缺陷检测对混凝土结构的维护至关重要。相较于主观低效的人工视觉检测,计算机视觉因在混凝土缺陷检测的自动化方面具有显著优势而成为近年来的研究热点,但目前缺乏该领域的全面综述。因此,本文旨在综合分析计算机视觉技术在混凝土缺陷检测领域的研究进展,对混凝土缺陷检测涉及的计算机视觉算法进行分类,总结现存的技术难点并分析未来研究方向,为该领域的后续研究提供一定的参考。     

基于计算机视觉技术的施工机械操作员疲劳作业检测方法

施工机械操作员的疲劳检测是工程安全管理中比较复杂棘手的问题。现有的疲劳检测方式存在着各种问题,疲劳问卷难以量化、时效性差,生理指标检测侵入性强、成本高昂。而计算机视觉技术为基于面部信息的疲劳检测提供了一个有价值的技术手段。本论文构建了一种基于计算机视觉技术的施工机械操作员疲劳作业检测方法。采用dlib(图像处理开源库)模型标注68个人脸特征点,计算实时的眼纵横比(EAR)和嘴纵横比(MAR)值,并取前30s视频作为样本计算出相应的阈值,进而计算出眨眼频率、平均眨眼时长、眼睑闭合时间百分比(PERCLOS)以及哈欠频率这四个指标值,利用归一化方法进行指标融合,依据综合疲劳指标的取值和持续时间采取不同的疲劳应对措施。最终通过实验验证该方法的准确性,结果表明本论文提出的综合疲劳指标能够反映不同情境下检测对象疲劳状态的变化趋势,其眨眼状态判定的正确率在95%左右。     

基于计算机视觉技术的结构表面裂缝检测方法研究

计算机视觉技术用于混凝土结构表面裂缝检测,具有现场检测方便、效率高、客观性强的特点,但图像数据分析是该技术的核心,其中裂缝提取与定量测量较为复杂。为提高裂缝图像处理效率和准确率,将深度学习和数字图像处理技术相结合,提出一种裂缝检测方法。建立基于深度卷积神经网络的裂缝识别模型,在图像上自动定位裂缝并结合图像局域阈值分割方法提取裂缝。在裂缝宽度定量测量方面,采用双边滤波算法和三段线性变换对裂缝图像进行预处理,提高了裂缝边缘识别的精确度。通过改进边缘梯度法,实现裂缝最大宽度的定位和裂缝最大宽度的自动获取。该研究为全自动识别裂缝图像及高精度测量裂缝宽度提供了一种解决方法。     

基于计算机视觉的手势识别技术综述

随着计算机性能的逐步提高和图像处理技术的不断发展,基于计算机视觉的手势识别技术成为研究热点。本文介绍了手势识别的主要分类,并详细介绍了基于视觉的手势识别技术的工作原理和工作流程。阐述了手势分割、特征提取和手势识别的技术方法。     

基于计算机视觉技术的裂缝特征参数提取方法研究与裂缝检测系统设计

目前国内外学者针对混凝土结构所提出的裂缝图像处理算法可移植性较差,还未有较为通用的算法。对目前常用的图像预处理算法及特征参数提取算法在混凝土裂缝图像识别方面的适用性进行了研究,从相机的拍摄和校正、图像预处理、裂缝特征参数提取等方面对比了不同的算法处理效果,并自主开发了一套混凝土裂缝检测系统。     

计算机视觉中的图匹配方法研究

计算机视觉在各行各业得到广泛的运用,在图片转化中常常会使用到图匹配的方式来降低误差,提升视觉效果。通过将两张或两张以上的图进行对比分析,来提高计算机视觉分析的精密度和准确性。在长期的研究过程中出现了多种图匹配的方法,文章就不同的匹配方法进行综合论述,以期从中找到一些共同之处和创新点,为计算机的图匹配领域提供新的理论资料。     

基于计算机视觉的电线破损智能巡查方法研究

提出一种改进的基于计算机视觉的线破损智能巡查方法。分析了大型电力网络电线破损检测的原理,采用图像视觉特征提取方法实现对电线破损部位的识别和定位,采用能量最小化约束方法找到电线破损点视觉图像的初始像素聚类中心,通过相异特征匹配的方法消除电线破损点图像中不规则点信息,实现基于计算机视觉的电线破损远程智能巡查和定位。仿真实验表明,采用该方法进行大型电力网络的电线破损视觉特征提取和监测,信息分析准确,破损定位和检测准确度高,实现电线破损的智能巡查。     

计算机视觉系统框架的新构思

现代计算机视觉系统是在计算机软件技术高速发展的支持下,形成的对人类视觉功能的模拟,并希望借助计算机视觉系统来代替人工,改善现代社会生产和生活领域的条件。计算机视觉系统自产生以来就备受关注,几十年来共产生了三种系统框架思路,分别是计算机视觉理论、基于知识的视觉理论和主动视觉理论。本文对这三种框架理论进行了简要探讨,分析各自优劣,经过系统分析后提出了一个完善和通用的计算机视觉系统框架。     

基于计算机视觉技术的搅拌站取料机全自动控制

搅拌站的生产过程不可视化、管理不规范、质量不稳定、安全隐患多、环境污染严重等问题,亟需采用先进的技术手段进行改造和提升,通过视觉识别技术对混凝土质量进行实时检测,保证了混凝土质量稳定性。本文开展了混凝土粗骨料图像分割与基于计算机视觉的匀质性检测过程技术研究,并将其有效地应用于搅拌站取料机控制环节中,对照验证结果充分表明了提出技术方案的可靠性与有效性。     

电子屏蔽设备的设计分析

当前社会,信息化高速发展,电子设备的生产与应用遍布于我们生活中的各个角落,人们生活与工作都离不开电子设备。电子屏蔽设备在电子设备中的作用尤为突出,因此我们对电子屏蔽设备的设计分析进行讨论,介绍其屏蔽设备的基本原理与设计分类、屏蔽效果的计算与表示方法,其次对屏蔽设备的设计结构进行分析,最后总结屏蔽设备的安装方法。     

基于计算机视觉的建筑外墙剥落和裂缝两阶段检测方法

地震灾害中,对建筑物外墙立面损伤状况进行快速检测有利于灾情评估与灾后重建。为实现建筑外墙立面剥落和裂缝的自动化非接触式检测,提出了一种结合深度学习与图像处理的外墙损伤定位与量化评估的两阶段检测方法。通过建立并标定北川老县城地震破坏房屋数据集,采用基于损失函数模型Focal Loss的目标检测网络定位破损区域目标框,并克服小尺度区域的正负样本不均衡问题。根据提取的目标破损区域单幅图像,提出图像滤波、阈值分割和形态学操作的组合处理流程,进行贴面砖墙面下剥落和裂缝的像素级别分割与提取。进一步结合像素尺度与物理尺度的映射关系,完成剥落面积、裂缝宽度等关键破损信息的计算与识别。结果表明,该方法可较好地对震后建筑物外墙立面的墙面剥落和裂缝进行定位和提取,对墙面损伤可实现像素级分割并准确地识别损伤关键物理参数,能实现对建筑物震后损伤的准确和快速检测。     

校园手机智能屏蔽网管理系统的研发

以微电子技术、无线电技术为基础,有机地结合了计算机网络和载波技术、数据流安排、容错技术、软硬件可靠性、噪声处理、抗干扰等诸多技术,使处于受屏蔽管理场所内的手机完全切断与外界的联系,对校园内重要学习场所的环境起到净化作用。     

基于计算机视觉的结构系统识别

结构系统识别是土木工程结构健康监测的重要组成部分,传统的结构系统识别通过有线或无线的测量系统进行数据采集,布置传感器以及数据采集设备的过程繁琐、费时。为了提高结构系统识别的效率,提出一种无需人工靶点、基于计算机视觉的非接触式测量方法,以消费级相机为采集设备,采用基于点匹配的特征光流技术实现目标的运动跟踪,获得目标的位移时程,进而实现结构系统识别。使用消费级摄像机对振动台试验中的结构模型进行测量,与传统拉线式位移传感器的测量结果进行对比。研究结果表明,采用基于计算机视觉的非接触式测量方法,在频域中具有较高的测量精度,并且能够准确识别出结构的自振频率、振型等动力特性,具有良好的应用前景。     

一种共面结构的4G手机天线研究

本文提出了一种适用于4G手机的平面天线,该天线采用接地板共面和多枝节连接地板结构扩展带宽,可以产生0.75GHz、2.6GHz和3.5GHz三个工作频率,增益分别为2.7d Bi、4.9d Bi和5.3d Bi,工作频带为0.69GHz~0.82GHz和2.49GHz~4.06GHz.仿真和测试结果基本吻合。研究表明该天线可以满足4G手机工作需求,具有较好的应用前景。     

基于计算机视觉的复杂背景人行桥振动识别

基于振动的桥梁健康监测是以定量方式评估桥梁安全性能的有效工具,针对在使用传统接触式传感器时,实现大型结构的高空间分辨率测量难以达成,并且固定接触式传感器在超过主体结构的寿命时还可能缺乏可靠性。文章建立一套非接触桥梁振动识别系统,系统对基于相位的运动估计(PME)进行改进,结合2DGabor小波并抽出相位中与积分无关的变量,提出新的表示方法用于提取相位信息。系统利用改进的PME对结构表面的自然目标进行追踪,进而识别全场结构的振动信息;再通过模态分解离散出结构有效振动信号,将高频微小信号通过基于相位的运动放大(PMM)技术进行放大,最终识别出完整的结构振动信息。为应对城市复杂环境下桥梁振动识别的困难,消除环境对相机振动的影响,文中提出利用模态分解剔除环境对相机振动的影响和其他噪声,进而提取出有效的桥梁振动信息。通过在实验室桥梁模型上进行三种不同工况的试验和户外人行桥斜拉杆测试,验证系统对桥梁振动识别的可行性。在模型试验中,系统识别得到的时域和频域信息与激光位移传感器对比的误差都小于0.80%;户外人行桥斜拉杆测试中,系统识别的结果与接触式高频加速度传感器对比的误差小于2.0%,比桥梁挠度仪...     

基于计算机视觉方法的古建筑变形监测

针对古建筑整体变形和局部变形监测需要,提出基于计算机视觉方法的古建筑变形监测系统。考虑到古建筑变形微量、缓变,监测过程相机布设受限等特点,引入张正友相机标定法消除相机光轴需垂直目标的局限性,实现将任意倾斜图像转至三维坐标系进行分析,并利用亚像素插值技术提高了监测精度,测试的归一化精度达到99.5%。利用该系统分别进行了实验室振动台缩尺古建筑模型的二维平面振动监测、北京故宫博物院咸福宫井亭简化模型静态监测试验,以验证该系统用于古建结构变形监测的可行性。结果表明：基于计算机视觉方法的古建筑变形监测系统可用于古建筑受长期荷载和偶然荷载下结构变形的无损监测,其支持有靶标和无靶标两种变形监测;在偶然荷载下有、无靶标结构变形监测误差均小于8%,在长期荷载下有靶标结构变形监测误差小于4%。     

人工智能在计算机视觉及网络领域中的应用

本文简单介绍了人工智能及其发展和计算机视觉,并对人工智能在计算机视觉及网络领域中的应用做了分析。     

基于计算机视觉的预制墙板临时支撑安全合规性检查

预制构件安装过程中临时支撑的安全合规性对装配式施工安全至关重要,对其进行自动检查并辅助施工安全监控具有重要意义。以最为常见且具有代表性的预制混凝土墙板为例,利用 YOLO-v5 网络构建了预制墙板及其临时支撑的自动识别模型,进而提出了预制墙板临时支撑的安全合规性自动检查方法。测试结果表明,该识别模型的平均精度均值达到 95.3%,在充分考虑施工现场不利因素情况下检查方法的准确率达到 70.7%,证实了该方法的有效性和可行性。 这不仅可以提升预制墙板安装的安全性,而且还可为其他类型预制构件安装的合规性检查提供参考。