轮廓测量系统中摄像机的光学畸变校正方法

在基于机器视觉的轮廓测量系统中,由于摄像机的透镜透光率不均,成像中存在光学畸变,对测量精度造成影响。为了对光学畸变进行校正,论文首先建立畸变数学模型,然后使用系统测量正方形标定板得到存在畸变的轮廓数据,根据存在畸变的轮廓数据的几何特征和直线约束条件使用LM优化算法完成对畸变模型中参数的标定。通过实验多次标定同一套轮廓测量系统,将标定结果与已有方法进行比较。实验结果表明,相较于已有算法,该论文所提方法多次标定的结果标准差更小,说明该论文所提方法具有更好的鲁棒性。     

基于LM算法的接触式轮廓扫描系统参数标定

为了解决接触式轮廓扫描仪由于部件安装不精确而对测量数据结果造成偏差的问题,分析了误差的主要来源,运用最小二乘法的思想,以残差平方和最小为优化目标建立系统的误差处理模型,提出并建立一套基于LM算法迭代求出系统参数的现场标定方法,并使用MATLAB软件编程验证了算法可行性且对算法进行了鲁棒性实验,仿真实验数据表明该算法可实...     

基于CNN的智慧农场图像分类方法

为解决新疆兵团农业现代化建设中有感知无决策的问题，提出一种基于注意力机制模块（SENet）与卷积神经网络混合模型迁移学习的图像分类方法（TL-DA-SE-CNN）。该方法选择4种不同的CNN模型进行权重采集，包括VGGNet、ResNet、InceptionNet和MobileNet。模型使用SENet分类器代替卷积神经网络的全连接层，提取图像的结构性高阶统计特征进行主题分类，并使用BP算法进行参数调整，分类准确度达98.20%。实验结果表明，将CNN与迁移学习、数据增强和SENet相结合的技术提高了牲畜图像分类的性能，是卷积神经网络在农场自动化分群中的有效应用。