基于并联多尺度卷积神经网络的微动脉瘤检测方法

由于视网膜图像中微动脉瘤尺寸小、背景干扰多,导致传统方法检测时准确率低,现阶段的深度学习模型大多针对大尺 寸目标进行检测,存在结构复杂、对小目标的检测效果不佳的问题。 为解决以上问题,提出了一种基于并联多尺度卷积神经网 络的微动脉瘤检测方法。 首先,建立微动脉瘤尺寸与检测用理论感受野之间的对应关系;然后,根据微动脉瘤的类型和尺寸范 围构建包含两个感受野尺度的并行卷积网络;最后,提出了一种基于主动学习的训练集构建与数据增广方式,以提高模型的检 测性能。 方法在两个公开数据集和 1 个自采眼底数据集中进行了对比实验,实验结果表明,该方法能有效实现微动脉瘤的检 测,相比于同类方法对于小尺寸和与血管粘连的微动脉瘤具有更好的检测效果。     

应用于DM648的FLASH自动加载实现方法

为实现DSP嵌入式系统的应用程序自动加载功能,提出了基于TI公司的TMS320DM648的NOR Flash自动加载实现方法.首先对启动过程进行了分析,给出了用户加载程序的编写方法.在此基础上,根据公共目标文件格式和应用镜像脚本两种文件格式的说明,设计出公共目标文件格式到应用镜像脚本转换程序,生成可用于FLASH烧写的文件.最后在TMS320DM648核心板上实现了在CCS环境下对Flash编程和程序自动加载,证明该方法有效可行.     

施工升降机载荷显示报警器

本文介绍一种新的施工升降机载荷检测方法及装置。其特点在于通过检测浮动桥底下数个支承弹簧的形变量来反映升降机的实际载荷。该装置不改变原升降机结构，整机成本远低于应变式检测结构。现场使用效果良好。     

一种新的虹膜图像预处理方法

为了实现具有高准确性的非侵犯性虹膜识别,讨论了人眼图像中存在的由于虹膜识别的非侵犯性所造成的一些问题,提出了一种新的虹膜图像预处理方法.该方法包括内边界定位、眼睑检测、眼毛检测、外边界定位、虹膜归一化等操作.经该方法预处理得到的虹膜图像不包含眼睑和眼毛等干扰,使虹膜特征提取和匹配等过程不会受到各种干扰的影响,从而保证虹膜识别方法的健壮性.在多种图像库中的人眼图像上进行实验的结果证明,该方法能够有效地解决人眼图像中存存的问题,具有理想的准确性和较快的执行速度.     

基于局部分块特征的快速虹膜身份鉴别算法

提出一种新的虹膜身份鉴别算法.首先将灰度虹膜图像等分为若干个子图像,再将每个子图像等分为若干个子区域,将各点梯度之和最大的子区域中心点坐标作为各子图像的特征,各子图像的特征构成了该虹膜图像的特征矩阵,最后通过特征矩阵在空间上直接对准的方法进行匹配识别.给出了子图像和子区域大小的选择方法,同时给出了在人眼自然张开状态下不受遮挡干扰的可用虹膜区域大小对识别效果的影响.克服了之前人为规定子图像和子区域大小和选取固定可用虹膜区域大小提取局部纹理特征所带来的局限性.实验表明:1)人眼自然张开状态下,在虹膜区域超过50%不受遮挡时即可完成识别;2)算法运行速度快且对采集图像时左右各7°以内的旋转失真具有很强的容错能力.     

指针式水表数据远传系统的研究

分析现有人工抄表方式及已有水表自动抄表系统存在的问题,提出一种低成本的基于视觉技术的指针式水表远传抄表系统的设计方案。该系统平时不需要供电,只是在抄表时才临时提供电源,具有节电功能且无数据累计误差;水表读数以图像方式保存,当出现问题时便于用户核对。采用图像截取方法仅采集对识别有用的图像信息,降低对存储空间及处理速度的要求,用较低成本的处理器替代高成本专用图像处理器,降低电路成本;根据采集的指针图像特点和指针式水表的结构特征,设计确定指针指向的算法,并将识别软件嵌入到硬件采集器中,在硬件采集器中实现指针式水表读数的识别。实验证其可应用性,对指针式水表数据远传系统的发展有重要意义。     

柔性印刷线路板LED缺陷检测方法的研究

针对柔性印刷线路板LED在生产过程中出现的漏贴和粘偏缺陷问题,提出一套基于机器视觉的LED粘贴质量检测方法。对8?192×70?000像素的大图进行预处理,利用统计学中的矩求取区域的矩形度筛除非焊盘区域,通过模板并行遍历思想获得单一像素的焊盘轮廓作为定位模板。采用异步缩放模板匹配定位LED的焊盘区域,使用区域投影的方法计算灯芯区域的圆度,根据圆度对不同对比度的贴片进行自适应参数的Canny边缘检测得到灯芯的边缘,拟合灯芯边缘获得灯芯的坐标。通过灯芯的坐标判断LED的漏贴缺陷,通过计算焊盘坐标和灯芯坐标的偏差判断LED的粘偏缺陷。经过大量的现场测试,检测漏贴LED的准确率达到100%,检测粘偏LED的准确率达到97.3%,检测一张图片的平均时间为1?538?ms,证明该检测方法具有一定的实用价值。     

基于区域生长的雪糕棒毛刺检测算法

为提高雪糕棒产品质量,避免雪糕棒对人体造成伤害,根据雪糕棒缺陷类型对其进行分类处理是一种有效手段.但雪糕棒各类缺陷复杂多样且具有一定的相似性使得区分缺陷类别成为一个难点.针对以上问题,文章采用了一种基于区域生长的缺陷检测方法对毛刺与矿物线缺陷进行准确分类.首先对图像进行滤波处理来排除噪声干扰,然后获取缺陷区域骨架,并通过分析骨架端点8邻域内像素灰度值特征来获取区域生长的起点;在此基础上将骨架的方向以及骨架端点的灰度值作为相似性度量准则进行下一步生长,最后根据生长后的区域与雪糕棒边缘的连通性区分缺陷类别.利用该方法对建立的ICS-F缺陷图库进行测试,毛刺与矿物线的准确识别率分别达到99.6％、98.4％.该方法为雪糕棒工业现场实时缺陷分类提供可行性,具有一定的实用价值.     

一种基于Snake和强跟踪滤波器的目标跟踪方法

结合Snake和强跟踪滤波器提出一种新的目标跟踪方法.由于采用了贪婪算法,提高了Snake的收敛速度;采用滤波器进行预测,缩小了Snake的收敛范围,进一步提高了算法的运行速度,跟踪的实时性得到加强.同时,由于强跟踪滤波器的出色表现,对于运动目标的突变,本文的方法也能进行较好的跟踪.实验表明,本文的方法确是一种快速、有效的运动目标跟踪方法.     

基于骨架的柔性变形FPC断路检测

为了解决柔性印刷电路(FPC)翘曲变形容易导致图像出现柔性形变现象造成当前的FPC断路检测方法性能降低的问题,在建立柔性形变模型、分析形变机理的基础上,提出了一种基于骨架处理策略的检测方案。首先提取预处理后FPC图像的线路骨架,然后将其输入到建立的动态模板尺度空间(DTSS)模型中,以去除骨架的分支噪声、得到‘纯净’骨架;接着,提取上一步骤处理所得骨架的全部端点,并通过形态学操作和局部模板匹配定位线路异形结构区域,剔除该端点集合中处于异形结构区域内的噪声端点,从而得到断路端点集合,再根据集合中成员与图像位置的对应关系识别断路缺陷。在基于实际环境建立的SUT-F1图库上进行了算法效果验证,并与其他经典方法进行了对比分析。结果表明,本文方法具备良好的抗形变性能,检测正确率(CDR)高达99.30%,误检率(FDR)低至2.25%,表明了方法的有效性;相比于其他方法,CDR至少提高了5.03%,FDR最少降低了8.22%,显示了方法的优势,且具有一定的实际应用价值。