基于神经网络和不变矩的路面破损图像识别

提出了一种应用BP神经网络识别沥青路面破损图像的图像分割方法.将路面图像等分,用灰度方差值描述子块图像特征,利用BP神经网络对子块图像进行模式分类,并将图像子块模式矩阵的不变矩作为图像的整体特征,在此基础上设计了基于全局优化算法的前馈神经网络分类器,并进行了图像识别试验,对二值图像进行特征提取,提出了学习算法,以加快收敛速度,从而实现图像识别.     

基于Legendre矩和BP神经网络的纹理分割

提出一种基于Legendre矩和BP神经网络的纹理分割方法.对图像的每个像素,计算其领域内的Legendre矩,将其作为图像的纹理特征,并用于纹理分割.实验结果表明,与一些已有方法相比,这里介绍的方法更有效.     

基于BP神经网络算法及形态学处理的冰糖橙识别

冰糖橙图像识别是研究冰糖橙采摘机器人的关键技术。研究以自然光源下用数码相机拍摄的冰糖橙图像为研究对象,以图像3×3邻域的H通道分量值作为图像特征,随机选取30幅图像作为BP神经网络的训练样本,10幅图像作为测试样本。采用Photoshop软件对训练样本进行分割后的结果作为期望输出,迭代次数为150次,误差为0.001,经过训练得到了有效的权值。接着采用BP神经网络将冰糖橙果实与其背景进行分割,识别出冰糖橙果实部分。然后,对分割后的图像进行腐蚀、膨胀等形态学处理;最后,进行Hough圆变换检测,得到果实的外包络圆及圆心位置。     

基于神经网络算法的故障检测技术

针对复杂的机电产品内部构件状态检测这一工程难题,本文介绍了一种自动在线检测系统.该系统采用X射线对产品成像,运用数字图像处理技术对射线图像进行预处理,由神经网络算法进行故障诊断.故障识别模型采用了改进的BP神经网络算法,以正常装配状态时的多幅图像经预处理后作为学习样本训练BP神经网络.检测时一般只需拍摄两幅不同方位的图像,经预处理后输入神经网络与样本图像进行比较判断,即可识别出关键元器件的状态.该系统将数字射线成像技术和图像处理技术相结合,并在故障识别算法中采用了神经网络算法,提高了产品故障的检测速度和可靠性,在工业无损检测领域具有一定的实用性.     

基于BP神经网络的手写数字识别系统

针对多数机构面临的大规模报表数据录入问题,提出了一种基于BP神经网络的手写数字识别系统。对输入图像进行图像预处理、图像分割和特征提取,随后将提取的特征信息输入到已经训练好的BP神经网络进行分类识别。训练数据包含140幅大小归一的数字图片,其中100幅作为训练集,40幅作为验证集,并以10幅带有若干手写体数字的图片作为测试集进行识别分析。经Matlab仿真实验结果表明,该分类器具有较短的收敛时间和较为理想的识别精度,在实际工作中具有良好的应用价值。     

基于深度语义分割的多源遥感图像海面溢油监测

针对遥感图像海面溢油区域通常受到斑噪声以及强度不均等因素的影响,从而导致溢油区域监测效果较差的问题,本文引入了深度语义分割的方法,将深度卷积神经网络与全连接条件随机场相结合,形成端对端连接。以Resnet结构为基础,首先通过深度卷积神经网络对多源遥感图像粗分割并作为输入,然后经过改进的全连接条件随机场,利用高斯成对势和平均场近似定理,建立条件随机场形成递归神经网络作为输出。通过多源遥感图像对海面溢油区域进行监测,并利用可见光图像估计溢油区域面积。实验在所建立的多源遥感图像数据集上与其它先进模型进行对比,结果表明本文方法提高了溢油区域的分割精度以及精细细节程度,平均交并比为82.1%,监测效果具有明显地改善。     

基于L-M算法优化BP神经网络的储粮害虫分类识别研究

以储粮害虫为对象,研究了利用数字图像处理技术与BP神经网络技术实现离线检测与分类识别。首先对4类常见储粮害虫进行图像采集、预处理以及9个常用形态学特征的提取,再通过特征分析把有效特征压缩至6维,将其作为BP神经网络的输入参数,对应的储粮害虫的类别代号作为输出参数,构造BP神经网络,并在网络训练过程中利用L-M算法进行优化。最后通过实验证明该方法在害虫识别算法中稳定性好,收敛速度快,预测精度高。     

基于PSO改进BP神经网络算法的金属表面缺陷分类

为了实现金属工件表面缺陷在线检测,利用CCD传感器和图像处理技术,对金属工件表面孔洞、划伤和壳状凸起等缺陷进行特征提取与分类。采用自适应阈值分割法对预处理图像进行缺陷特征分割,运用BP神经网络建立对样本的缺陷特征向量和缺陷分类结果的网络预测模型,为了提高网络模型的精确度,采用PSO算法改进BP神经网络的权值和阈值,通过实验样本验证和对比BP和PSO-BP模型的准确率和平均误差,试验结果表明基于PSO-BP算法的金属表面缺陷分类准确率达到85%以上,获得了更优的分类效果。     

基于L-M算法优化BP神经网络的储粮害虫分类识别研究

以储粮害虫为对象,研究了利用数字图像处理技术与BP神经网络技术实现离线检测与分类识别。首先对4类常见储粮害虫进行图像采集、预处理以及9个常用形态学特征的提取,再通过特征分析把有效特征压缩至6维,将其作为BP神经网络的输入参数,对应的储粮害虫的类别代号作为输出参数,构造BP神经网络,并在网络训练过程中利用L-M算法进行优化。最后通过实验证明该方法在害虫识别算法中稳定性好,收敛速度快,预测精度高。     

改进的BP神经网络在数字图像识别中的应用

以改进的BP神经网络为基础设计数字图像识别系统.先将训练样本图像二值化处理后提取特征向量,并将其输入神经网络进行训练;然后将测试样本的特征向量输入经过训练的神经网络,测试神经网络的识别率.测试结果表明,改进的BP神经网络在训练的收敛速度上明显优于原始的BP神经网络,且有很高的识别率.     

遗传神经网络在工时定额计算中的应用

工时定额数据量大、影响因素多,使用常规拟合方法计算工时定额比较困难。为提高工时定额计算的正确性,采用人工神经网络技术,在MATLAB中建立了工时定额计算神经网络模型。针对BP神经网络存在易陷入局部最小值、收敛速度慢等不足,引入标准遗传算法来优化神经网络的权值和阈值。实验结果表明,基于实数编码的遗传算法优化速度快,优化后的神经网络迅速收敛,神经网络模型的测试误差低于5％。遗传神经网络可以克服单独使用神经网络时存在的缺点,训练好的模型在工时定额计算时正确性较高,有较好的实用价值。     

基于双DSP在交流位置伺服系统的小波神经网络控制

采用双DSP设计完成了交流位置伺服系统的神经网络实时控制系统,其中一片DSP作为系统的小波神经网络控制器（NNC）,另一片DSP作为系统的BP神经网络在线辨识器（NNI）。由NNI对被控对象进行在线辨识的基础上,通过对NNC的权系进行实时调整,使系统具有自适应性。通过对交流位置伺服系统的控制实验,验证了本系统的实用性。     

RoboCup小型足球机器人测速系统研究

为了实现对RoboCup小型足球机器人的实时测速,设计了一种采用光电编码器和现场可编程门阵列(FPGA)实现的测速系统.采用FPGA作为控制芯片,以可编程单芯片系统(SOPC)的设计方法进行设计,嵌入NIOS Ⅱ处理器,利用FPGA的硬件可编程的特点设计各个功能模块,并且采用了M法进行测速,精度高、实时性好.系统实现了...     

基于BP神经网络的机器人运动学逆解新算法

介绍了BP神经网络原理及算法并利用改进的BP神经网络算法对UY自由度机器人运动学反解问题进行了探讨。通过BP网络建立运动学模型,选择贝叶斯算法,采用Matlab神经网络工具箱进行编程,同时按照一定的范围要求提供样本,在试验及数值模型提供的样本数据范围内,得出模型测试精度都能满足工程要求。文章还进行了BP网络训练,并用训练好的网络来求解运动学逆问题,取得了较好的效果,为机器人运动学逆问题算法提供了新的思路,对机器人动力学问题、轨迹规划、运动控制也有一定的启发作用。     

基于HHT与GA-BP网络的离心通风机故障诊断

结合HHT同GA-BP神经网络的优点,提出了将二者结合用于风机故障诊断的新方法,并且应用最新提出的方法改进HHT(希尔伯特-黄变换),使其应用更为有效。利用HHT构造出代表振动信号特征的"能-频分布";根据GA-BP网络模型能够逼近任意非线性函数和具有高效寻找全局最优的特点作为特征分类器,进行故障诊断。风机故障诊断结果表明,该方法是可行有效的。     

基于SVM和BP神经网络的轴系故障诊断

阐述SVM（support vector machine）和BP（back propagation）两种神经网络的基本原理和算法,将其应用于柴油机轴系的故障诊断与识别,建立轴系故障的SVM故障诊断模型,并与BP神经网络进行对比分析研究。结果表明,SVM和BP神经网络都具有精度较高的故障识别能力,但SVM整体性能优于BP神经网络,具有较快的训练速度和较强的非线性映射能力,非常适用于轴系的状态监测和故障诊断。     

双足机器人CPG控制研究

根据动物运动机制,提出了基于中枢模式发生器（central pattern generator,CPG）的双足机器人运动控制方法;采用Kimura神经元振荡器模型设计了双足机器人的CPG控制网络架构,分别用于控制双足机器人的髋关节、膝关节和踝关节。通过Matlab仿真和实体实验,验证了所设计的机器人CPG网络架构及双足机器人CPG控制方法的可行性和有效性。     

基于遗传神经网络的电动汽车锂电池SOC预测

针对传统方法在电动汽车锂电池荷电状态（State of Charge,SOC）预测中的局限和不足,提出了一种基于遗传神经网络的电池SOC预测算法.该算法的整体方案首先给出了车载锂电池状态监测系统的软硬件实现,在该系统上以不同的放电倍率对磷酸铁锂电池进行了放电实验,获取了其放电过程中电压、电流和SOC的样本数据,然后利用遗传算法全局寻优能力对神经网络中的连接权值和阈值进行了优化,用实验所得的样本数据训练BP神经网络,根据训练好的神经网络对锂电池SOC进行了预测并将其与真实SOC进行对比,以验证算法的可行性.研究结果表明,该方案可通过电压、电流的实时测量值获知锂电池的剩余电量,具有收敛速度快、预测误差小、适应范围广的特点,有效解决了电动汽车锂电池的SOC预测问题.     

基于PCNN和粒子群算法的图像自动分割方法研究

脉冲耦合神经网络PCNN(Pulse Coupled Neural Network)在图像处理中得到了广泛的应用,但是其多个参数的设置给实际应用造成了很大的困难.尤其是在图像分割中,不同类型的图像要求不同的分割参数,不同的参数对图像分割结果影响很大.而粒子群算法(PSO)具有对参数自动寻优的优势,因此,本文提出了一种基...     

基于量子微粒群的BPNN在转炉炼钢静态模型中的应用

针对转炉炼钢静态模型终点命中率较低的问题,首先分析了影响转炉炼钢终点命中率的各种因素,确定了BP神经网络(BPNN)的拓扑结构,并依此建立了转炉炼钢静态模型.然后把量子微粒群算法(QPSO)应用于BP网络的学习中,并比较了QPSO、基本微粒群优化算法(PSO)、梯度下降法的学习性能.最后,基于某炼钢厂的历史数据进行了仿...