基于MobileNet的地基云图分割方法研究

本文利用深度卷积神经网络技术,针对全天相机的云图分割方法进行了改进,将MobileNet作为三种分割模型U-Net、SegNet和DeepLabV3+的主干,再分别使用白天和夜间云图进行训练预测,利用一些评价指标对于其性能做出评价。结果表明,MobileNet可以更好的提取网络特征信息,经过改良后的U-Net网络更适合于地基云图的分割,对于白天云图和夜间云图的分割精确度分别达到了89%和95%。     

基于VGG网络的焊缝缺陷识别技术在UOE钢管生产应用初探

针对钢管焊缝缺陷自动识别的需要,提出了基于卷积神经网络的焊接缺陷特征自动提取算法,并对现有的LeNet、AlexNet、VGG-16、GoogleNet等经典网络模型进行试验验证,得出在同等条件下VGG-16网络模型更适合钢管焊缝缺陷类型识别.随后在VGG-16经典模型基础上设计了一种适用于钢管焊缝图像缺陷识别的模型,...     

基于粒子滤波的多区域辨识性建模跟踪算法

为使跟踪算法中的目标模型不被相同特征的背景像素所干扰,在粒子滤波的框架下引入多区域辨识性建模机制,提出1种新的鲁棒的目标跟踪算法。提出的算法侧重能够辨识前景与背景的最有效信息,把目标物体划分为多个子区域。通过统计子区域与背景类别的类内/类间特性选择出最具信息量的子区域。在选出的目标区域基础上,提出的算法以贝叶斯的方式同时考虑图像信息及空间信息,建立具有辨识性的目标表观模型,并在粒子滤波的更新阶段用以估量目标的所在区域。在一系列具有挑战性的视频序列上的实验结果证明了,在许多复杂场景下,提出的方法与传统的粒子滤波跟踪器相比的鲁棒性以及有效性。     

谐波滤波装置在化工生产上的应用

本文介绍了谐波滤波装置在化工生产的应用和效果，通过滤波装置对高次谐波进行滤波，降低电网电压的畸变率，减少高次谐波电流对电力系统网络其他电气设备的危害，并且对其低功率因数进行无功功率补偿，以达到节约能源之目的。     

基于卷积神经网络和TOPSIS的皮革匹配方法研究

针对皮装生产过程中皮革分类精度低,皮革匹配特征复杂等问题,提出了一种基于卷积神经网络和TOPSIS的皮革匹配方法。首先通过卷积神经网络对皮革纹理信息进行量化,结合传感器技术提取皮革匹配特征信息并构建特征矩阵,其次,利用专家评判法和变异系数法相结合的组合赋权法对皮革匹配指标进行权重赋值,最后通过TOPSIS法对皮革进行排序。案例结果表明该匹配方法的合理性和有效性,为相关的多特征综合分类案例提供新的思路和方法。     

基于FPGA的卷积神经网络图像识别算法研究

目前在中央处理器(CPU)中,卷积神经网络存在速度慢、功耗高的缺点,针对深度学习中的卷积神经网络所需计算时间长、消耗资源多、卷积运算量大的问题,提出了使用现场可编程门阵列(FPGA)硬件平台对卷积神经网络图像识别系统进行加速,对卷积神经网络的进行算法改进和加速。设计了卷积层并行计算的流水线模块和池化层改进模块,还通过数据量化的方式减少FPGA资源耗费。最后,使用MINST数据集对算法进行评估,在Zynq7010和CPU上进行验证。实验结果表明,设计的方法资源占用率低,识别速度快,适合实际领域使用。     

基于改进巴特沃斯滤波的红外图像增强算法

一般的红外图像存在着对比度低、噪声相对较高、部分细节模糊等特点,在进行后续的工作之前,对其缺陷进行处理是十分重要的。而传统的巴特沃斯滤波去噪在处理红外图像时,存在着细节失真、去噪效果不佳等缺点。针对上述问题,提出了巴特沃斯滤波的改进红外图像增强算法,通过在频域上对图像进行分层,之后再使用改进巴特沃斯滤波分别对其进行处理,并且在MATLAB平台上验证了该算法的有效性。该改进算法在原有的处理效果的基础上,对图像的细节信息进行了突出,与传统算法相比较,该算法具有边缘突出、细节连贯等优点,去噪效果有显著提高。     

汽轮发电机组甩负荷测试及仿真分析

以某电厂350 MW机组甩负荷试验为例,就参数测量、数据处理、建模及仿真计算进行分析。对采集到的转速数据通过移动平均滤波,对滤波数据利用S型函数及LM优化算法进行最小二乘拟合,对拟合数据一阶微分求解,得到转子最大加速度,该方法可提高转子转动惯量计算精度,消除人工选取时间间隔的误差。结合现场实测数据,考虑OPC信号,给出了适用于汽轮机甩负荷动态计算的数学模型,定量分析了相关参数对动态特性的影响。     

用TMS320C54X实现Vertibi译码器

主要介绍卷积编码器和Vertibi译码器的基本原理。对用TMS320C54XDSP来实现Vertibi译码器中的两个主要环节——度量值更新和回溯,作了详细说明,并给出具体的实现程序。     

基于真实图像退化的人脸超分辨率重建算法

针对大多数人脸超分算法的预设退化模型与真实图像的退化方式差距大,导致人脸重建的效果不理想的问题,提出了一种针对真实图像退化的人脸超分辨率重建算法。首先设计了一种混合退化模型,通过对运动模糊、高斯噪声等多种退化形式进行合成用于模拟真实图像退化空间,生成接近现实场景的低分辨率图像。然后采用基于小波域的超分辨重建网络预测得到高分辨率图像的小波系数,并经过小波逆变换得到超分辨率图像。在高清人脸数据集(FFHQ)和真实人脸数据集(RealSR)上的实验结果表明,研究提出的算法不仅能有效提升重建效果,而且适用于真实场景下的人脸超分辨率重建。