基于KNN算法的不良步态分类

针对不良的步态会对下肢的关节产生不利的影响(加重行走的负担,能量消耗过快等),以及加重患病的风险,提出了利用KNN(k-nearest neighbor)算法对足外8和足内8两种不良步态与正常步态(对照组)进行分类学习,获取分类模型.三种步态的三维步态数据是从17名受试者在正常行走期间通过3D运动捕捉系统获得的,KNN模型对三种步态识别的总正确率为81.7％,对足外8步态的正确率为92.8％以及足内8的正确率为91.0％.模型的正确率较为准确,可以为矫正不良步态提供有力支持、减少不良步态的检测成本.     

一种基于YOLO算法的口罩佩戴检测研究

介绍了机器学习的基本概念和常见类别(有监督学习、无监督学习、强化学习),介绍了深度学习的概念、基本技术以及它与机器学习的关系,研究了基于神经网络的的YOLO算法在实际生活中的应用,如检测目标人物是否佩戴口罩,并对实际模型的性能进行评估及模型优化方向作思考.     

3D视觉和扫描技术在内星轮冷精整生产中抓取和测量应用实例

在传统工业生产快速朝着智能化和数字化转型发展的今天,各类智能化技术层出不穷;随着近些年3D视觉以及3D扫描技术的不断发展和成熟,相关的技术也越来越多的被运用到智慧物流、快速扫描测量、AI等领域;3D视觉技术能帮助传统工业机器人完成更加复杂的动作,并通过算法实现深度学习,并具备快速计算运动路径的能力;比如依靠3D视觉技术,实现工业机器人对于上、下料动作路径的运算,实现物料的无序抓取,被抓取的物料可以随机无需排列摆放,这在以往工业运用中是难以实现的。     

一种改进启发式算法在解决组合优化问题中的应用

启发式算法是解决组合优化问题的良策,介绍了一种改进的启发式算法和该算法在解决组合优化相关问题上的应用,分析该算法的详细流程,并通过仿真实验验证该算法的性能,并对其优势和不足进行了分析。     

岩移沉降观测中数据缺失的一种估算方法

在矿区的岩移沉降观测过程中,由于环境、人为等原因导致观测数据缺失问题,损害了整体观测数据的完整性,影响后续沉降趋势预测.文中提出了一种最大期望算法,通过计算极大似然估计,交替执行E步和M步,最终得到观测缺失数据填补值.利用某矿区实测数据进行实验,对比分析发现最大期望算法对缺失数据填补更接近实际测量值,在实际应用中有一定参考价值.     

面向分拣机器人的珍珠形状视觉检测方法

针对人工进行珍珠形状分拣效率低、精度不稳定等问题,提出基于机器视觉的珍珠形状检测方法;采用背光成像方式消除珍珠表面纹理和光泽的影响,对获取的珍珠图像进行同态滤波等预处理算法,提高图像对比度;为了解决相互接触珍珠影响珍珠轮廓提取的问题,采用分水岭算法对珍珠图像进行分割,得到了独立存在的珍珠个体,再通过连通域标记、质心算法对珍珠进行定位;根据国家标准对珍珠形状的规定,基于珍珠图像信息建立珍珠形状参数模型,对珍珠形状进行量化;实验结果表明,不同形状的珍珠样本的检测误差为0.63%,形状统计精度为100%,算法耗时24 ms;该方法可准确高效地对珍珠进行分拣分级,具有一定的实用价值。     

基于K-means和SOM的水下传感器数据采集方法

随着海洋资源勘探和海洋污染物监控工作的开展，水文数据的监测和采集等已经成为重要的研究方向。其中，水下无线传感器网络在水文数据采集过程中起着举足轻重的作用。本文研究的是水下无线传感器二维监测网络模型中，传感器节点数据采集的问题，其设计方法是通过自组织映射（Self-organizing mapping，SOM）对传感器节点进行路径最优化处理，结合优化的路径图形和K-means算法找到路径内部聚合点，利用聚合点和传感器的节点得到传感器通信半径内的数据采集点，最后通过SOM得到水下机器人（Autonomous underwater vehicle，AUV）到各个数据采集点采集数据的最优路径。经过实验验证，在水下1 200 m×1 750 m范围内布置52个传感器节点的情景下，数据采集点相比于传感器节点路径规划采用相同的采集顺序得到的路径优化了6.7%；对数据采集点重新进行自组织路径规划得到的路径比传感器结点路径的最优解提高了12.2%。增加传感器节点的数量，其结果也大致相同，因此采用该方法可以提高水下机器人采集数据的效率。