基于ZigBee网络的路灯节能监控系统

为了实现对节能路灯的监控系统的设计,采用基于ZigBee技术的组网方案,进行、茅统询儒鬲架,以及Mesh网络的研究。设计了监控系统终端节点的硬件平台以及编写了ZigBee协议栈的软件。通过实验室对路灯的模拟实验,系统实现了Mesh网络噬及AdHoe路由算法,提高了系统的稳定性,满足了节能路灯的通讯要求。     

基于径向基函数神经网络的织物疵点分类

对径向基函数神经网络在疵点分类中的应用进行了研究;提出了一种应用于模式识别的RBF训练算法,提取织物疵点的特征参数如均值、方差和熵,再利用神经网络进行疵点类别的判别,精确度高达百分之九十多,准确地反映了每一类瑕疵特征的真实分布情况;然后分析了另一种神经网络--学习矢量量化网络LVQ对疵点分类的效果,将它们的训练速度和分类精度进行了比较;实验结果表明,采用RBF神经网络比LVQ神经网络的分类速度更快、精度更高,更有效地被应用于织物疵点分类中。     

低分辨人脸识别综述

全面综述了低分辨（Low-Resolution,LR）人脸识别技术的研究进展,并对相关亟需解决的关键问题进行了讨论。对LR人脸识别系统的概念、待解决问题、系统结构、已有不同识别方法进行了分类阐述。根据高、低分辨率人脸图像空间特征维度的不匹配问题,分别对基于重构超分辨（Super-Resolution,SR）图像和基于公共特征子空间两类LR人脸识别方法进行了详细介绍。对每类方法按照不同的实现过程,进一步划分为三种不同的类型分别介绍,并对每类方法模型的主要思想和核心问题进行了分析和讨论。简单介绍了九种标准人脸数据库,从识别性能、平均运行时间和多人脸库实验结果比较等方面对每类代表性方法进行了分析。对LR人脸识别技术在未来发展中需要解决的难点问题给予了展望。     

LBP和Tamura纹理特征方法融合的织物疵点分类算法

为了找出织物在生产过程中易产生疵点的类型,并反馈到生产工序中以提高织物质量,提出一种基于局部二进制模式与Tamura纹理特征方法相结合的织物疵点分类算法。该算法主要完成的任务是对织物特征向量的提取,局部二进制模式从局部或像素邻域描述纹理的特征,Tamura纹理特征方法从全局描述疵点纹理特征,两者结合能更好地描述疵点纹理特征。完成特征向量提取后,选用共轭梯度BP算法来处理特征向量。共轭梯度BP算法收敛性较好,提高了训练速度和训练精度。实验结果表明,提出的算法对疵点分类具有较高的分类准确率。     

三层控制式国产电脑横机控制系统的改进

提出一种三层控制式国产电脑横机控制系统的改进方案,研究组成控制系统的伺服电动机控制方式的改进,总体采用ARM+ DSP的控制系统,并用一套双交流伺服控制系统代替2个分立的交流伺服电动机(横机主轴伺服电动机和摇床伺服电动机),以空间矢量脉宽调制( SVPWM)算法及磁场定向控制算法来实现.实验结果表明,改进系统不仅容易控制,启动速度快,超调较小,并且具有良好的静动态性能,控制精度高,抗扰动能力好,在提高了集成度的同时使整个控制系统同步性及稳定性进一步提高.     

基于空间约束的快速FCM纱线表观均匀性检测

探讨基于空间约束的快速模糊算法用于纱线均匀性检测的效果。提出了一种基于空间约束的快速模糊C均值算法,对纱线图像进行阈值分割,并用该方法检测了6种不同线密度的环锭纺纯棉纱的表观均匀性。试验表明:该算法通过放大最大隶属度值的同时抑制次最大隶属度值,具有抗噪性能强,收敛速度快的优点;检测所得结果与USTER CLASAIMATE 5型纱疵分级仪的测试结果相近。认为:将基于空间约束的快速模糊算法用于纱线表观均匀性检测的方法准确可行。     

基于小波分解和奇异值分解的织物疵点检测

探讨基于小波分解和奇异值分解的织物疵点检测效果。运用三种算法进行了织物疵点检测。采用基本奇异值分解法进行机织物疵点检测,检测结果受噪声影响较大;采用Haar小波对待测图像进行除噪,边缘检测性较弱。利用Gabor小波良好的图像边缘敏感度、方向和尺度选择性,进行图像滤波,再进行SVD分解。结果表明:Gabor小波和SVD的融合算法可以对图像多种方向多种尺度进行调节,检测效果较好。认为:Gabor小波和奇异值分解相融合算法可应用于机织物疵点检测。     

单片机控制SA4828芯片在印花单元上的设计

介绍了一种智能型、高精度SPWM运动控制NSA4828，并且给出了其与单片机AT89C52相结合控制瑞士产BUSER．5V印花机印花单元的交流变频调速系统，实验结果表明，改造的刮印单元的硬件和软件设计合理，工作可靠性高，定位准确。     

基于机器视觉的织物瑕疵自动检测硬件系统设计

为实现织物瑕疵的自动检测功能,设计基于机器视觉的织物瑕疵在线检测硬件系统。该系统是在传统验布机的基础上,改进机械结构,设计机械传动装置,选择并配置采集图像的硬件设备以及图像处理硬件设备,保证系统能够获取清晰、稳定的图像信息,满足织物疵点检测各项性能要求。