灰度共生矩阵在蔬菜种类识别中的应用研究

针对我国蔬菜类食品安全追溯系统中有关种类信息采集存在的一些问题,提出了一种利用图像纹理分析技术对多种蔬菜进行识别分类,进而提高信息采集的准确性与高效性.实验中分别用灰度共生矩阵算法(GLCM)、高斯马尔可夫模型法(GMRF)和Gabor法分别对蔬菜的纹理进行特征提取,并通过支持向量机(SVM)分类对比.结果证明,由灰度共生矩阵对蔬菜种类识别可以得到较好的分类结果.     

基于近场声全息的故障诊断方法及系统实现

针对基于振动信号故障诊断存在的接触式测量弊端及传统声学故障诊断只反映部分声学信息问题,将近场声全息技术引入故障诊断克服该缺陷。基于LabVIEW平台开发出的非接触式机械故障诊断系统,利用近场声全息重建机械声源面附近声压场,得到可视化声源的声像图;从声像图中提取反映声场空间分布的灰度共生矩阵特征,结合支持向量机模式识别实现智能故障诊断。该系统具备智能诊断测试、声源可视化、数据分析等功能,操作方便,可用性强。通过对齿轮箱故障诊断,正确率达97.3%。与传统声学诊断方法的对比,证明该系统可靠、实用。     

TiAl/40Cr扩散焊未焊合、弱接合和微孔缺陷的智能识别

为了解决异种材料扩散焊质量超声波检测时,从回波幅度无法判断界面是否存在微小缺陷的问题,采用支持向量机技术构建了扩散焊界面缺陷识别模型.以TiAl和40Cr扩散焊接头为研究对象,采用超声波水浸聚焦法采集扩散焊界面信号,从信号中提取4个特征值,优化样本数量和核参数后,训练扩散焊界面缺陷识别模型.扩散焊试样界面信号经模型识别后,根据C扫描图像的位置重构识别图像.结果表明,该模型有效地识别出未焊合、弱接合和微孔缺陷,3种缺陷的正确识别率分别为93%、90.5%和91.5%,识别图像直观地显示了界面的缺陷.TiAl/40Cr扩散焊界面缺陷识别模型实现了扩散焊试样界面缺陷的智能识别.     

小包烟包装质量机器视觉检测关键技术研究

针对烟草企业对小包烟包装质量精密检测的需要,提出基于机器视觉的检测系列关键技术,包括了小包烟图像采集装置、基于快速Hough变换的小包边缘快速提取算法、基于灰度共生矩(GLCM)参数快速在线判别算法、基于支持向量机(SVMs)的包装缺陷识别等.该关键技术不仅适应在线快速包装质量检测,而且能准确判断缺陷类型.实验证明该关键技术具有实用可靠等优点,可应用到小包烟生产现场.     

一种铝塑泡罩药品包装缺陷检测方法

目的针对铝塑泡罩药品人工检测时存在的包装缺陷,如效率低、成本高、稳定性差等,采用机器视觉技术对铝塑泡罩药品包装进行缺陷检测。方法采用快速鲁棒特征SURF提取算法、BOW算法和单分类支持向量机组成的缺陷检测算法框架,并完成铝塑泡罩药品包装缺陷检测系统的开发。通过搭建的实验平台获取280幅铝塑泡罩药品图像,并采用文中所提方法对180幅图像实施缺陷检测。结果实验结果显示,在阈值为1900、视觉单词数量为120、惩罚因子为0.9时,文中方法的准确率为99.4%。结论文中方法提高了铝塑泡罩药品包装缺陷检测的准确率和稳定性。     

基于声场空间分布特征的齿轮箱故障诊断研究

结合对近场声全息（NAH）与空间分布特征提取的研究,提出基于声场空间分布特征的齿轮箱故障诊断方法。鉴于齿轮箱运行状态与声场分布的对应关系,利用NAH算法重建声源附近声场,由所得声像图中提取反映声场分布特性的纹理特征,建立声场分布与各运行状态间内部联系,结合支持向量机模式分类实现故障诊断,获得满意的诊断结果,并通过实验证实该方法的有效性与优越性。     

基于支持向量机的油封缺陷图像检测方法

提出一种基于支持向量机分类的油封缺陷图像检测方法,把油封外观中的有无缺陷看作两种不同的类别模式,应用支持向量机对两类不同的样本采样学习,然后进行分类判断。采集油封各部位图像并进行预处理,利用算法切割出各个检测区域图像,根据油封主要部位的各类缺陷特点,选取不同特征参数。应用径向基核函数建立支持向量机识别模型,并通过实验实现核函数参数寻优。实验结果表明,该方法具有检测成本低、可靠性高、泛化能力强、容易在线实施等特点,具有实用推广价值。     

改进立式手工粉状炸药装药的实践

粉状炸药生产工艺中的装药工序,用单机传动立式手工装药机制造φ32mm×150g和φ35mm×150g等不同规格的炸药卷,药卷密度要求0.95 g·cm-3～1.10 g·cm-3,在实际生产中,要确保每一支炸药卷的质量和密度都达到合格指标范围有一定的难度,这两项是每个工厂产品出厂前的必检项目,若不能达标,将会影响爆破效果.本文根据单机传动立式手工装药机的结构,对有关部件的技术参数进行改进,收到较好效果.     

西德粉状炸药自动装药机的引进和应用

简述了我厂引进设备——西德CARTEX-12型粉状炸药自动装药机的技术特点及其在生产应用中的实效,并结合行业技术发展浅析了推广应用的前景。     

基于机器学习的金属近表面缺陷超声检测方法

在超声脉冲回波检测技术中,由表面回波产生的"死区"会隐藏近表面缺陷的回波信号,对于近表面缺陷的实际检测造成一定的干扰.针对上述问题,提出一种将数字信号处理与支持向量机相结合的方法,通过识别缺陷一次回波和二次回波,实现对近表面缺陷位置的准确计算.实验中,通过垂直入射超声脉冲回波法采集轴承内圈的A波信号,使用支持向量机分类...     

Automatic bubble defect inspection for microwave communication substrates using multi-threshold technique based co-occurrence matrix

The microwave communication substrate is currently using manual inspection from ultrasonic image. The bubble defect ratio is an important index for evaluating the quality of the substrate. It is difficult to formalise standards for the quality inspection procedure by an operator since different numbers of bubbles may be realised. This paper proposes a novel inspection procedure for the calculation of the bubble ratio of microwave communication substrate. First, the optimal threshold is determined for binary image segmentation on the basis of a co-occurrence matrix. Further, the image of the microwave communication substrate is divided into three parts, namely, the image skeleton area, soldering area, and IC working area. The image subtraction technique is used to obtain the global and critical regions for bubbles. After data analysis, if the critical region bubble ratio is larger than 10% of the critical region, then it is judged to be a defect. When a substrate is judged to be non-defective, we should further proceed with the global area detection. If the global region bubble ratio is larger than 12.3% of the global region, then it is judged as a defect. An experiment was conducted to demonstrate the application of this technique. The results showed that the inspection accuracy reached 97.49%. The results of this study provide an effective solution for the inspection of the interface bond quality of a microwave communication substrate.     

基于系数关系共生矩阵和SVM的纹理分析

纹理是图像中非常重要的特征.提出了一种新的纹理特征提取算法,即对纹理图像进行离散小渡框架变换后,利用同一变换尺度下的小波高频系数与低频系数之间的依存关系信息,构造系数共生矩阵,在此基础上进行纹理特征提取,而不是独立地提取各子带系数特征.考虑支撑向量机(SVM)在小样本数据库和泛化能力方面的优势,在分类实验中采用支撑向量机分类器,实验结果表明,基于这种共生矩阵特征提取分类算法能得到很好的分类结果.     

基于学习矢量量化的运动目标检测算法

提出一种基于学习矢量量化的运动目标检测算法.通过训练样本,网络能自适应地确定区分运动目标和背景的阈值向量.输入向量包含图像的 YCbCr 颜色空间分量和灰度共生矩阵的方向特征.两者融合到算法中,有效抑制了背景亮度变化对运动目标检测的干扰.仿真实验结果表明,即使在背景模型亮度剧烈变化的情况下,算法也能够准确检测出运动目标.     

基于特征融合与降维的印刷套准识别方法

目的针对单一方面特征难以准确表达印刷标志套准状态的问题,研究印刷标志图像多维特征提取、融合和降维的印刷套准识别方法。方法提取印刷标志图像的灰度共生矩阵、Tamura纹理特征、灰度差分统计特征和灰度梯度共生矩阵表达其纹理,并采用主成分分析法对融合后的多维特征进行降维处理,得到主特征。将印刷标志图像的主特征数据分成训练集和测试集。支持向量机模型通过对训练集的学习确定模型参数,然后在测试集上验证模型的性能。结果文中建议方法在测试集上的识别准确率为99%,训练集对支持向量机模型的训练时间为1.9327 s,模型在测试集上的识别时间为0.0307 s,模型的总体时间(训练时间和识别时间之和)为1.9634s。结论文中建议方法优于采用单一方面特征的识别准确率;同时在不影响识别准确率的情况下,优于未PCA降维方法的模型训练时间、识别时间和总体时间。     

18F-FDG PET图像中肿瘤非均匀性评估模型

肿瘤在功能图像中表现出的非均匀特性能够一定程度上反应出其基本特性和对治疗的响应,对这一特性的数学描述和建模可为治疗和预估治疗效果提供有意义的量化参考数据.本文提出一种新的放射性同位素氟18标记的脱氧葡萄糖(18F-FDG)正电子发射断层影像(PET)中肿瘤内部非均匀性计算模型,通过图像中相邻像素的FDG标准摄取值(SUV)差异和其位置特征,可得出能描述肿瘤图像呈现的非均匀特性的参数H指数.使用矩形和高斯球模体以及3例肺癌患者数据,通过与灰度共生矩阵(GLCM)图像分析法比较研究,验证了该模型的有效性.     

基于机器视觉的二维图像质量缺陷检测研究进展

目的 机器视觉图像处理技术是近年在图像处理领域发展起来的一门新兴边缘交叉学科,二维图像的质量检测是印刷行业中必不可少的环节,分析基于机器视觉的二维图像质量缺陷检测流程,探索影响基于机器视觉的二维图像质量缺陷检测精度的相关因素,为后续研究印刷品的二维图像自动化检测和质量控制提供参考。方法 在此基础上,围绕图像预处理中的灰度转换、噪声过滤、固定阈值分割、自适应阈值分割、Otsu法及边缘检测,对图像配准中的基于灰度统计信息分布配准方法、基于特征的图像配准方法进行总结,然后归纳分析图像的缺陷提取和分类。结论 以实际例子对上述研究内容进行了提炼,通过图像预处理中的噪声过滤为后续缺陷提取提供清晰图像,减少伪影干扰;通过图像预处理中的灰度变换、阈值分割、感兴趣区域提取减少系统处理时间,为实现高效的缺陷检测奠定了坚实的基础;通过图像配准消除了机械振动引起的图像位置偏移,确保后续缺陷提取的准确性;通过图像缺陷提取和分类帮助印刷企业找出生产问题,提供有针对性的改进措施,可为生产高质量产品提供支持。