基于HSV(色相-饱和度-明度)与形状特征的涂层锈点图像识别*

图像识别技术广泛应用于涂层领域,图像特征的选择是提升识别率的重要因素,而形状特征在涂层锈点的图像识别中未见报道。基于涂层锈点的颜色和形状特征,结合机器学习对其进行图像识别。通过采集 3 种常见自然光照强度下的 90 张涂层锈点图像,使用同态滤波对图像进行预处理,利用 HSV（色相-饱和度-明度）颜色空间来区分锈点与无锈点区域。然后提取锈点的 8 种形状特征对锈点区域进一步细化,用 Pearson 相关系数对形状特征进行筛选,将颜色特征、单一形状特征、8 种组合形状特征、筛选后的组合形状特征、颜色特征与筛选后组合形状特征的融合特征分别作为参量输入 Linear 核函数、RBF 核函数、Polynomial 核函数和 Sigmoid 核函数 4 种核函数的支持向量机（SVM）对锈点进行识别。研究结果表明：联合 SVM 与颜色、形状特征参量构建的图像识别算法能较准确地识别涂层锈点,其中基于颜色特征与筛选后形状特征的融合特征的准确识别率最高可达 93.33%。形状特征可作为另一种特征信息来提高锈点图像识别的精确度,可为涂层锈点的图像识别技术研究提供参考依据。     

频散介质探地雷达正演与高速公路实测资料解释

基于Maxwell方程组,得到满足Debye关系的频散介质探地雷达有限元波动方程,推导有限单元法的离散格式,并编制正演模拟MATLAB程序。选取一典型地电模型,分别对考虑频散与不考虑频散,频散介质中同一模型不同频率天线的雷达探测结果进行分析。结果表明:雷达波在频散介质中传播时,具有波形严重畸变、能量迅速衰减的特性,如果不考虑介质对波吸收衰减的探地雷达正演,其结果与实测的雷达波形存在较大的偏差。并把该结论应用到广东省某高速公路的圆管涵实际资料解释中,有效地解答了实测资料解释中遇到的问题,并对GPR工程实测过程中天线频率的选取提出了有益建议。     

油烟管道清洗机器人关键技术研究

为了改善传统人工清洗油烟管道的工作环境,提高油烟管道清洗行业的自动化水平.文章基于ARM9嵌入式系统,构造了油烟管道清洗机器人系统,该系统在ARM处理器下使用Visual C++开发了机器人控制软件.通过对机器人外部的机械结构进行了研究设计,实现了油烟管道清洗机器人整体的设计,该机器人结构简单,控制系统可靠,完成了自动化清洗的要求,为管道清洗机器人的进一步研究提供了平台.