基于多尺度图像增强结合卷积神经网络的纸病识别分类

针对造纸工业中传统纸病识别分类依赖于特征描述子和分类器的选择问题,提出一种多尺度图像增强结合卷积神经网络的纸病识别分类方法。该方法利用多尺度形态学梯度增强纸病图像的边缘轮廓信息,突出缺陷梯度特征,然后利用卷积神经网络(CNN)学习纸病图像的特征并分类识别,从而实现纸病的准确识别分类。实验结果表明,该方法对纸病识别分类的结果明显优于HOG+SVM、LBP+SVM以及传统CNN方法,在Caltech101、KTH-TIPS以及本课题的数据集上的分类正确识别率分别达到98.44%、99.23%和99.64%。与现有纸病识别分类方法相比,本课题方法不需针对各种纸病进行缺陷特征提取和特征描述,能快速实现纸病的准确识别分类。     

基于改进YOLOv5的纸病检测方法

针对传统纸病检测算法中纸病特征提取困难、实时性差的问题,提出一种改进YOLOv5的纸病检测方法。该方法首先在批量归一化模块的首尾部分添加居中和缩放校准,形成更稳定的纸病有效特征分布;其次在骨干网络中添加坐标注意力机制,增强骨干网络的纸病特征提取能力;最后选用 CIoU_loss作为边界框回归的损失函数,实现高精度的定位。实验结果表明,改进后的算法平均精度达99.02%,实时检测速度达41.58 帧/s,相较于现有的基于CNN纸病分类算法,检测精度与检测速度都有较大的提升,且改进后的算法对光源的依赖程度更低,能对各类纸病实现精准辨识。     

基于粒子群优化算法与形态学的纸病图像检测方法

针对传统边缘检测算子对纸病图像检测的不足,提出了一种基于粒子群优化算法和数学形态学的边缘检测方法。首先通过粒子群优化算法得到图像最优分割阈值,将图像二值化,然后利用数学形态学中的腐蚀运算对纸病图像进行边缘检测。仿真结果表明,相比传统算法,该方法的检测结果更真实地反映了纸病图像的形态特征,且边缘定位准确,取得了较为理想的检测效果。     

基于CNN的深层次特征提取纸病辨识方法研究

针对当前纸病检测方法中纸病特征量难分离以及难点纸病特征量难构建的瓶颈问题,提出基于卷积神经网络（CNN）的纸病辨识方法。该方法根据纸病图像的特点设计了纸病检测的CNN结构,在此基础上利用CNN自动提取纸病图像的深层次特征,结合Softmax实现对纸病的辨识。实验结果表明,基于CNN的深层次特征提取纸病辨识方法优于现有的纸病检测方法,能够对包括难点纸病在内的各种纸病进行精确辨识。     

马尔可夫随机场在纸病检测中的应用研究

纸病检测是造纸生产过程中重要的环节,现有的纸病检测系统一般采用阈值算法或边缘检测算法对图像进行分割。为解决阈值分割和边缘检测分割方式中存在的误分以及过度分割问题,本研究提出了基于马尔可夫（MarKov）随机场的纸病图像分割方法。通过MarKov随机场理论对纸病图像纹理进行分析得到纹理特征参数,利用纹理特征参数以及最大差值对正常背景和纸病区域进行分割。结果表明,相比于其他分割算法,基于MarKov随机场的纸病图像分割方法可有效提取出纸病图像的纹理细节和轮廓特征,提高分割的准确度。     

基于FPGA的纸病预处理系统

针对当前计算机串行数据处理方式难以适应在线纸病检测系统数据实时处理量大的瓶颈问题,采用“FPGA+计算机”的纸病检测硬件结构,利用FPGA(现场可编程门阵列)的并行特性实现图像处理算法的硬件加速,对CCD高速摄像机拍摄的纸病图像进行预处理,初步确定可能出现纸病区域的位置和大小,并将这些区域的图像信息通过以太网发送到计算机做纸病的进一步辨识和分类.试验结果表明,这种结构可以极大地减轻计算机的运算量,提高纸病检测系统的精确度和效率.     

基于机器视觉的低对比度纸病识别算法研究

利用机器视觉识别纸病时,若背景与目标纸病的对比度低,且采用单一的边缘检测算法,将会出现对目标纸病边缘定位不准确、抗噪性能不好等问题。对此,提出了一种解决方法,即首先分别用LOG算子和基于数学形态学的边缘检测方法对低对比度纸病图像进行边缘检测,然后对这两种边缘检测算法得到的图像进行小波融合,融合得到的图像中纸病边缘定位准确且具有一定的抗噪性,最后,对此进行了实验验证。研究结果表明,文中提出的解决方法可行,即可将该方法用于基于机器视觉的低对比度纸病识别。     

基于FPGA的纸病检测预处理算法的实现

利用DSP Builder工具在MTALAB/Simulink中设计纸病图像预处理算法,然后将算法的Simulink模型转换为FPGA的硬件代码。硬件在环测试验证了算法可以对纸病图像进行滤波、检测边缘和定位处理。利用FPGA对纸病图像进行预处理,可以满足纸病检测系统需实时处理大量数据的要求。     

融合高光谱和图像深度特征的腊肉分类与检索算法研究

本文以腊肉为实验对象,建立一种融合光谱曲线特征和图像特征的肉类食品分类与检索方法,利用10个3×3的卷积层、3个5×5的卷积层、5个5×5的池化层和2个全连层的CNN模型对高光谱图像进行特征提取,并以交叉熵作为优化目标,同时利用多元散射校正和主成分分析方法(Principal Component Analysis,PCA)对光谱特征进行预处理和特征提取,然后将两种特征进行融合,并将融合特征利用支持向量机(Support Vector Machine,SVM)进行分类。结果表明,直接使用CNN训练好的模型对高光谱图像进行特征提取,利用SVM作为分类器,分类的准确率只有75.6%,融合光谱曲线特征后用SVM进行分类,准确率可达99.2%。此外,本文还计算了被检索样本和标准等级样本特征向量的欧氏距离,完成了腊肉新鲜度等级的检索任务,显示了该方法的可行性和有效性。     

基于SVD和SVM的复杂背景噪声图像的纸病辨识

针对纸病图像的复杂背景噪声造成的纸病辨识结果不理想的问题,提出一种基于奇异值分解(SVD)和支持向量机(SVM)的纸病辨识方法：首先利用多层二维小波对纸病图像背景噪声去噪,然后用SVD对纸病进行特征提取,最后采用SVM对纸病进行辨识。实验结果表明,该方法可以有效辨识纸病,且不受实际生产过程中图像复杂背景噪声的影响。     

基于IPsec的虚拟专用网的研究

针对数据通讯传输中的安全及加密问题,分析了IP协议的安全体系结构和虚拟专用网的原理,论述了基于IPsec的虚拟专用网实现原理及相关技术,认为IPsec是目前唯一一种能为任何形式的Internet通信提供安全保护的协议,具有良好的发展前景。     

图博会上的按需印刷——按需出版及印刷精品专区侧记

2009年9月3日．第十六届北京国际图书博览会在北京国际展览中心盛大开幕。这可谓是图书出版界的一大盛事,展商众多．形式多样．亮点频频。其中由中国图书进出口（集团）总公司和中国印刷科学技术研究所共同承办的“按需出版及印刷精品专区“是首次亮相图博会．同样也是本届图博会最大看点之一。图博会上首设的“按需出版及印刷精品展区”进一步向世人展示了印刷的魅力与对出版业发展的推动力,赢得了满堂喝彩!     

基于TAG的服装品牌在线分类查询系统研究

服装品牌资讯是设计师获取服装流行趋势的重要渠道.服装种类和艺术风格的多样化为服装品牌的分类整理提供了多种思路.在建立服装品牌数据库的过程中,针对现有服装品牌在线分类查询系统的单一性缺点,总结出了一套用于描述服装品牌的关键性词组,并借用TAG这一关键性技术,将其应用到服装品牌在线查询系统中.     

智能手机数字图片比色分析法概述

为保护环境与食品安全, 有毒有害物质的现场快速检测以及分析数据即时反馈显得越发重要。随着智能手机的广泛普及与其应用程序的不断完善, 智能手机数字图片比色分析法得到了快速发展。本文简述了智能手机数字图片比色法的基本原理、图片采集设备及其传感器类型、图片颜色模型、图片数字化软件、分析数据处理与网络共享, 以及该方法在食品安全、医疗诊断、生物检测等领域的研究与应用, 对数字图片比色分析法未来的发展也做出了展望。得益于智能手机软硬件的不断完善, 数字图片比色分析法将得到广泛应用。     

酱油对酪氨酸酶抑制作用的研究

酪氨酸酶是合成黑色素过程的关键酶,通过测定酱油对酪氨酸酶活性的影响来确定其对酪氨酸酶的抑制作用及抑制机理。结果表明:酱油对酪氨酸酶具有较强的抑制作用,酶抑制率达到50%时(IC50)酱油固形物含量浓度为19.8g/L。酱油对酪氨酸酶的抑制作用动力学行为表现为可逆混合性抑制类型。     

HACCP实施中易忽视问题的探讨

HACCP是国内逐步推广实施的一个食品安全质量保证体系，是当今食品卫生监管部门所关注的热点。针对在日常监督管理工作中HACCP建立实施出现的一些问题，从创建HACCP的前期工作、HACCP的建立、HACCP的运转等3方面着眼，重点阐述了HACCP操作过程中容易忽视的概念、原则和方法，并提出了相应的观点。     

基于漆酶的时间-温度指示剂研究

目的研制基于漆酶的时间-温度指示剂(time-temperatureintegrators,TTI),指示并预测相应食品的货架期。方法利用漆酶对愈创木氧化分解反应的催化作用,通过调节加酶量,使愈创木酚的氧化反应产生随时间和温度累积的颜色变化效应,从而获得4种不同效果的TTI。在4、10、25、35℃恒温条件下对4种不同TTI动力学参数进行了研究,计算其反应活化能值。结果 4种TTI的活化能指示范围分别为0～50、17～67、15～65、11～61kJ/mol。结论该方法操作简单,颜色变化所产生的指示效果明显。根据TTI反应的终点与食品货架寿命的终点相吻合的原则, 4种TTI可分别用于牛奶、肉类新鲜度的指示。     

生物可降解木质天然纤维复合材料研究进展

概述了生物可降解复合材料的加工方法、基质—增塑剂系统、形态结构、性能、产品开发及市场应用等方面研究进展,同时对一些关键性的问题和今后工作的建议进行了讨论。     

基于电子鼻和乙醇传感器判别草莓新鲜度的研究

以红颜草莓果实为试材,在4℃(低温组),相对湿度85%~95%条件下贮藏,研究基于气味判别草莓新鲜度的方法。分别运用电子鼻和单一乙醇传感器采集草莓贮藏期间的气味。主成分分析结合感官评定将草莓的新鲜度划分为4个阶段,分别为4℃贮藏0~3,6,9~12,15d。采用偏最小二乘判别分析(PLS-DA)和分类型支持向量机(SVM-C)构建了基于气味判别草莓新鲜度的模型;应用电子鼻和PLS-DA法构建模型,建模组和验证组总体准确率分别为84.2%,88.3%;而基于SVM-C法构建模型,建模组和验证组总体准确率分别为99.2%,96.7%。应用乙醇传感器技术和PLSDA法、SVM-C法构建模型,准确率分别为83.3%(PLS-DA法建模组),86.7%(PLS-DA法验证组),90.8%(SVM-C建模组),90.0%(SVM-C验证组)。该研究可为建立草莓采后贮藏和流通过程中新鲜度实时监测的方法提供技术参考。