基于HALCON平台快速开发光学字符识别系统的研究

HALCON平台提供了成熟的算法包、开放式结构的功能模块及光学字符识别助手,有利于快速开发光学字符识别系统,具有功能强大、开发成本低及操作简单的优点。文章应用了平台自带的多个分类器模板对字母和数字进行识别测试,结果证明HALCON平台自带分类器模板对部分大写字母和数字的识别具有较高的准确率。在平台上创建了开放式的分类器模板,建立样本训练集文件,对分类器进行训练,使用训练后的分类器模板对汉字进行识别测试,识别准确率也较高。     

基于BP神经网络的规范手写体数字离线识别

手写体数字离线识别一直是模式识别研究的热点问题。手写体数字具有多变性和随意性较强的特点,在实际应用中对识别率要求较高,针对这一问题,设计了基于BP神经网络的手写体数字离线识别分类器,并按照规范手写体标准设计了训练样本和测试样本,通过仿真验证了此方法的有效性,识别率达到了81％。     

基于形态学处理算法的条烟复核技术

为解决传统人工条烟复核方法与现有高速自动卷烟分拣系统不匹配等问题,基于形态学处理算法,利用条烟条码唯一性,提出了一种条烟图像自动识别方法。采用正方形自适应结构元素形态学算法处理二值化图像,减少条码内部条空区域对连通域的干扰,得到多个候选子连通域;采用子区域筛选方法定位条码区域,通过投影法定位可识别的字符并分割数字,完成条烟信息识别。以不同姿态不同品种的条烟图片在Matlab中进行仿真实验,测试条码定位分割算法的鲁棒性。结果表明:①该方法能够有效避免条烟表面字符、图形信息及光照噪声带来的干扰。②投影法可将供人识别字符与条空区域快速分割开,实现数字的有效定位,对于条码倾斜、低像素图像的数字分割效果良好。③加权模板匹配法结合模糊判别准则的数字识别算法,对于低品质数字以及易混淆数字均具有较好的识别效果。④在现场测试条件下,系统识别效率可达2686次/h,准确率达95.2%。在满足系统要求下,采用该方法能够大幅提升条烟图像识别效率和准确性。      

基于MES系统的水分校准模块设计与应用

针对烟草工业中水分校准过程中数据量大的特点,基于MES系统设计一个烘箱法水分校准模块,该模块包括电子天平、OCR字符数字识别模块、外置电脑、样品盒、MES系统等五部分,通过OCR字符数字识别模块识别样品盒上编号,并与MES系统中预设的样品盒编号进行匹配,保证样盒实际检测序号与MES系统预设序号的一致性;配置相应的质量数据传输控件,实现样品盒测量的质量数据准确上传MES系统,并计算相应的修正值。现场的测试结果表明:样品盒序号识别正确率在98.34%以上,质量数据上传正确率为100%,单次质量数据上传时间不超过3.1s,实现烘箱法水分校准数据的上传和应用功能,基本免除人工记录、计算等工作。     

基于情感感知的面料图像数据库系统的设计与实现

在面料图像数据库系统中,为了让计算机对面料图像的情感语义进行自动感知,帮助用户用情感语义浏览或挑选所需的面料,并对其描述进行数值标注,文章针对面料图像本身表述的情感语义进行研究,进而实现基于情感语义的图像检索。在利用支持向量机等技术通过VC++编程实现面料图像情感语义识别的基础上,通过动态链接库技术将情感识别功能应用到采用NET编程开发的面料图像数据库系统中,在面料数据库系统中实现了计算机对面料图像情感语义的自动感知和识别,并进行情感语义的标注,从而实现了基于情感语义的面料图像检索。经过测试,该系统达到了较好的识别和分类效果。     

基于ARM的数字集成电路测试系统的研究

本文重点研究基于ARM内核实现的高精度、低成本、速度快、易操作且具有良好可扩展性的对中小规模集成芯片进行测试的数字集成电路测试系统。测试系统可以完成功能测试、接触性测试、直流参数测试和交流参数测试等测试项目。     

基于BP人工神经网络的数字字符识别

提出一种基于BP人工神经网络来识别含有噪声的数字字符的方法.通过对BP网络模型进行训练,并选择纯净和带有噪声的数字字符组成样本,借助Matlab7.0实现数字字符识别,识别率为96%,达到了设计要求.     

简易电阻测试仪

为了实现电阻测量的目的,简易电阻测试仪以AT89C51单片机为控制和数据处理中心,采用串联分压的原理测量变化范围为0-1K电阻,整个系统通过测量被测电阻两端的电压实现电阻的测量,将测量所得模拟电压送入TLC1543进行A/D转换为单片机所能识别的数字电压,再经单片机AT89C51软件处理电压转化为电阻值,最后由液晶显示模块LCD1602显示出电阻值。在Proteus中绘制原理图进行仿真,结果表明该测试仪的功能和指标基本达到了设计要求。整个设计电路简单可行,实验测试误差小于1%,测试中调节滑动变阻器得到多组电阻值满足了测试的多变性,提高了测量精度,系统测量速度快,操作方便测量范围广,具有较高的实用性。     

棉花异性纤维分类识别与计重系统的设计

为了实现棉花异性纤维分类识别与计重的自动化,本文建立了一种棉花异性纤维分类识别和计重系统SIW(system of identification and weight statistics),提出了系统的组成结构和工作原理,对系统关键的硬件设备和软件实现过程作了必要的说明,包括场景图像的采集、图像处理和识别方法以及计重模型的建立。最后对SIW系统进行测试,测试结果证明,该系统可以有效地识别出棉花中的异性纤维,并准确得到各种异性纤维的重量,实现异性纤维检测和计重的全程自动化。     

嵌入式票据喷码质量控制系统的设计

商业票据作为一种印刷品,有不同的识别数据（数字、条形码或图像）对票据进行标识,对印刷质量的要求比较高。给出利用高速数字信号处理器（DSP）和现场可编程门阵列（FPGA）作为图像处理核心,Camera link高速线阵相机作为图像采集装置的控制系统,以实现对票据上的数字、中英文字符、一维和二维条码进行识别,达到对印刷过程实时监控的目的。     

基于灰度图像的车道线识别系统研究

本文主要介绍基于灰度图像的车道线识别算法设计的过程。首先,对采集到的道路图像素材进行图像预处理,将原始的彩色图像通过灰度转换为灰度图;然后,进行图像平滑去噪、边缘锐化;最后,在预设的ROI区域检测车道边缘,对车道线进行识别和拟合。本设计利用自适应均值滤波、Otsu阈值分割和Hough变换直线提取实现道路边界识别过程,利用MATLAB软件进行仿真测试,通过GUI人机界面,导入道路图像实现各环节道路图像处理,最终实现车道线的识别和显示,实验结果验证了所用方法的可行性。     

直升机中ARINC429数据总线测试系统的设计与实现

本文针对直升机机载设备之间的数据通讯,采用了ARINC4 29数字总线传输标准,对以Linux系统为基础的AR1NC429数据总线测试系统进行设计,可以有效模拟直升机机载设备数据接受形式,依据机载设备参量对其进行测试与校正,实现了直升机惯性导航、雷达高度等设备的远程调试。     

票据印刷过程中的数字检测

在票据印刷过程中对印刷产品质量的调整和控制,需要技术工人经过长期的培训和具有丰富的经验才能操作。随着计算机视觉技术的发展,采用图像处理方法进行数字化的自动质量控制成为企业生产的发展趋势,这样可以大大提高质量控制的精确程度,减少由于人为的漏检或误检所造成的损失,而且可以完全实现自动化。本文采用提取数字过线数,用过线数特征值分类器进行分类,再结合模板匹配法进行数字识别,实现对票据印刷过程的数字质量的控制。1.检测系统的设计为了满足研究中对图像的采集,设计了一套票据印刷过程的模拟装置,该装置基本符合实际的票据印刷…     

基于颜色空间转换的混合豆类分类识别

在豆制品生产过程,有时需要对混合豆类进行品质检测,介绍了基于颜色空间转换的混合豆类自动分类识别方法。首先利用扫描仪获取混合豆类图像,然后通过3次颜色空间转换,依次找到各种豆类与背景和其他豆类的颜色数据差异,实现各种豆类的分类识别。将该方法对灰色、白色、蓝色3种不同颜色背景下采集的图像进行了测试,结果表明该方法能够实现混合豆类分类识别,识别精度受图像质量影响,可用于开发自动检测设备。     

KFDA在领口质量评价系统中的应用

织物领口性能评价是织物性能评价中的一个重要部分,为实现评价系统分类的自动化,提出了采用核Fisher判别分析(KFDA)方法来识别新样本的类别,将已分类的样本分为训练样本和测试样本。应用核函数将输入空间映射到特征空间,并在特征空间中求取训练样本投影矢量和构建判别函数组,然后用测试样本来验证判别函数组的识别效果。最后对KFDA、BP神经网络(BPNN)和径向基神经网络(RBFNN)3种方法的识别效果进行了对比,结果显示KFDA方法对于新样本具有较高的识别率。     

Altona-Test-Suite 2.0新测试标版分析

随着PDF文档规范的发展及其在印刷领域的广泛应用,ECI于2012年发布了最新的Altona-Test-Suite2.0测试标版,该标版基于PDF/X-4规范,在原版本Altona-Test-Suite 1.2基础上进行了较大改进.在传统及数字输出设备、数字化工作流程、色彩管理流程中输出该标版,并与标准文件进行视觉对比,能够帮助印前工作人员识别设置错误及发现存在的问题.本文分析了新标版与原标版在测控元素与内容方面的不同,对测试标版中若干主要内容进行了分析,希望能够给印前、印刷工作人员控制印刷质量提供一些参考.     

基于图像处理的纱线检测识别系统

为实现圆纬机自动上下料系统中纱线吸取状态的判别,提出一种基于图像处理的纱线检测识别系统。该系统通过设计小尺寸盒子,与低成本相机模组、补光灯一起组成专用拍照盒。利用拍照盒内部稳定的光照环境,保证纱线图像高质量获取以及防止外部环境干扰影响识别效果。工控机对纱线吸取前后的图像进行处理,得到其像素值,最后根据两幅图像像素变化值大小,判断纱线是否成功吸取。系统搭建后,分别对8种不同颜色常用纱线进行测试,模拟头线识别情况,以及对黑色和白色纱线进行测试,模拟头线、尾线识别情况。结果表明:该方法能检测识别各类纱线吸取状态,可应用于圆纬机自动上下料系统。     

基于BFGS拟牛顿算法的含噪数字字符识别

针对传统数字字符识别算法收敛速度慢且有可能陷入局部极小值等问题,提出了将BFGS拟牛顿算法应用于含噪数字字符识别:构造前馈型神经网络,调用Matlab神经网络工具箱中的训练函数trainbfg对网络进行训练.该算法收敛速度快、识别精度高,能够对含有一定噪声的数字字符进行识别,具有广阔的应用前景.     

基于深度学习的丝绸文物纹样识别应用

为对数字化文物进行快速自动分类，提高藏品数字化进程，加快数字博物馆的构建，文章利用深度学习对丝绸文物的纹样进行自动识别。依据实物纹样的分类方法，建立了包含花卉纹、飞鸟纹、“卐”字纹、云纹四类纹样的样本库。利用VGGNet、ResNet、MobileNet实现对纹样的分类，结合Faster R-CNN、YOLOv5、SSD目标检测算法实现对纹样的识别与定位。实验结果表明，MobileNet对丝绸纹样分类的mAP达到83.51%;在目标检测算法中YOLOv5的识别与定位效果最好，其mAP为88.42%。与通过人工分类相比，采用深度学习算法进行分类与识别，可以在降低难度的同时提高分类的速度和准确率，为纺织品文物的鉴定与保护提供了新的思路。     

基于Kinect手势识别的研究与实现

本文介绍了一种基于深度信息的静态手势识别方案,并且将该方案应用到了智能小车的控制之中。该手势识别系统使用微软Kinect获取场景的深度图像,再使用基于深度直方图的自动阈值技术进行手部区域分割,之后使用一个简单高效的定制分类器来实现手势分类,从而实现了对数字手势1至5的手势识别。实验结果表明,该方案有高达95%的手势识别率,设备简单且鲁棒性良好。