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.     

粉状炸药塑膜自动装药机的研制

新研制的装药机以塑膜作为包装材料，通过采用组合螺旋灌装、塑膜连续成型、常温胶带黏合、打卡封口等核心技术及配套机构实现了粉状炸药的塑膜自动包装。包装后的产品具有一定的防水及抗水性能，提高了粉状炸药产品的适用性。此外，装药机的设计采用多单元模块式组合结构，各单元产能叠加后可满足任何生产线能力需求，设备操作通过可编程控制器（PLC）、触摸屏及执行机构等系统控制，装药机各注药头既可独立运行，也可整机联动联控。单台设备配备1名操作员即可。     

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。     

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.     

Remote Sensing Image Classification Algorithm Based on Texture Feature and Extreme Learning Machine

With the development of satellite technology, the satellite imagery of the earth’s surface and the whole surface makes it possible to survey surface resources and master the dynamic changes of the earth with high efficiency and low consumption. As an important tool for satellite remote sensing image processing, remote sensing image classification has become a hot topic. According to the natural texture characteristics of remote sensing images, this paper combines different texture features with the Extreme Learning Machine, and proposes a new remote sensing image classification algorithm. The experimental tests are carried out through the standard test dataset SAT-4 and SAT-6. Our results show that the proposed method is a simpler and more efficient remote sensing image classification algorithm. It also achieves 99.434% recognition accuracy on SAT-4, which is 1.5% higher than the 97.95% accuracy achieved by DeepSat. At the same time, the recognition accuracy of SAT-6 reaches 99.5728%, which is 5.6% higher than DeepSat’s 93.9%.     

基于机器视觉的工业炸药包装缺陷在线检测系统

针对炸药药卷包装缺陷,开发了药卷包装缺陷在线视觉检测系统。对系统结构、视觉成像系统进行了描述,并详细介绍了检测方法。采用该方法对获取的药卷图像预处理,并计算药卷轮廓特征,将得到的药卷特征参数与预先建立的药卷标准模板进行对比。试验和应用表明,该方法对3类常见包装缺陷检测准确率不低于96%,所开发的系统可以快速、准确地检测药卷缺陷,能满足实际炸药包装生产过程在线检测的需要。     

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...     

Binary Image Steganalysis Based on Distortion Level Co-Occurrence Matrix

In recent years, binary image steganography has developed so rapidly that the research of binary image steganalysis becomes more important for information security. In most state-of-the-art binary image steganographic schemes, they always find out the flippable pixels to minimize the embedding distortions. For this reason, the stego images generated by the previous schemes maintain visual quality and it is hard for steganalyzer to capture the embedding trace in spacial domain. However, the distortion maps can be calculated for cover and stego images and the difference between them is significant. In this paper, a novel binary image steganalytic scheme is proposed, which is based on distortion level co-occurrence matrix. The proposed scheme first generates the corresponding distortion maps for cover and stego images. Then the co-occurrence matrix is constructed on the distortion level maps to represent the features of cover and stego images. Finally, support vector machine, based on the gaussian kernel, is used to classify the features. Compared with the prior steganalytic methods, experimental results demonstrate that the proposed scheme can effectively detect stego images.     

支持向量机法预测单质炸药爆速的研究

为了更好地预估新型含能材料的爆轰参数,应用支持向量机方法建立了单质炸药爆速的预测模型。利用炸药分子的相对分子质量(M)、装药密度(ρ)、氧平衡和碳、氢、氧、氮的质量分数(wC、wH、wO、wN)7种参数作为输入,构建了预测模型。模型预测结果表明,爆速预测值与实验值有较好的一致性,最大相对误差为4.79%,最小相对误差为0.04%,模型的预测精度较好,具有一定的外推性。该方法也可为炸药其他爆轰参数的预测提供指导,具有一定的实用价值。     

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.     

爆炸物的探测技术综述

介绍了目前已经应用的和在研的各类爆炸物探测方法,并指出了每种方法的优缺点。其中,重点介绍了X射线成像技术及中子探测技术。目前,许多新的检测技术仍处在不成熟的阶段,漏报率与误报率始终存在,并且对于核检测技术而言,高灵敏度对应的高能量源与相应的屏蔽措施造成的设备体积过大是一对需要解决的矛盾。     

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.