基于模板卷积匹配的电气指针式仪表快速检测方法

在电力系统智能运维中,特别是在基于数字孪生的变电站智能机器人巡检中,由于受周围复杂环境以及网络信号屏蔽的影响,机器人存在检测精度不高和实时性差等问题,导致不能准确检测出设备目标。利用变电站有关先验信息,如仪器仪表已知位置信息,在机器人巡检过程中,通过对已知目标的图像特征分析,利用图像几何特征信息的约束,完成智能巡检机器人在巡检过程中实现设备的准确检测。利用变电站中电气设备柜上的仪表进行识别和检测,是完成智能巡检机器人实现目标快速检测的一个关键环节。提出一种基于模板卷积匹配的电气指针仪表检测方法,通过对仪表盘进行卷积模板匹配,实现电气柜上仪表盘的精确检测,为下一步智能巡检器人的位置自校准提供必要的先验信息。实验结果表明,提出的算法具有较高的目标识别和检测精度,由于不涉及复杂的图像抽象特征计算,具有较高的计算效率。     

基于YOLOv3算法的机械零件智能识别方法

为提高零件识别准确率,缩短识别耗时,提出一种基于YOLOv3算法的机械零件智能识别方法。该方法先对采集图像进行预处理,然后通过增强固定特征、提取图像缺陷特征点等方式识别机械零件特征,然后基于YOLOv3算法建立智能识别模型,实现机械零件智能识别功能。实验结果表明,该方法的检测准确率高于94.3%,检测耗时不超过2.1 ms,优于对比方法,应用效果较好。     

基于大数据技术的变电站损耗分析研究

为了实现对变电站损耗中可降低比例的识别,本文提出了一种基于数据挖掘和半监督学习的变电站能效模型,并使用该模型对使用电能力采集系统所收集的海量变电站电力数据进行聚类处理和机器学习实现对变电站可降低损耗比例的识别.该模型首先使用K均值聚类算法对变电站的电能供需特征进行建模,随后基于一种半监督的机器学习以优化变电站损耗模型,...     

基于深度学习卷积神经网络的民航旅客人脸智能识别方法

在民航旅客人脸识别中,由于人脸特征提取差,导致识别准确率低,因此提出基于深度学习卷积神经网络的民航旅客人脸智能识别方法。首先,利用深度学习卷积神经网络检测人脸,获取人脸位置并标记关键特征点;其次,基于人脸姿态校正提取关键特征,利用三角对线理论融合人脸特征;最后,通过计算待检测图像与数据集中图像的余弦相似度,实现人脸智能识别。实验结果表明,该方法的识别准确率在92%以上,证明其具备可行性。     

基于圆角特征简化的工序三维几何建模方法

三维实体模型是CAX集成研究中的基础,圆角特征广泛存在于零件设计模型中,为提高此类零件工序三维几何建模的准确性,提出一种基于圆角特征简化的工序几何建模方法.通过分析工序三维几何建模过程中对圆角特征几何元素的提取过程,提出构建圆角特征线段,以便准确获取三维模型上的加工特征边界;利用加工特征边界和拉伸、旋转和扫掠3种常用的几何造型方式,建立加工体积特征;通过上一道工序的三维模型与加工体积特征作布尔差运算,得到本工序的三维几何模型.最后以某零件的工序三维几何建模过程为例,采用3种方法进行工序几何建模,通过对结果的分析对比,验证了文中方法的优越性.     

基于图像配准的零件轮廓修正方法

针对智能机床视觉系统提取待加工零件边缘轮廓时易受到背景干扰,导致其提取出的零件轮廓中包含异常区域的问题,提出一种基于图像配准的高精度零件轮廓修正方法。首先,从零件工程图与真实图像当中提取出零件模板特征点集与待匹配特征点集;其次,对仿射变换模型中的参数进行分解分析,并利用两图特征点集中的面积特征与边缘结构特征构建准则函数;然后,使用改进的遗传算法搜索两图像全局最高相似度所对应的仿射变换参数,在图像配准之后,再通过计算最优迁移后的模板轮廓点集与待匹配轮廓点集的分段Hausdorff距离来检测并替换待匹配轮廓中的异常轮廓段。实验结果表明,该方法能精确、稳定地检测出待匹配轮廓点集中的异常轮廓段,配准精度比联合特征均方和（SSJF）方法高出50%,修正后轮廓交接点处的距离不超过3像素值。     

一种基于智能机器视觉识别的工业探伤技术

磁粉探伤广泛应用于铁磁性工件表面和近表面缺陷检测,但目前的缺陷识别仍依赖于人工判断。为实现检测自动化,将机器视觉技术应用于缺陷识别,提出一种智能的螺栓缺陷在线检测系统,针对螺栓在生产过程中产生的纵向、横向裂纹,使用基于统计的磁痕裂纹识别方法和基于改进LBP特征和SVM分类器识别方法进行级联完成螺栓零件表面裂纹的自动识别。实验结果表明,该方法与传统的识别方法对比具有很好的分类识别效果,漏检率减少5%,同时能够满足实时性的需求。     

基于图像处理与卷积神经网络的零件识别

为了提高零件识别的正确率和效率,提出了一种基于图像处理与机器学习的零件识别算法。首先对图像进行基于饱和度的灰度化;接着通过显著性增强、最大类间方差法(OTSU)的二值化和形态学闭运算求得二值图像;再以改进的种子填充法提取零件区域;最后通过图像关键点的尺度不变特征转换(SIFT)特征与卷积神经网络(CNN)模型相结合的方...     

安卓恶意软件的静态检测方法

近几年,Android平台的恶意软件数量几乎以几何式的速度增长,故提出一种恶意软件检测方法是必要的.本文利用现如今疯涨的Android恶意样本量和机器学习算法建立分类预测模型实现对恶意软件的静态检测.首先,通过反编译APK文件获取AndroidManifest.xml文件中权限特征,baksmali工具反编译class.dex成smali文件得到危险API特征.然后运用机器学习中多种分类和预处理算法比较每一特征和联合特征检测的准确率.实验结果表明,联合特征检测准确率高于单独特征,准确率达到97.5%.     

基于局部特征点方法的动作识别研究

利用局部特征点方法进行视频中的动作识别研究,通过对尺度空间理论以及多种经典的局部特征点检测方法的深入分析,将SIFT算法引入到视频研究领域,提出了一种全新而高效的视频特征点检测算法。在此基础上,设计了合理的机器学习方法对局部特征点进行训练,利用训练出的通用动作模式在视频中进行动作识别。     

基于特征组合的Powershell恶意代码检测方法

近年来,Powershell由于其易用性强、隐蔽性高的特点被广泛应用于APT攻击中,传统的基于人工特征提取和机器学习方法的恶意代码检测技术在Powershell恶意代码检测中越来越难以有效.本文提出了一种基于随机森林特征组合和深度学习的Powershell恶意代码检测方法.该方法使用随机森林生成更好表征原始数据的新特征...     

基于最大熵原理的汉语词义消歧

词义消歧是自然语言处理中亟待解决的一个关键问题,本文提出一种基于最大熵模型的有监督的机器学习方法,用于汉语词义消歧。该方法综合了词标记、词性、主题等上下文特征,并用一种统一的表示方法规范化特征形式,解决了多种不同特征之间的融合和特征的知识表示。实验对20个汉语高频多义词进行了测试,平均正确率为87％,验证了该方法的有效性。     

面向机器学习的流式文档逻辑结构标注方法研究

针对采用机器学习方法识别流式文档结构时语料库稀少、语料标注复杂的问题,该文在研究文档的逻辑结构和编辑语义特征的基础上,确立流式文档逻辑结构标注体系,并提出一种三段式的半自动文档逻辑结构标注方法: 第一阶段通过机助人工实现文档元数据的分离式标注,第二阶段自动重建逻辑结构,第三阶段自动填充特征向量。实验结果表明,该文提出的文档逻辑结构标注方法能够节省人工成本、提高机器学习算法对文档结构识别的准确率与召回率,F值达到97.5%。     

基于深度学习与特征融合的恶意网页识别方法研究

互联网环境的高度开放性和无序性导致了网络安全问题的普遍性和不可预知性, 网络安全问题已成为当前国际社会关注的热点问题。基于机器学习的恶意网页识别方法虽然卓有成就, 但随着对恶意网页识别需求的不断提高, 在识别效率上仍然表现出较大的局限性。本文提出一种基于深度学习与特征融合的识别方法, 将图卷积神经网络(Generalized connection network,GCN)与一维卷积神经网络(Convolution neural network, CNN)、支持向量机(Support vector machine, SVM)相结合。首先, 考虑到传统神经网络只适用于处理结构化数据以及无法很好的捕获单词间非连续和长距离依赖关系, 从而影响网页识别准确率的缺点,通过 GCN 丰富的关系结构有效捕获并保持网页文本的全局信息; 其次, CNN 可以弥补 GCN 在局部特征信息提取方面的不足,通过一维 CNN 对网页 URL(Uniform resource locator, URL)进行局部信息提取, 并进一步将捕获到的 URL 局部特征与网页文本全局特征进行融合, 从而选择出兼顾 CNN 模型和 GCN 模型特点的更具代表性的网页特征; 最终, 将融合后的特征输入到 SVM分类器中进行网页判别。本文首次将 GCN 应用于恶意网页识别领域, 通过组合模型有效兼顾了深度学习与机器学习的优点, 将深度学习网络模型作为特征提取器, 而将机器学习分类算法作为分类器, 通过实验证明, 测试准确率达到 92.5%, 高于已有的浅层的机器学习检测方法以及单一的神经网络模型。本文提出的方法具有更高的稳定性, 以及在精确率、召回率、 F1 值等多项检测指标上展现出更加优越的性能。     

Windows平台恶意软件智能检测综述

近年来,恶意软件给信息技术的发展带来了很多负面的影响.为了解决这一问题,如何有效检测恶意软件则一直备受关注.随着人工智能的迅速发展,机器学习与深度学习技术逐渐被引入到恶意软件的检测中,这类技术称之为恶意软件智能检测技术.相比于传统的检测方法,由于人工智能技术的应用,智能检测技术不需要人工制定检测规则.此外,具有更强的泛化能力,能够更好地检测先前未见过的恶意软件.恶意软件智能检测已经成为当前检测领域的研究热点.主要介绍了当前的恶意软件智能检测相关工作,包含了智能检测所需的主要环节.从智能检测中常用的特征、如何进行特征处理、智能检测中常用的分类器、当前恶意软件智能检测所面临的主要问题4个方面对智能检测相关工作进行了系统地阐述与分类.最后,总结了先前智能检测相关工作,阐明了未来潜在的研究方向,旨在能够助力恶意软件智能检测的发展.     

基于图像的社会关系识别研究综述

社会关系是人们在共同的物质和精神活动过程中所结成的相互关系的总称。目前已有相关的工作对其进行了研究，其中涉及到关系社会学、人脸识别、表情识别、动作识别、场景识别和物体检测等相关领域。从不同划分方法下的社会关系出发，通过总结相关研究将社会关系从简单到复杂，将其划分成4类：kinship、groups、activities & interactions和detailed relationship。阐述了对于几种不同关系划分在识别时所用到的特征提取及其分类方法，主要分为传统机器学习和深度学习两个模块。然后对不同的模型所使用到的相关数据集和机制进行了介绍，并对各个模型的结果、优缺点和适用范围进行了分析，最后对社会关系识别未来的研究方向及应用前景进行了探讨。     

基于实值Gabor变换的掌纹识别

掌纹识别作为一种重要的生物特征识别方法,其中的一个重要环节就是掌纹特征的提取,本文提出了一种基于实数形式离散Gabor变换的掌纹特征提取方法,将空域的掌纹图像变换到联合（时间）空间频率域并将其联合（时间）空间频率域的能量分布作为掌纹的特征,以此为基础分别使用欧式距离和支持向量机进行了不同掌纹的匹配识别。实验结果表明,该算法对掌纹图像小的平移、小角度的旋转和小的手掌伸缩具有鲁棒性,并且获得了较高的识别率。     

指针式仪表读数的机器视觉智能识别方法

为快速准确地自动识别指针式仪表读数,采用机器视觉技术,结合减影法和Hough变换法对仪表读数进行智能识别.对指针式仪表图像进行图像二值化、形态学处理和边缘检测预处理;利用Hough变换检测仪表中的指针,计算得到指针方向和定位圆形,实现指针式仪表的智能识别.实验结果表明:读数识别的平均相对误差为0.91%,精度较高,能较好地识别指针式仪表读数.     

机器视觉表面缺陷检测综述

目的 工业产品的表面缺陷对产品的美观度、舒适度和使用性能等带来不良影响,所以生产企业对产品的表面缺陷进行检测以便及时发现并加以控制。机器视觉的检测方法可以很大程度上克服人工检测方法的抽检率低、准确性不高、实时性差、效率低、劳动强度大等弊端,在现代工业中得到越来越广泛的研究和应用。方法 以机器视觉表面缺陷检测为研究对象,在广泛调研相关文献和发展成果的基础上,对基于机器视觉在表面缺陷检测领域的应用进行了综述。分析了典型机器视觉表面缺陷检测系统的工作原理和基本结构,阐述了表面缺陷视觉检测的研究现状、现有视觉软件和硬件平台,综述了机器视觉检测所涉及到的图像预处理算法、图像分割算法、图像特征提取及其选择算法、图像识别等相关理论和算法研究,并对每种主要方法的基本思想、特点和存在的局限性进行了总结,对未来可能的发展方向进行展望。结果 机器视觉表面缺陷检测系统中,图像处理和分析算法是重要内容,算法各有优缺点和其适应范围。如何提高算法的准确性、实时性和鲁棒性,一直是研究者们努力的方向。结论 机器视觉是对人类视觉的模拟,机器视觉表面检测涉及众多学科和理论,如何使检测进一步向自动化和智能化方向发展,还需要更深入的研究。     

局部几何与全局结构联合感知的三维形状分类方法

针对复杂结构的三维形状分析与识别问题,提出了新颖的图卷积分类方法,建立了局部几何与全局结构联合图卷积学习机制,有效提高了三维形状数据学习的鲁棒性与稳定性。首先,通过最远点采样与最近邻方法构造局部图,并建立动态卷积算子,有效提取局部几何特征;同时,基于特征域采样构造全局的特征谱图,通过卷积算子获得全局结构信息。进而,构建加权的联合图卷积学习网络模型,引入注意力机制,实现自适应的特征融合。最终,在联合优化目标函数约束下,有效提高特征学习的性能。实验结果表明,融合局部几何与全局结构的联合图卷积网络学习机制,有效提高了深度特征的表示能力及区分性,具有更为优秀的识别力和分类性能。提出的研究方法可应用于大规模三维场景识别、三维重建以及数据压缩,在机器人、产品数字化分析、智能导航、虚拟现实等领域具有着重要的工程意义与广泛的应用前景。