一种基于机器视觉的试卷分数智能识别系统设计

针对目前学校试卷分数人工试卷检查的速度慢、效率低、容易出错等问题,提出了一种基于机器视觉技术的试卷分数智能识别检测系统。通过开发的试卷分数轮廓边缘提取算法,对试卷不同尺寸大小的分数字体轮廓进行识别,结合文字OCR识别算子实现对试卷分数的快速识别和检测。通过对试卷分数识别试验可以得出,该系统能快速的识别试卷不同尺寸大小的分数,且具体效率高、准确率高等特点,具有较大的应用推广价值。     

基于机器视觉的螺纹参数综合测量系统的设计

传统的螺纹检测技术工序复杂、效率低、成本高,已不能满足现代工业高效发展的需求,因此要建立一套以机器视觉识别技术为核心的视觉传感和图像处理系统,利用CCD 获取螺纹基本图像,并通过图像的平滑、边缘检测、二值化处理及轮廓提取,对螺纹轮廓进行分析,从中测量出螺纹的几何参数。探讨了利用机器视觉对螺纹牙形角参数进行测量的方法,并给出最后的测量结果。从理论和实践上证明了该方法的可行性和正确性。     

机械零件检测中的彩色图像边缘检测研究与仿真

彩色图像边缘检测是计算机视觉系统中非常重要的技术环节。该文对基于颜色融合和基于多维梯度的检测方法进行了分析,利用MATLAB进行了仿真实验,并对仿真结果进行了比对分析。实验表明:基于结构张量的多维梯度方法检测效果较优,但计算开销较大。该结论为进一步研究机器视觉系统中机械零件的轮廓尺寸测量提供了参考。     

基于视觉传感器的道路前方车辆模型研究

车辆几何模型是基于视觉传感器的车辆检测系统的重要部分。为了提高前方车辆检测的鲁棒性,利用车尾轮廓的几何特征构建了世界坐标系的车尾模型,通过坐标系变换给出了视觉传感器坐标系的车尾模型,进而导出图像车尾模型,并给出了车尾模型参数的表达式及其与现实世界中车尾几何参数的对应关系,明确建立了图像中车辆位置和大小的关系。实验表明:将该模型应用于车辆检测可以抑制图像中不符合车辆透视关系的错误识别,能有效提高车辆检测的鲁棒性。     

一种基于颜色拮抗感受野的轮廓检测模型

轮廓检测在目标识别、图像分割和模式识别等图像分析领域有着非常重要的意义。根据视觉的生物学原理,研究人员已提出了针对灰度图像的轮廓检测方法,并取得了较好的检测结果。但是,颜色信息可以表示出图像的大部分信息,在轮廓检测中发挥的作用不可忽视。杨开富等人提出的CO模型可以较好地提取图像中的目标轮廓,但该模型的计算效率还有待提高。文中提出一种轮廓检测模型CRFM(Color-opponent Receptive Field Model),该模型依据视觉信息处理机制,分别模拟视网膜神经节细胞和外侧膝状体细胞感受野的响应。此外,CRFM采用两个不同尺度的高斯偏导函数之差来模拟初级视皮层细胞的颜色双拮抗感受野响应,拟合视觉特征,且由于模拟双拮抗感受野的滤波器通常产生较小的数值,因此加快了其与图像信息卷积的计算速度,降低了运行开销。利用BSDS300数据库的图像进行实验,结果表明,CRFM模型能够获得较好的轮廓检测效果,且具有较CO模型更高的执行效率,具有较好的实用性。     

基于．NET气门尺寸检测系统软件架构设计

光学非接触检测是随着机械制造技术、计算机视觉技术、图像处理技术等发展而出现的新兴检测技术。传统人工手段对气门尺寸的检测往往存在效率低、可靠性差、检测精度不高、成本高、容易出错等弊端,采用光学非接触检测技术不仅可以提高检测的效率、精度和可靠性,同时可以降低成本和出错率。文中在阐述了系统的硬件结构和基本工作原理的基础上,通过分析实际生产需求,结合．NET技术框架,提出了符合实际需求的检测系统总体架构,并开发了汽车发动机气门尺寸自动检测系统,实现了系统各个功能模块并合理地解决了模块之间的联系,通过高精度算法检测出零件参数。该系统已应用于实际生产中,取得不错的效果。     

计算机视觉下的车辆目标检测算法综述

车辆目标检测是基于计算机视觉的目标检测领域的一个重要应用领域,近年来随着深度学习在图像分类方面取得的巨大进展,机器视觉技术结合深度学习方法的车辆目标检测算法逐渐成为该领域的研究重点和热点。介绍了基于机器视觉的车辆目标检测的任务、难点与发展现状,以及深度学习方法中几种具有代表性的卷积神经网络模型,通过这些网络模型衍生出的two stage、one stage车辆目标检测算法和用于模型训练的相关数据集与检测效果评价标准,对其存在的问题及未来可能的发展方向进行了讨论。     

面向单向器星轮自动化装配的视觉检测定位

针对传统单向器星轮人工装配效率低下问题,分析了单向器星轮装配过程,构建了基于计算机视觉技术的工业机器人自动化装配方案;首先利用CCD摄像机捕捉星轮表面形貌图像,然后利用Open CV视觉库进行了摄像机标定,再结合图像噪声去除,Hough圆检测,轮廓提取等技术,实现了星轮位姿的非接触式视觉检测;最后以单向器为例验证了该检测方法的有效性,机器人通过视觉获取的星轮位姿信息完成自动化装配.     

模板匹配算法在动车零部件故障检测系统中的应用

针对动车零部件丢失、松动的故障,设计了一套采用自动视频图像识别技术进行故障自动检测的系统;在图像处理这一重要环节中,采用了基于轮廓的模板匹配算法对动车零部件是否松动、是否丢失的故障进行检测。阐述了动车零部件故障检测系统架构、各部分的实现并提出了基于轮廓的模板匹配零部件检测方法,并从对图像进行预处理、确定零部件的特征区域到设置最小分值过程进行了详细阐述。应用过程表明,应用模板匹配算法对动车零部件故障检测能够达到预期的效果。     

目标轮廓检测技术新进展

轮廓检测是计算机视觉研究领域中最基础、最重要、最具挑战的问题之一.随着近年来深度学习的发展,视觉领域的其他研究方向取得了突破,例如目标检测、实例分割,这些逐渐证明了轮廓检测与其他研究方向的密切关系,因此轮廓检测任务也受到了越来越广泛的关注.文中讨论了多个主体内容,不仅包括对现有轮廓检测算法的细致回顾,而且根据轮廓检测提取特征的特点将其分为3个阶段即低层、中层和高层来介绍,还包括对应用到的数据集、性能评估指标、模型结构和模型细节、轮廓检测的应用及结果的应用进行详细分析,对轮廓检测发展进行了深入介绍.最后,还对轮廓检测所面临的挑战和未来趋势进行了分析和预测,以期为该领域后续的研究提供新思路及参考.     

面向轨道分割与侵入物检测的多任务学习

轨道车智能防护会涉及轨道车侵入物检测与行驶区域分割任务,在深度学习领域已有针对各任务的算法,却无法很好满足多任务情形时的需求.该算法使用轻量级卷积神经网络(CNN)作为编码器提取特征图,随之将特征图送到两个基于one-stage检测网络的解码器中,进而完成各自的任务.不同级别和尺度的语义特征在编码器输出的特征图中被融合,良好地完成像素级语义预测,在检测和分割效果上有明显提升.采用本算法的设备将掌握对新目标的识别检测判断与追踪,为提升轨道车行驶安全做出保障.     

轨道病害视觉检测：背景、方法与趋势

铁路作为国家重要基础设施、国民经济大动脉和大众化运输方式,对社会经济发展起着不可替代的支撑作用。轨道是铁路系统的重要组件,轨道病害检测是铁路工务部门的核心业务。传统的人工巡检不仅费时费力,而且检测结果容易受到各种主观因素的影响。因此,自动化轨道病害检测对维护铁路运输安全具有重要的现实意义。考虑到视觉检测在速度、成本和可视化等方面的优势,本文聚焦于轨道病害视觉检测技术。首先以广泛应用的无砟轨道为例介绍轨道的基本结构,对常见的轨道表观病害进行样例展示、成因分析和影响评价;简要梳理常见的自动化轨道检测技术的基本原理和应用场景,对轨道病害视觉检测面临的图像质量不均、可用特征较少和模型更新困难等主要挑战进行归纳;然后,依照前景模型、背景模型、盲源分离模型及深度学习模型的分类逻辑对轨道病害视觉检测领域的研究现状进行综述,简要介绍了各类方法的代表性工作,总结了各类方法的技术特点与应用局限性;最后,针对智能化铁路的发展需求,展望了未来轨道病害视觉检测技术的研究趋势,即利用小样本/零样本学习、多任务学习与多源异构数据融合等技术手段来解决当前视觉检测系统中的鲁棒性弱、虚警率高等问题。     

基于改进YOLOv3的高铁异物入侵检测算法

针对传统铁路异物检测方法中实时性不高、检测精度不够的问题,提出一种基于YOLOv3网络的高铁异物入侵的检测算法.为提高YOLOv3网络对图片特征的利用能力,利用可切换空洞卷积替代特征提取网络中的前四个3×3卷积,增加了卷积的感受野.然后为提升小物体检测精度,改进FPN结构,从YOLOv3特征提取网络中第二次下采样输出的...     

基于图像识别技术的轨道交通缺陷检测研究

传统人工巡检轨道交通缺陷存在效率低、误差大等缺点,运用综合轨道检查车(CTIV)为检测平台,建立了一种车载式轨道交通图像识别智能巡检系统。利用CTIV采集连续轨道边界框图像建立数据集,在C++中使用应用程序开发框架(QT)设计了可视化数据标注的定制软件工具。通过全卷积网络(FCN)建立了多任务学习扩展网络架构,结合多个...     

基于改进卷积神经网络的铁轨伤损图像识别

铁轨探伤技术的可靠性关系到铁路运行的安全性。分析BP神经网络、卷积神经网络算法在图片识别中的优势,提出一种结合BP、卷积网络的新算法应用于铁轨伤损检测。改进算法利用卷积神经网络对铁轨样本进行特征提取,仅一次前向运算获得低维度铁轨图,再由BP神经网络对低维度铁轨图特征进行分类训练与测试。实验结果表明,改进算法在已训练好的模型测试中得到较好的误差收敛曲线与较高的测试精度,与BP算法、卷积算法相比,该算法训练时间更少,对铁轨伤损图片识别效果更好,在铁轨伤损检测方面有较好的应用前景。     

钢轨焊头平直度检测系统的抑振研究

伴随着高速铁路的快速发展,无缝钢轨的生产与检查维护是必不可少的工作,其中钢轨焊头平直度检测是很重要的一个环节.研究了基于激光相机的钢轨焊头平直度检测中的机械振动抑制.在该检测系统中,由于系统机械结构的振动对相机检测数据的影响,导致检测结果不准确.针对这一问题,采用基于有限时间Laplace变换的输入整形方法,通过抑制系统的残余振动,减少了检测信号中的噪声干扰,缩短了系统的稳定时间,降低了数据处理的复杂度,提高了系统的检测效率并且提高了系统数据处理结果的精确度.     

基于卷积神经网络的铁轨路牌识别方法

轨道交通在我国综合交通运输体系中占有重要的地位,随着人工智能的发展,智能感知轨道交通周围环境的信息也变得越来越引人注目.本文结合深度学习与图像处理的方法,设计并实现了一种基于卷积神经网络的高铁轨道周边路牌数字识别的智能系统,该系统通过在高铁驾驶室内安装摄像头的方式采集运行前方的视频,并通过目标识别、语义分割等深度学习算法自动定位并识别路牌内的数字,从而解决了之前人工处理的繁琐和低效率.本算法整体系统由三个子模块构成,分别为目标检测模块、语义分割模块以及数字识别模块,其中目标检测模块基于SSD(Single shot MultiBox dector)模型,并对其进行了改进,使其更适用于轨道交通中的小目标识别;语义分割模块使用了全卷积的方式,对目标检测的结果进一步处理,准确得到路牌中的数字区域;数字识别模块的设计参考了著名的识别MNIST数据集的手写体识别系统,并针对路牌中数字的特点做了相应的改进,实现了对每个数字的准确识别.实验结果表明,本系统可适应白天、夜间情况下轨道交通的路况,识别的综合准确率为80.45%,其中,白天的平均识别准确率为87.98%,夜间的平均识别准确率为72.92%.     

基于计算机视觉的钢轨扣件螺母缺失检测系统

针对传统方法己经不能满足线路检修的需要,设计了一种基于计算机视觉的钢轨扣件螺母缺失检测系统,建立了钢轨扣件螺母缺失检测系统的系统框架,提出了一种基于特定区域像素点扫描统计的扣件定位算法,使用了主元分析法算法来提取扣件螺母特征向量,并利用最小距离分类器对扣件进行分类。实验结果表明,该系统能有效地自动识别钢轨扣件螺母是否缺失,能在一定程度上代替扣件系统螺母的人工巡检。     

高铁接触网异物侵入的机器视觉检测方法

接触网是沿铁路线上空架设的为电力机车供电的输电线路,接触网上附着的鸟巢等异物将对列车运行造成安全隐患。目前主要是通过人工检查的方式对接触网异物进行检测并清除,这种方式不仅成本高,效率低,往往不能及时排除安全隐患。为了对接触网异物进行及时有效的检测,同时降低人力成本,针对高铁运行环境的固定结构化特征,综合运用计算机视觉、深度学习等技术对铁路入侵异物进行实时检测。首先基于LSD直线段检测算法获取鸟巢可能出现的感兴趣区域;其次利用YOLOv3网络在ImageNet上进行训练得到一个预训练权重,并使用人工标注的数据集继续训练网络直到网络收敛;最后使用训练好的网络对感兴趣区域存在的鸟巢进行检测。实验结果表明,最终得到的平均检测精度为0.89,平均检测速度为38?f/s,可以实现对异物目标的准确实时检测。     

基于RPCA的皮革图像缺陷检测

提出了一种皮革视觉缺陷检测算法.通过分析皮革图像的低秩特征,将皮革图像缺陷检测问题转变为从低秩背景图像中分离稀疏矩阵图像.首先采用Gaussian高通滤波器对图像进行了预处理,然后利用鲁棒性主成成分分析(RPCA)对图像进行低秩稀疏分解,并采用效率较高的非精确增广拉格朗日乘子法(IALM)求解.对分解后的稀疏图像进行了后处理,最终在二值图像中获得缺陷的形状和位置.该算法的效率及准确率已经在实验中进行了验证,并与现有算法进行了比较.实验表明,该算法可以用来检测各种不同种类和大小的缺陷,检测准确率高且能够提供完整的缺陷掩模.