基于机器视觉的刀具几何参数测量技术

为了适应金属切削刀具理论研究和生产实践对于刀具几何参数快速、准确在线测量的要求 ,在Lab VIEW平台上开发了基于机器视觉的刀具测量系统 ,利用边缘检测、亚像素精度等图像处理技术 ,实现对车刀各参考平面内的主要几何参数的非接触测量。测量结果表明 ,测量精度可靠     

一种Otsu阈值法的推广--Otsu双阈值法

Otsu阈值法一直被用来求取单阈值。对Otsu阈值法进行了推广,利用Otsu阈值法来求取双阈值．推导了计公式的两种表达形式,最后给出了图像测试结果。采用Otsu双阈值法对灰度直方图呈现三峰特性的图像进行分割,以获得良好的二值化效果。     

放马峪铁矿爆破振动预测分析

在密云县放马峪铁矿鞍子沟采场爆破振动现场监测数据的基础上,对大量的实测数据进行了最小二乘法线性回归分析,得到了在该铁矿现有的爆破条件下,任意质点在空间3个方向上爆破振动速度峰值的预测公式。对3个方向的预测公式进行误差比较分析后,发现质点垂直向最大振动速度并非是爆破振动破坏的唯一判别指标,据此提出了按距离分段选择最合适判别指标的方法,进一步提高了爆破振动预测结果的可靠性。     

基于RFID的公交业务管理系统

基于射频识别技术的新特点,提出了一套优化的城市智能公交业务管理系统模型,用来解决城市公交管理的一系列难题,该系统结合射频识别技术、计算机控制技术、无线通信技术,对公交车辆进行实时的监控和调度,并将采集的数据统计分析后作为决策依据。该系统能有效地对驾驶员进行管理,提高工作效率;并使各级管理人员方便地按车、按人进行查询统计,可以实现车辆的智能调控,提高公交公司管理效能和公司运行效益。从真正意义上实现公交运营的精细化管理。     

一种新型热量表的设计

本文从热量测量的基本原理出发 ,结合供暖系统的技术指标 ,给出了一种新型热量表的软、硬件设计方法 ,该热量表能对温度、压力等各项参数进行自校正运算 ,提高了测量精度。实际应用表明 ,其完全符合工业测量的标准 ,具有较优性能。     

煤泥浮选泡沫数字图像处理中的边缘检测算法研究

通过分析煤泥浮选泡沫图像的特点和应用常规边缘检测算法所存在的问题, 提出了综合应用煤泥浮选泡沫图像灰度和梯度信息进行煤泥浮选状态监控的观点, 介绍了使用基于Sobel算子改进的方向算子对煤泥浮选泡沫图像进行处理的方法。     

无陀螺DR及其与北斗组合导航的融合算法

介绍了我国自主研制的北斗卫星导航定位系统的基本结构和定化原理。针对该导航定位系统中存在的问题,以低成本无陀螺DR作为其补克定位方式,设计了北斗／DR组合导航定位系统,并根据无陀螺DR的特点找出了适合该系统的卡尔曼滤波算法。该算法推导出了线性形式的DR观测方程,避免了目前常用导航算法由于观测方程线性化引起的模型误差。现场跑车试验表明,给出的北斗／DR组合系统在采用自适应卡尔曼滤波算法后可以获得良好的定位精度。结合北斗系统具有的特点,分析了将北斗普通型用户机和指挥型用户机应用于大范围车辆调度管理系统中的优势。     

基于蓝牙4.0的智能物流监控系统设计

现有的物流监控系统种类繁多,大多数是基于红外、RFID、无线组网等技术.现有物流监控设备大多为离线且配有专用读取设备,不能更高效地实现物流途中信息共享,并且使用不够便捷.因此针对现有物流监控系统存在的不足,设计并实现了一套智能的物流监控系统.结合智能手机的普及性,提出了蓝牙4.0为通信特色的智能物流监控系统的解决方案,结合蓝牙4.0与组网技术,并根据设计方案给出了硬件电路、嵌入式软件程序和Android应用程序,实现用户仅通过手机即可对电子封锁的上封/解封等操作和物流运输的智能监控.实验结果表明,该智能物流监控,能够达到准确的车辆监控效果.将系统应用于物流安全监控上,具有很好的发展应用前景.     

结合倒置特征金字塔和U-Net的高光谱图像分类

目的 地物分类是对地观测研究领域的重要任务。高光谱图像具有丰富的地物光谱信息,可用于提升遥感图像地物分类的准确度。如何对高光谱图像进行有效的特征提取与表示是高光谱图像分类应用的关键问题。为此,本文提出了一种结合倒置特征金字塔和U-Net的高光谱图像分类方法。方法 对高光谱数据进行主成分分析（principal component analysis,PCA）降维,获取作为网络输入的重构图像数据,然后使用U-Net逐层提取高光谱重构图像的空间特征。与此同时,利用倒置的特征金字塔网络抽取相应层级的语义特征;通过特征融合,得到既有丰富的空间信息又有较强烈的语义响应的特征表示。提出的网络利用注意力机制在跳跃连接过程中实现对背景区域的特征响应抑制,最终实现了较高的地物分类精度。结果 分析了PCA降维方法和输入数据尺寸对分类性能的影响,并在Indian Pines、Pavia University、Salinas和Urban数据集上进行了对比实验。本文方法在4个数据集上分别取得了98.91%、99.85%、99.99%和87.43%的总体分类精度,与支持向量机（support vector machine,SVM）等相关算法相比,分类精度高出1%~15%。结论 本文提出一种结合倒置特征金字塔和U-Net的高光谱图像分类方法,可以应用于有限训练样本下的高光谱图像分类任务,并在多个数据集上取得了较高的分类精度。实验结果表明倒置特征金字塔结构与U-Net结合的算法能够高效地实现高光谱图像的特征提取与表示,从而获得更精细的分类结果。