混合特征行人检测算法

为了提高行人检测方法的效果,提出了一种基于混合特征提取的行人检测方法。首先,提取一幅目标图像中的梯度方向直方图和局部二元模式特征。然后,利用一种自适应系统将HOG和LBP特征间的最优权重自动分配给每个特征。并且,通过难例挖掘的方法获取困难的负样本。最后,采用支持向量机对行人和背景进行分类。实验结果表明,这种新的方法优于其他仅使用单一特征或没有分配最优权重的混合特征的方法。     

合成氨循环水高倍率节水处理新工艺

河南心连心化肥有限公司合成氨装置循环冷却水系统的补充水水源属高碱高硬水质.介绍了如何通过优化工艺和过程控制,实现河南心连心化肥有限公司合成氨循环冷却水在高浓缩倍数下,节水、环保、安全运行的经验.     

基于深度学习的全卷积网络图像裂纹检测

为实现复杂背景下裂纹目标的有效检测及降低错误标记,将全卷积网络(FCN)引入图像裂纹检测中,并针对裂纹检测实验中FCN模型存在丢失局部信息和丧失部分精细化区分能力的问题,构建一种Crack FCN模型.首先在增大分辨率的同时,取消全连接层中的Dropout技术,以增大裂纹信息的选择;其次通过加深FCN的网络深度,使整个网络实现递进式特征传递;最后在网络之后添加更高尺度的反卷积层来扩充局部精细细节.在2 156幅自制的裂纹图像数据集上对文中模型、FCN-8s模型以及其他检测方法进行实验的结果表明,Crack FCN网络模型在提高检测精度的同时可以有效地降低错误标记.     

化肥厂污水生物处理新工艺的应用

介绍了我公司污水应用生物处理新工艺流程、处理原理以及运行控制的关键点,该处理工艺通过一段时间的调试、运行,积累并掌握了有关该新工艺的运行经验和控制要点,目前出水水质达标,为安化集团环保工作提供了有力的保障。     

改进YOLOv3算法的筷子毛刺缺陷检测方法

针对目前筷子质量检测机器并不能对带有毛刺的筷子进行有效分拣这一问题,提出了一种基于改进YOLOv3算法的筷子毛刺缺陷检测方法。通过删除YOLOv3网络多尺度检测中的32倍降采样的检测层,在YOLOv3网络中增加4倍降采样层,进一步得到深层特征并与第二次下采样中的浅层特征进行融合,让网络同时学习深层和浅层特征、重新聚类anchor box尺寸、改变YOLOv3网络的超参数,如减小抖动、减小权重衰减正则项、增大批尺寸、选择合适的动量值等方法,对原网络进行改进。当交并比(IOU)为50时改进后网络的平均检测精度由89%提升到了94%,查准率提高了4%,查全率提高了9%,平均IOU提高了3.5%,平均检测速度由16.8帧/s增加到了21.0帧/s。试验结果表明,该方法相对于传统筷子质检机具有更高的检测效率,能满足筷子毛刺缺陷的检测需求。     

印刷纸性能对印品色彩再现的影响

印刷纸作为印刷图像再现的承载体,接受油墨并在印刷纸表面混合成彩色图像。在印刷压力作用下,纸张与油墨的结合性能,决定着图像的印刷再现质量。印刷纸性能制约着彩色图像的表现效果。主要从色相误差、灰度、色强度、色纯度和色效率【1】方面讨论油墨在纸张上的表现能力及呈色效果,分析印刷纸的性能对颜色复制的影响。彩色图像印刷品的最终色彩效果,是依靠油墨印刷在纸张上来决定的。在相同的印刷条件下,同种油墨印刷在不同的纸张上会产生不同的色彩效果。不同的纸张具有不同的性能,造成油墨色彩差异的因素主要有印刷纸的白度、光泽度及吸收…     

UHT杀菌设备温控系统设计

本系统采用了温度传感器芯片AD590和单片机技术,运用PID算法,实现了测量范围为0～150 ℃,测量精度小于±0.1 ℃,控制精度小于0.2 ℃的超高温杀菌温度控制系统.本系统结构简单、成本低、控制精度高、操作方便.     

稀疏立体视觉算法在自动包装机器人中的应用

目的为实现包装机器人自动测距的功能,提出将双目稀疏立体视觉算法应用到自动包装机器人视觉系统中。方法为验证算法的实用性,利用深圳市元创兴科技有限公司生产的配备双目视觉系统的REBot-V-6R六自由度机器人进行实验,计算实验台上包装件与摄像机的距离,通过计算值与测量值之间的误差评估算法的精确度。结果实验证明双目稀疏立体视觉算法在600~1000 mm范围内深度计算误差小于7%。结论该稀疏立体视觉算法可以应用于自动包装机器人测距。     

极化自注意力调控的情景式视频实例多尺度分割

视频实例分割(Video Instance Segmentation)是开发智能机器人视觉系统的一项关键技术,部署视频实例分割算法的智能机器人能够精确地实现目标追踪、避障等高复杂度任务.机器人在特定情景下自主移动时的成像效果会受到自身速度、拍摄角度、距离远近及目标移动速度的影响,导致捕获的运动目标普遍存在拓扑形变和尺度缩放等随机性问题.对于在相同视频序列中跨静态帧的同一目标实例而言,模型所学习的可辨识特征往往具有多样性和不确定性.现有模型更多强调帧间掩膜传播或特征跟踪等时序交互方法,而忽略了对拓扑实例的深层语义解析和尺度目标的轮廓分辨,因此缺乏对高层细粒度特征的有效关注和低层空间信息的准确定位.本文提出一种极化自注意力调控的多尺度视频实例分割PSAM-Net(Polarized Self-Attention Manipulation Network)模型.首先,在残差网络中嵌入单级式和级联式的极化自注意力机制,以建立任意空间位置的非线性关联信息,及其正交方向的通道特征依赖关系,克服高层特征图中细粒度特征分布弥散问题,增强模型的区域特征聚焦能力,完成对拓扑实例的深层语义解析;其次,由特征...