圖像分析技術(shù)自動(dòng)識(shí)別織物的組織結(jié)構(gòu)

膠結(jié)充填膏體(cpb)、砂漿及混凝土等水泥基材料的力學(xué)強(qiáng)度取決于其微觀結(jié)構(gòu),如孔隙數(shù)量、孔徑及結(jié)構(gòu),顆粒及骨架的排列形態(tài)等。對(duì)于該類材料的力學(xué)強(qiáng)度與其孔隙結(jié)構(gòu)(如孔徑及其分布)的關(guān)系研究目前已有很多,但與微觀形態(tài)特征或紋理特性的相關(guān)性研究較少。紋理是一種反映圖像中同質(zhì)現(xiàn)象的視覺(jué)特征,體現(xiàn)了物體表面共有的內(nèi)在屬性,包含了物體表面結(jié)構(gòu)組織排列以及它們與周圍環(huán)境的聯(lián)系,是量化微觀形態(tài)特性的有效方法。在統(tǒng)計(jì)分析中,灰度共生矩陣(glcm)紋理和tamura紋理是表征紋理特征的最具代表性方法。本研究以3種不同質(zhì)量濃度膏體制備的充填體試塊為樣本,養(yǎng)護(hù)至指定齡期后經(jīng)單軸抗壓強(qiáng)度試驗(yàn)獲得其力學(xué)強(qiáng)度,再對(duì)試塊斷面進(jìn)行電鏡掃描(sem)獲得其微觀結(jié)構(gòu)圖像；基于圖像識(shí)別/分析技術(shù)提取sem圖像的紋理特征參數(shù),分析紋理特性與sem圖像參數(shù)(放大倍數(shù))間的關(guān)系,篩選出有效的sem圖像樣品；分析各紋理參數(shù)與膏體濃度的相關(guān)性,識(shí)別出與膏體濃度呈正相關(guān)的紋理參數(shù),并驗(yàn)證該紋理參數(shù)與力學(xué)強(qiáng)度存在嚴(yán)格的相關(guān)關(guān)系。

基于圖像的旋翼式水表指針讀數(shù)自動(dòng)識(shí)別研究

文章介紹了一種“基于數(shù)字圖像的多品種混流機(jī)器人噴漆自動(dòng)線的汽車車身自動(dòng)識(shí)別系統(tǒng)”。文中詳細(xì)說(shuō)明了自動(dòng)識(shí)別系統(tǒng)的總體方案和硬件結(jié)構(gòu);同時(shí)還詳細(xì)地介紹了系統(tǒng)的軟件總體結(jié)構(gòu)和車身識(shí)別處理模塊、車身產(chǎn)量統(tǒng)計(jì)模塊、車型特征數(shù)據(jù)庫(kù)模塊和系統(tǒng)維護(hù)模塊等四大功能模塊;本論文還對(duì)系統(tǒng)的功能、特點(diǎn)進(jìn)行了簡(jiǎn)要地介紹;同時(shí)還重點(diǎn)介紹了系統(tǒng)中基于運(yùn)動(dòng)圖像序列、基于神經(jīng)網(wǎng)絡(luò)、基于小波變換和基于loc算子等四種車型識(shí)別算法的特點(diǎn)。該識(shí)別系統(tǒng)已成功地應(yīng)用于生產(chǎn)實(shí)際,并且運(yùn)行穩(wěn)定可靠,提高了生產(chǎn)效率,具有一定的推廣應(yīng)用價(jià)值

針對(duì)航拍圖像中機(jī)場(chǎng)跑道的區(qū)域灰度特征和邊界直線特征,提出了一種基于直線特征的機(jī)場(chǎng)跑道自動(dòng)識(shí)別算法。首先對(duì)航拍圖像進(jìn)行邊緣檢測(cè);然后在歸一化的邊緣檢測(cè)幅度圖像中進(jìn)行直線提取,并對(duì)提取的直線進(jìn)行三次連接;再進(jìn)行機(jī)場(chǎng)跑道邊界平行直線對(duì)的提取;最后根據(jù)區(qū)域灰度特征對(duì)機(jī)場(chǎng)跑道區(qū)域進(jìn)行驗(yàn)證,完成機(jī)場(chǎng)跑道的識(shí)別和定位。大量實(shí)驗(yàn)結(jié)果表明,本算法對(duì)云層遮擋等具有較強(qiáng)的魯棒性,并且定位準(zhǔn)確,是一種有效的機(jī)場(chǎng)跑道識(shí)別算法。

水工建筑物是我國(guó)在水資源豐富的地區(qū)普遍存在的,其中金屬結(jié)構(gòu)也是工程中極其重要的組成部分.水工建筑物中的金屬結(jié)構(gòu)長(zhǎng)期接觸侵蝕性介質(zhì),遭受了不同程度的化學(xué)侵蝕,尤其是電化學(xué)侵蝕;同時(shí)它們還受到高速水流和風(fēng)浪的沖擊,容易造成沖撞破壞;此外泥沙還會(huì)對(duì)其產(chǎn)生沖刷作用,這些都是一些水工金屬結(jié)構(gòu)遭受破壞的原因之一.正是由于自然環(huán)境因素對(duì)水工金屬結(jié)構(gòu)所造成的損失和破壞如此巨大,如何對(duì)金屬結(jié)構(gòu)物進(jìn)行腐蝕情況的檢查鑒定、如何使得金屬結(jié)構(gòu)能夠長(zhǎng)效防腐,已成為人類越來(lái)越重視的方面,提高金屬結(jié)構(gòu)的腐蝕情況鑒定技術(shù)和抵抗腐蝕的能力成為當(dāng)務(wù)之急.

針對(duì)生產(chǎn)中內(nèi)螺紋難以快速自動(dòng)檢測(cè)問(wèn)題,提出了一種基于計(jì)算機(jī)視覺(jué)技術(shù)的內(nèi)螺紋非接觸式自動(dòng)檢測(cè)方法。采用數(shù)學(xué)形態(tài)學(xué)處理二值化后的內(nèi)螺紋圖像,消除了內(nèi)螺紋小徑圓弧邊緣缺口、裂縫及破洞等缺陷;然后應(yīng)用最小二乘圓擬合方法檢測(cè)內(nèi)螺紋小徑圓弧,得到精確的小徑半徑尺寸,以內(nèi)螺紋小徑的半徑尺寸差異為判別條件,開(kāi)發(fā)自動(dòng)檢測(cè)系統(tǒng),實(shí)現(xiàn)內(nèi)螺紋的準(zhǔn)確識(shí)別。實(shí)驗(yàn)結(jié)果表明,該系統(tǒng)檢測(cè)精度高、正確率高、速度快,能滿足內(nèi)螺紋生產(chǎn)自動(dòng)檢測(cè)的要求。

利用圖像處理技術(shù)和模式識(shí)別技術(shù),提出了一種基于影像的道路標(biāo)線自動(dòng)識(shí)別方法。實(shí)驗(yàn)結(jié)果表明,該算法速度快、準(zhǔn)確率高、適應(yīng)性強(qiáng)。

鋼筋自動(dòng)計(jì)數(shù)是鋼材生產(chǎn)中的一個(gè)難題?，F(xiàn)有的鋼筋自動(dòng)計(jì)數(shù)方法包括捆裝棒材的圖像計(jì)數(shù)和在線棒材的自動(dòng)計(jì)數(shù),它們的采集、處理方法有較大差別。本文對(duì)比分析了面積計(jì)數(shù)和模板計(jì)數(shù)這兩種方法,指出了它們各自存在的問(wèn)題以及需要完善和改進(jìn)之處。

車牌識(shí)別是一項(xiàng)以數(shù)字圖像處理、計(jì)算機(jī)視覺(jué)、模式識(shí)別、人工智能等多門學(xué)科為基礎(chǔ),對(duì)攝像機(jī)所拍攝的車輛圖像進(jìn)行分析,得到每輛汽車唯一的車牌號(hào)碼的技術(shù),是現(xiàn)代智能交通系統(tǒng)中的重要組成部分之一,應(yīng)用十分廣泛。本文設(shè)計(jì)了一種車牌識(shí)別系統(tǒng),此系統(tǒng)是在利用matlab圖像處理技術(shù)與模式識(shí)別中的模板匹配法識(shí)別出車牌號(hào)碼。此車牌識(shí)別系統(tǒng)經(jīng)多組實(shí)驗(yàn)測(cè)試,能識(shí)別出一般車輛的車牌號(hào)碼。

研究水利工程隱患準(zhǔn)確檢測(cè)問(wèn)題,提高監(jiān)測(cè)的準(zhǔn)確性受到監(jiān)測(cè)手段限制,而傳統(tǒng)水力工程隱患檢測(cè)是通過(guò)雷達(dá)成像獲取隱患區(qū)域圖像與正常區(qū)域圖像的像素特征差異轉(zhuǎn)化后的特征差異信號(hào)進(jìn)行檢測(cè),當(dāng)隱患區(qū)域與正常區(qū)域差異不明顯的時(shí)候,轉(zhuǎn)化后的特征差異信號(hào)很弱,會(huì)發(fā)生漏檢測(cè),造成檢測(cè)的準(zhǔn)確性不高。為了解決上述問(wèn)題,提出根據(jù)像素差異補(bǔ)償?shù)乃こ贪踩[患檢測(cè)算法,通過(guò)增加隱患區(qū)域與正常區(qū)域的像素差異的強(qiáng)度,補(bǔ)償由于外界環(huán)境因素造成的像素差異過(guò)小的弊端,增強(qiáng)轉(zhuǎn)化后的像素差異信號(hào)強(qiáng)度,進(jìn)而增加檢測(cè)的準(zhǔn)確性。實(shí)驗(yàn)表明,改進(jìn)方法能夠很好地補(bǔ)償像素差異信號(hào)的衰減,準(zhǔn)確檢測(cè)水利工程中的安全隱患。

在人工智能領(lǐng)域中,圖像識(shí)別技術(shù)是一種類似于人眼識(shí)別,基于圖像明顯特征的重要技術(shù),隨著我國(guó)信息時(shí)代的不斷發(fā)展,其在項(xiàng)目電子化招投標(biāo)工作中得到廣泛應(yīng)用。筆者從國(guó)內(nèi)外電子化招投標(biāo)的研究現(xiàn)狀著手,對(duì)圖像識(shí)別技術(shù)在招投標(biāo)過(guò)程中的應(yīng)用進(jìn)行了深入探討,以期為今后圖像識(shí)別技術(shù)在項(xiàng)目招投標(biāo)方面的應(yīng)用研究提供借鑒。

運(yùn)用信息融合技術(shù)進(jìn)行集裝箱號(hào)碼自動(dòng)識(shí)別系統(tǒng)的設(shè)計(jì)。根據(jù)集裝箱號(hào)碼的特性、組成規(guī)律及分布特點(diǎn),在預(yù)處理階段,采用了基于產(chǎn)生式規(guī)則的融合算法。該算法采用串行融合的方式并生成了一系列的規(guī)則,能夠快速準(zhǔn)確地輸出具有較高質(zhì)量的號(hào)碼分割圖,為后續(xù)的特征提取和號(hào)碼識(shí)別提供更精確的信息。使用了3種不同類型的特征提取方法,分別生成基于神經(jīng)網(wǎng)絡(luò)的分類器,并將各自的分類結(jié)果通過(guò)d-s證據(jù)理論進(jìn)行融合以完成最終的決策,提高了系統(tǒng)的識(shí)別率。該系統(tǒng)對(duì)光線與陰影具有較強(qiáng)的魯棒性,結(jié)構(gòu)簡(jiǎn)單、快捷有效,在實(shí)驗(yàn)中得到了滿意的效果。

基于數(shù)字圖像的檢測(cè)與處理技術(shù),提出了一種tfds系統(tǒng)心盤螺栓丟失故障的自動(dòng)識(shí)別方法:經(jīng)直方圖均衡化的預(yù)處理消除拍攝環(huán)境的影響,通過(guò)確定制動(dòng)梁的位置間接確定4個(gè)心盤螺栓所在的區(qū)域,由hough變換得到4個(gè)心盤螺栓所處的位置,進(jìn)而判斷螺栓是否丟失.算法設(shè)計(jì)綜合考慮了檢測(cè)技術(shù)的可靠性和算法運(yùn)行的速度,能夠很好地解決實(shí)際問(wèn)題.

基于圖像相關(guān)分析的土體剪切帶識(shí)別方法——提出了一種基于數(shù)字照相量測(cè)和圖像相關(guān)性分析技術(shù)的土體剪切帶識(shí)別方法。首先，在模型試驗(yàn)中，用數(shù)碼相機(jī)采集土體全程變形圖像序列；接著，在圖像全局觀測(cè)范圍內(nèi)粗略搜索到剪切帶發(fā)生的大致區(qū)域；然后，布置跨越剪切區(qū)...

首先分析了既有隧道襯砌裂縫檢測(cè)系統(tǒng)存在的問(wèn)題,然后應(yīng)用最新技術(shù)發(fā)展成果,提出基于圖像識(shí)別技術(shù)的隧道襯砌裂縫檢測(cè)系統(tǒng).該系統(tǒng)能對(duì)隧道襯砌圖像予以高速采集和存儲(chǔ),其后端采用基于深度學(xué)習(xí)的裂縫識(shí)別算法對(duì)海量的隧道襯砌圖像數(shù)據(jù)進(jìn)行快速識(shí)別,并提取裂縫特征參數(shù).將該系統(tǒng)安裝在現(xiàn)有軌道車上進(jìn)行了試驗(yàn),結(jié)果表明該系統(tǒng)可以50km/h的速度對(duì)1mm以上襯砌裂縫無(wú)遺漏采集.

文章首先簡(jiǎn)要分析了遠(yuǎn)程數(shù)字視頻監(jiān)控與圖像識(shí)別技術(shù),探討了其應(yīng)用現(xiàn)狀及基本圖像識(shí)別過(guò)程；用圖像識(shí)別技術(shù)識(shí)別了指針位置、7段式數(shù)字、設(shè)備信號(hào)燈等,并對(duì)識(shí)別過(guò)程作了簡(jiǎn)單介紹；最后指出了其在電力系統(tǒng)當(dāng)中的未來(lái)應(yīng)用前景。

基于道路圖像的交通標(biāo)志識(shí)別系統(tǒng)中,關(guān)鍵步驟之一是對(duì)圖像中的交通標(biāo)志能夠快速有效的識(shí)別.文中以具有字符信息的限速標(biāo)志為例,通過(guò)對(duì)提取的區(qū)域圖像進(jìn)行預(yù)處理、旋轉(zhuǎn)校正、字符分割和字符識(shí)別,實(shí)現(xiàn)了對(duì)交通標(biāo)志中字符信息的自動(dòng)識(shí)別.實(shí)驗(yàn)驗(yàn)證:該算法能有效地識(shí)別交通標(biāo)志中的字符信息.

建筑工程圖的計(jì)算機(jī)識(shí)別和理解技術(shù)是計(jì)算機(jī)應(yīng)用于工程方面的研究熱點(diǎn)之一。本文基于建筑工程矢量圖形文件(dxf文件),研究了建筑平面圖中建筑符號(hào)的特征,實(shí)現(xiàn)了通過(guò)特征匹配的方法自動(dòng)識(shí)別圖中的建筑符號(hào)及其相互關(guān)系。

基于圖像識(shí)別的PLC智能控制系統(tǒng)設(shè)計(jì)

通過(guò)對(duì)傾斜的dr圖像進(jìn)行圖像增強(qiáng)、二值化、傾斜校正、去毛刺、填補(bǔ)空洞、單字符分割和大小歸一化處理,分割出若干個(gè)大小相同的單字符圖像;然后通過(guò)訓(xùn)練45個(gè)支持向量機(jī)(svm),并得到各個(gè)支持向量機(jī)的判別函數(shù);利用這45個(gè)判別函數(shù)判別單字符圖像是哪個(gè)數(shù)字的圖像,并記下各個(gè)數(shù)字的得票數(shù),確定得票最多的數(shù)字即為單字符圖像對(duì)應(yīng)的數(shù)字。應(yīng)用microsoftvisualstudio2008軟件編寫了相關(guān)的計(jì)算程序。利用該程序進(jìn)行識(shí)別實(shí)驗(yàn)的結(jié)果表明,該方法能夠在dr圖像中貨車鑄件工件號(hào)呈傾斜情況下有效識(shí)別出貨車鑄件的工件號(hào)。

通過(guò)對(duì)傾斜的dr圖像進(jìn)行圖像增強(qiáng)、二值化、傾斜校正、去毛刺、填補(bǔ)空洞、單字符分割和大小歸一化處理,分割出若干個(gè)大小相同的單字符圖像；然后通過(guò)訓(xùn)練45個(gè)支持向量機(jī)(svm),并得到各個(gè)支持向量機(jī)的判別函數(shù)；利用這45個(gè)判別函數(shù)判別單字符圖像是哪個(gè)數(shù)字的圖像,并記下各個(gè)數(shù)字的得票數(shù),確定得票最多的數(shù)字即為單字符圖像對(duì)應(yīng)的數(shù)字.應(yīng)用microsoftvisualstudi02008軟件編寫了相關(guān)的計(jì)算程序.利用該程序進(jìn)行識(shí)別實(shí)驗(yàn)的結(jié)果表明,該方法能夠在dr圖像中貨車鑄件工件號(hào)呈傾斜情況下有效識(shí)別出貨車鑄件的工件號(hào).