基于机器视觉的轮胎表面缺陷检测系统的研究与应用

在传统的轮胎表面缺陷依靠人工检测,存在劳动强度高、受人的主观影响大以及效率低下的问题。针对这一现象,研究了一种基于机器视觉的轮胎表面缺陷3D检测系统。该系统依靠机器视觉系统获取检测轮胎的表面图像,然后创建3D模型、判定缺陷类型,最终实现实时自动预警,为轮胎生产商提供一种自动化检测方案。系统集成了先进的技术、软件和工具,配套的信息管控系统可以对轮胎型号和生产数据进行采集、存储、分析,以便在生产过程中实现更高效、更可靠的质量控制,具有较高的实际应用推广价值。     

基于图像分割技术的图像数字水印算法研究

针对数字图像水印技术,通过对闭运算得到的图像再进行开运算,使实验得到的图像区域较为完整,采用4×4的正方形结构元素,使得图像区域有更多的白色像素被置为黑色,对图像进行取反操作,能够对图像区域的非连通区域进行填充.希望能够利用精确的图像分割算法,实现对复杂版面的文档图像的有效切割,在一定程度上对图像数字水印的推广起到促进作用.     

异种铁素体耐热钢接头界面组织及其影响

综述了铁素体与铁素体异种金属焊缝（dissimilar metal welds，DMWs）接头界面组织及其影响。结果表明，在焊后热处理或运行温度下的铁素体钢DMWs接头的不均匀界面组织中，通常会形成脱碳层和增碳层。在铁素体钢DMWs焊接接头界面组织影响因素中，焊缝金属的化学成分有重要影响；焊后热处理规范（温度和时间）、工作温度下运行时间的影响较为突出；焊接工艺参数的影响亦不可忽略。异种钢接头界面处近缝区裂纹的产生，以及接头的蠕变强度随Larson Miller 参数增大而下降等不利影响，均为异种钢界面碳迁移行为所导致。焊缝成分控制法是接头界面组织控制或改善的必要条件，而脱碳层部位转移法能有效防止裂纹发生，亦是接头安全运行的重要工艺措施之一。     

印刷电路板缺陷检测的实际应用

电路板在我们的日常生活中非常常见,这就使得印刷电路板的缺陷检测显得尤为重要。AOI作为新兴的检测PCB板缺陷的系统,在生产实际中正在被大家熟知并且应用。相较于传统的检测方式,AOI系统比较灵活,无论是在检测时间还是系统运算上,或者是对相关技术人员的要求相较于传统方式都比较有优势,本文就AOI系统在实际中的应用展开讨论,分析并且介绍了在实际应用中的具体细则。     

蒸汽直接接触间歇凝结界面行为及压力振荡研究进展

间歇凝结由于具有过冷水周期性进入蒸汽管并排出的特点而不同于蒸汽直接接触凝结的其他流型,该过程伴随汽液界面瞬时热质传递和强湍流。文中主要从典型周期内凝结汽液界面演变过程、压力振荡以及热量传递三个方面进行回顾和评述,就间歇凝结的时空演变而言,可大致分为5个典型阶段,即汽泡增长、汽泡破裂、过冷水被吸入蒸汽管、管内凝结以及蒸汽再次喷出。在压力振荡方面,间歇凝结压力瞬变从负峰值开始后进行正弦波动,并具有低频高振幅的特性。目前,关于汽液界面瞬时传热方面的研究仍有较大提升空间,与之相关的界面传热系数大多通过简化模型获得。此外,在展望部分还对微通道条件下间歇凝结在电器元件高效散热领域的最新应用进行了简要评述。     

生物光声成像中声反射伪影抑制方法的研究进展

生物光声成像(Photoacoustic Imaging,PAI)是一种新型的无创复合功能成像方法.生物组织不均匀的声学特性会使超声波在组织界面处发生反射,导致重建图像中存在伪影和失真,降低图像质量和成像深度.文中综述了目前抑制PAI声反射伪影的主要方法,包括延迟相减法、基于杂波去相关理论的方法、短滞后空间相干法、基于深度学习的方法、光声引导聚焦超声法、基于超声平面波模型的方法和多波长激励的方法等,详细介绍各方法的原理,分析其优势和不足,并展望未来的研究趋势.     

测试轻松做 英语学习更给力

小学英语老师常常会给家长留一些作业,让家长给孩子出英汉连线题、选择题等,并对测验结果进行评判。这下可把家长忙坏了,不光是出题,还得判题。能不能让电脑来自动完成这项任务呢?当然可以!安装Snap!by Lectora插件到PPT中,利用它就能轻松实现上述任务,让孩子在轻松快乐的环境中高效学习英语。     

基于深度学习的秀丽隐杆线虫显微图像分割方法

利用计算机实现自动、准确的秀丽隐杆线虫(C.elegans)的各项形态学参数分析,至关重要的是从显微图像上分割出线虫体态,但由于显微镜下的图像噪声较多,线虫边缘像素与周围环境相似,而且线虫的体态具有鞭毛和其他附着物需要分离,多方面因素导致设计一个鲁棒性的C.elegans分割算法仍然面临着挑战。针对这些问题,提出了一种基于深度学习的线虫分割方法,通过训练掩模区域卷积神经网络(Mask R-CNN)学习线虫形态特征实现自动分割。首先,通过改进多级特征池化将高级语义特征与低级边缘特征融合,结合大幅度软最大损失(LMSL)损失算法改进损失计算;然后,改进非极大值抑制;最后,引入全连接融合分支等方法对分割结果进行进一步优化。实验结果表明,相比原始的Mask R-CNN,该方法平均精确率(AP)提升了4.3个百分点,平均交并比(mIOU)提升了4个百分点。表明所提出的深度学习分割方法能够有效提高分割准确率,在显微图像中更加精确地分割出线虫体。