一种煤矸石优化识别方法

针对输送带磨损造成煤矸石图像目标检测不准确、影响煤矸石识别准确率等问题,提出了一种煤矸石优化识别方法。采集的图像经过裁切、去噪、灰度化等预处理后,利用训练好的CornerNet-Squeeze深度学习模型判断图像中是否存在待检测的煤或矸石,若存在则定位煤或矸石在图像中的位置,有效降低目标检测时输送带背景干扰;对定位区域进行灰度直方图分析,依据图像灰度直方图的三阶矩特征参数对煤矸石进行分类,判定是煤还是矸石,提高识别准确率。实验结果表明,该方法识别准确率为91.3%,单张图像识别时间为41ms,具有较高的识别准确率和较好的实时性。     

煤矸石图像分类方法

针对人工排矸法、机械湿选法、γ射线分选法等传统煤矸石分选方法无法兼顾快速高效性、安全无害性、简单操作性的问题,提出了基于机器视觉的煤矸石图像分类方法。对煤矸石图像进行增强、平滑去噪等预处理,采用基于距离变换的分水岭算法实现煤矸石图像分割提取。针对煤矸石分割图像,选取煤矸石图像的HOG特征及灰度共生矩阵,分别以支持向量机、随机森林、K近邻算法作为分类器进行基于特征提取的煤矸石分类识别;分别建立浅层卷积神经网络和基于ImageNet数据集预训练的VGG16网络,进行基于卷积神经网络的煤矸石分类识别。研究结果表明,基于VGG16网络的煤矸石图像分类方法准确率最高为99.7%,高于基于特征提取方法的91.9%和基于浅层卷积神经网络方法的92.5%。     

基于机器视觉的多机械臂煤矸石分拣机器人系统研究

现有煤矸石分拣方法主要是根据煤和岩石的纹理特征值,利用图像处理和模式识别技术对煤矸石进行识别分选,分选的煤矸石粒度为25～150mm,而对于150mm以上的煤矸石仍依靠人工进行分选。为了对大粒度煤矸石进行分拣,设计了一种基于机器视觉的多机械臂煤矸石分拣机器人系统。该系统采用机器视觉采集煤矸石信息,应用深度学习方法实现煤矸石识别和抓取特征提取;在获取煤矸石序列信息后,根据煤矸石位置进行排序工作,并通过多目标任务分配策略将抓取任务下达给相应机械臂控制器;机械臂获取任务后,根据获得的任务对目标进行动态监测,当目标进入机械臂工作空间后由视觉伺服系统驱动机械臂完成煤矸石分拣。试验结果表明,该系统可对粒度为50～260mm的煤矸石进行高效、快速分拣,所采用的煤矸石识别方法和分拣策略在不同带速下具有良好的稳定性和准确性,煤矸识别与定位的综合准确率可达93%,验证了该系统的可行性。     

基于长短期存储的聚合增强型煤矸石视频识别模型

采用煤矸石图像识别技术进行煤矸石识别会错过一些关键目标的识别。视频目标识别模型比图像目标识别模型更贴近煤矸石识别分选场景需求,对视频数据中的煤矸石特征可以进行更广泛、更有深度的提取。但目前煤矸石视频目标识别技术未考虑视频帧重复性、帧间相似性、关键帧偶然性对模型性能的影响。针对上述问题,提出了一种基于长短期存储（LSS）的聚合增强型煤矸石视频识别模型。首先,采用关键帧与非关键帧对海量信息进行初筛。对煤矸石视频帧序列进行多帧聚合,通过时空关系网络（TRN）将关键帧与相邻帧特征信息相聚合,建立长期视频帧和短期视频帧,在不丢失关键特征信息的同时减少模型计算量。然后,采用语义相似性权重、可学习权重和感兴趣区域（ROI）相似性权重融合的注意力机制,对长期视频帧、短期视频帧与关键帧之间的特征进行权重再分配。最后,设计用于存储增强的LSS模块,对长期视频帧与短期视频帧进行有效特征存储,并在关键帧识别时加以融合,增强关键帧特征的表征能力,以实现煤矸石识别。基于枣泉选煤厂自建煤矸石视频数据集对该模型进行实验验证,结果表明：相较于记忆增强全局-局部聚合（MEGA）网络、基于流引导的特征聚合视频目标检测（FG...     

图像增强的智能变电站表盘识别方法研究

针对传统变电站表盘识别方法误差较大的问题,设计了 一种新型表盘图像识别方法,通过直方图均衡算法对CMOS采集的变电站表盘图像信息进行处理,提高图像对比度,使表盘图像识别更加精准,利用高效(Hough)变换指针检测法减少表盘识别过程中产生的误差,使识别误差波形更加稳定,保证表盘识别数据的准确性.最后通过Visual计算机仿真软件对本研究与传统方法进行误差分析仿真比较发现,本研究误差波形更加稳定,基本稳定在0.2％,传统识别方法在0.1％～0.8％之间波动,证明了本设计方法的可行性.     

基于人耳生物特征的身份识别

人耳识别技术的研究与应用在个体生物特征识别范围属于一种新的尝试.本文首先讨论了人耳识别技术的可行性及其特点,介绍了基于二维灰度图像、3D深度图像和耳纹图像的人耳自动识别方法,并重点对静态人耳图像识别方法进行了总结.最后针对人耳识别技术中的一些关键性问题,如人耳特征信息的提取、人耳图像的遮挡与缺损处理、人耳识别方法以及人耳图像库的构建进行了探讨,提出一些解决问题的思路.     

基于人工智能的三维多媒体视觉图像识别研究

为解决传统图像识别方法在实际应用中对三维多媒体视觉图像正确识别个数较少,无法满足高精度识别需要问题,开展基于人工智能的三维多媒体视觉图像识别研究。提取三维多媒体视觉图像特征,识别图像变化特征,基于人工智能完成图像特征识别。通过实验进一步证明,设计的识别方法与传统识别方法相比,有效提高了对图像的正确识别率,实现对三维多媒体视觉图像的高精度识别。     

基于多特征融合和卷积神经网络的植物叶片识别

植物叶片识别是植物自动分类识别研究的重要分支和热点,利用卷积神经网络进行图像分类研究已成为主流.为了提高植物叶片识别准确率,提出了基于多特征融合和卷积神经网络的植物叶片图像识别方法.首先对植物叶片图像进行预处理,提取LBP特征和Gabor特征,将多特征相加融合输入网络进行训练,使用卷积神经网络(AlexNet)构架作为分类器,利用全连接层对植物叶片进行识别.为了避免过拟合现象,使用"dropout"方法训练卷积神经网络,通过调节学习率、dropout值、迭代次数优化模型.实验结果表明,基于多特征融合的卷积神经网络植物叶片识别方法对Flavia数据库32种叶片和MEW2014数据库189种叶片识别分类效果较好,平均正确识别率分别为93.25％和96.37％,相比一般的卷积神经网络识别方法,该方法可以提高植物叶片的识别准确率,鲁棒性更强.     

基于Zernike矩快速算法的步态识别

在图像识别问题的研究中,步态识别是生物识别领域较活跃的研究课题,在视频监控等方面有广阔的应用前景.为提高轮廓识别精度和准确性,提出一种提取步态序列图像关键帧的特征并进行身份识别的方法,用来提高图像的精确性.首先把序列图像的人体部分模板化,然后利用q-递归算法计算关键帧的Zernike矩值、对序列图像进行矩特征描述,利用PCA变换进行特征数据的降维,利用支持向量机(SVM)等方法对数据进行分类.对不同的Zernike矩阶数、不同的训练方法、识别方法进行实验,并对识别结果进行分析比较.仿真实验结果证明了特征提取方法的有效性.     

遥感测绘图像特征智能识别技术

为提高遥感测绘图像特征智能识别的平均识别率，研究一种遥感测绘图像特征智能识别技术。首先采用Malcov随机场模型描述纹理特征，选取有代表性的特征提取图像特征点，对特征向量进行降序，得到一个全新的特征向量集合，然后对特征向量进行归一化，提出一种基于大数据集域的快速自适应图像特征计算识别方法，实现智能系统对遥感测绘图像特征识别。结果显示此次研究的遥感测绘图像特征智能识别技术能够有效提高图像的平均识别率，并减少图像识别时间，具有一定应用价值。     

基于随机森林的综放工作面煤矸图像识别

针对目前综放工作面煤矸图像识别方法存在的参数调节难度高、预测准确率低、易过拟合等问题,提出了一种基于随机森林(RF)算法的综放工作面煤矸图像识别方法。以担水沟煤矿6203综放工作面为工程背景,采集放煤口的煤矸图像并对其进行裁剪、灰度转化、对比度增强、图像滤波预处理;采用灰度-梯度共生矩阵提取出15个煤矸图像纹理特征;采用RF算法对15个煤矸纹理特征的重要性进行排序,并选取前5个实现降维处理,分析降维前后RF算法对煤矸图像的识别效果。结果表明,在决策树个数为150、采用log2^M+1方法计算每次分裂时的特征数情况下,降维后RF模型的煤矸分类准确率为97%,比降维前提高4%,煤矸分类查准率为0.98,查全率为0.96,且袋外错误经50次迭代达到9%,泛化能力更强。     

基于红外热像检测的截齿煤岩截割特性与闪温分析

为实现采煤机截割过程中煤岩界面的精确动态识别,对采煤机截齿截割煤岩过程中的红外热像特性以及瞬态闪温差异进行研究,建立采煤机截齿煤岩截割试验台,分析得到截齿截割煤、岩过程中的温度演化规律及闪温特征.研究结果表明,截齿截割煤、岩过程中在齿尖一侧均产生突兀的点状闪温区,截岩时高温区范围与闪温瞬态峰值明显大于截煤过程,其二者峰值差与采煤机牵引速度及滚筒转速成正比,且煤岩硬度差异越大,截齿温度场峰值差越明显.研究结果为实现煤岩界面动态识别提供了重要的理论及数值依据.     

一种基于纹理特征的笔迹鉴别方法

介绍了一种基于纹理特征的笔迹识别方法。把手写笔迹图像作为一种纹理看待,从而将笔迹识别问题转化为纹理识别问题。笔迹图像预处理采用基于像素点的切割方法,通过实验证明该方法可以较为完整的保存纹理信息。对于预处理后的纹理图像,再利用纹理处理技术和数学方法提取笔迹纹理特征,设计Gabor滤波器对特征图像鉴别,所有过程均使用MATLAB编程仿真实现。试验结果表明采用纹理识别的方法简单,避免了由于文字数量、纸张材质、字体颜色等因素的影响,显著提高了识别的准确度和笔迹识别应用的广度。     

图像处理在矿井瓦斯监控中的应用研究

针对目前煤矿采掘工作面便携式瓦斯报警仪监控过程中存在繁琐、枯燥的现场报数问题,提出了采用摄像机对便携式瓦斯报警仪进行实时监控并对监控视频图像序列进行图像处理和识别的方法;详细介绍了瓦斯浓度自动识别过程中的图像预处理、边缘检测和瓦斯浓度示数区域分割方法,即采用图像灰度化法和中值滤波法对监控图像进行预处理,分别使用Roberts边缘算子、Prewitt边缘算子、Sobel边缘算子对瓦斯浓度示数区域的图像边缘进行提取,通过Hough变换对瓦斯浓度示数区域附近的边缘直线进行检测,实现对目标图像的分割。     

Image identification and segmentation according to random-field models

Some images have texture variations which are most easily characterized by random-field models. The identification of the model which evoked a given such image is described. The method involves a readily computable criterion which is a refinement of those previously used for image identification. The general method is also shown to be suitable for the more specialized problem of image segmentation, a preprocessing operation fundamental to many techniques in artificial intelligence.     

基于LabVIEW的辨识仿真实验平台

论文介绍了用LabVIEW软件设计一种新的辨识仿真实验平台的原理、方法及其结构和功能特点。文中所开发的实验平台是集软件、硬件一体，能实现实时采样、数据处理、辨识、仿真等功能的实验系统。LabVIEW是开发虚拟仪器的一个常用软件。通过LabVIEW设计了程序的主要逻辑流程、与实际系统的硬件I／O接口和辨识仿真平台的用户界面；利用MATLAB语言设计辨识、仿真算法；并设计了远程访问等功能。利用该平台所作实验、仿真和分析结果证明了该平台是进行辨识实验研究的一种实用有效的工具，可供给工程研究和教学实验之用。     

基于方向图和Gabor滤波的指纹预处理算法

指纹图像在预处理过程中往往受多方面因素制约,有时无法满足指纹识别系统的要求。本文在传统指纹预处理算法基础上,给出一种有效的指纹预处理改进算法。首先,采用分块方差梯度分割算法分离指纹图像和背景区;再根据指纹特征,用方向图和均值滤波器进行图像增强,并用简化的Gabor滤波器,改进滤波模板滤除边缘模糊效应。二值化、细化并删除伪特征点后,提取出指纹脊线骨架并获得指纹特征点。实验表明,该预处理算法对不同质量的指纹图像均具有较好效果,算法灵活高效、易于实现、精确度高,达到了指纹识别系统的要求。     

基于计算机视觉的建筑施工期临时结构损伤识别方法

建筑施工临时结构是施工现场的事故主要风险源。以往的基于振动的临时结构监测方法依赖于在预先分析确定的监测关键部位放置的加速度传感器。但由于临时结构存在构件搭设不规范、施工现场不确定性等因素,通过有限元分析等手段得到的监测关键部位可能与实际情况相差较大,存在不确定性。为此提出一种基于欧拉运动放大算法的临时结构损伤识别方法,充分利用计算机视觉技术的全域覆盖及监测高效的优点。采用数码摄像机采集临时结构的数字图像序列,经过基于相位的欧拉运动放大算法处理,获取运动放大后的数字图像序列;运用 Canny 边缘识别算法获取边缘图像序列并消除运动放大造成的噪声,通过基于形心的运动跟踪算法获取临时结构的位移时程数据,并利用快速傅里叶变换进行频谱分析;与预先建立的损伤动力指纹库进行对比判断临时结构的损伤状态。以存在 10 种损伤状态的门式脚手架为测试对象,证明该方法的可行性与适用性。与加速度传感器测量进行对比,该方法平均误差为 0.95%,满足临时结构损伤状态识别的精度要求。     

模型辨识新方法及应用

本文提出了一种有效的模型辨识新方法，为了提高数值稳定性和计算效率，本文给出了一种递阶最大信息量（ＡＩＣ）新判据和参数估计新方法，使单输出系统的极大似然方法及模型辨识的优选判据计算量成倍减少，通过分析量系统的ＡＩＣ标准，本文进一步导出了多输出情况下的ＡＩＣ标准，大大提高了计算效率。