基于WinCE的嵌入式图像采集系统设计

介绍了一种基于嵌入式图像采集与传输的方案,完成了基本的硬件设计和软件开发。硬件方面采用了USB摄像头与S3C2440处理器组成嵌入式图像采集装置,并通过以太网连接宿主机;软件方面分为系统软件的移植和应用软件的开发。系统软件包含ARM平台的BOOTLOADER和嵌入式WinCE系统的定制和移植,以及摄像球驱动的开发;应用软件包括图像采集模块设计和图像传输模块设计。经测试,该系统具有体积小,稳定性高和快速开发的优点。     

改进的神经网络算法及其在油层识别中的应用

利用BP人工神经网络建立了油气水层的解释模型 ,给出了改进的BP训练算法 ,应用这种神经网络油气水层解释模型适时评价了新井 10 6层数据 ,经试油验证 2 2层 ,其中 19层符合 ,解释符合率为 86 3% ,网络模型识别率为 10 0 % ;在同样精度下 ,改进算法学习时间是BP算法的 4 7% ,且系统稳定。改进的神经网络算法是一种有效综合解释油气水层的新方法 ,具有学习、记忆、自适应等功能 ,可最大限度地综合运用多项原始资料 ,具有其他解释方法不可比拟的优点 ,为录井综合解释提供了一条切实可行的新途径     

基于变分光流的三维运动检测与稠密结构重建

提出了一种基于变分理论的由稠密光流检测图像中目标物体三维运动与结构的直接方法。首先在透视投影模型下将目标物体的三维运动参数与图像光流联系起来,构建了一个未知量是三维运动参数的能量函数,然后使用变分方法直接求出图像中目标运动物体的三维运动参数,最后由求出的三维运动参数恢复物体表面的三维稠密结构及图像光流。该方法在对目标物体进行三维运动检测时省略了"光流计算"这一中间过程,避免了图像光流计算给三维运动检测结果带来的误差影响和时间消耗。多组实验证明该算法具有较高的计算精度、较好的鲁棒性和较快的计算效率。     

基于GoogLeNet的稻米品种识别与碎米检测

稻米是我国人民食用的主要粮食作物,因此稻米的品种识别与质量检测有着重要的意义。在以前,通常使用的是人工的方式用眼睛观察来识别不同品种的稻米,这种方法效率低下,而且容易受主观的影响导致识别出错,从而影响准确率。本文基于MATLAB平台设计一套稻米品种识别系统,首先使用图像处理将实际拍摄稻米图片进行目标检测和提取,再采用迁移学习的方式训练GoogLeNet深度神经网络模型对稻米图片进行识别,该模型还能检测出每一粒稻米是否为整精米,且识别准确率可达到96.46%。在相同训练参数下对比VGG19训练结果,验证精度提高1.46%,调整数据量探究其对模型性能影响,模型准确率随着数据集增大而提高,精度维持在94.17%以上。