一种显微图像处理与识别系统

用DSP技术对显微图像进行处理和分析，能有效地协助诊断诸如各种癌和肿瘤等多种病症．本文介绍了癌细胞显微图像的四种识别方案，即形态学识别、模糊模式识别、色度学识别、体视学方法，并进行了相关的实验，得到了较好的效果，为生物三维形态的定量研究提供了方法。     

图像识别与纺织品检验

综述了目前国内外计算机图像识别技术在纺织行业中的应用，总结了计算机图像识别的常用方法，以期为织物疵点计算机图像处理分析提供参考。     

应用聚类和证据理论实现变电站保护压板状态校核EI北大核心CSCD

针对目前人工校核保护压板效率低、图像识别易受光照条件影响的问题,提出了一种基于聚类和D-S证据理论的变电站保护压板状态校核方法。首先对压板图像进行聚类分割,按行检查压板图像像素量和边界点,重新分割异常压板。根据压板在投、退状态下的形态特征,构造压板状态指标作为证据,分析了光照、透视变形因素对压板识别的影响。最后,将多个状态指标依据证据理论进行融合,减少个体指标的不确定性影响。结果表明,所提方法在光照条件不良情况下仍能正确识别压板状态,性能优于单一判据及多判据表决方法。     

样本熵融合聚类算法的森林火灾图像识别研究

针对森林火灾图像识别中遇到的漏检和误检等问题,提出了一种基于K-Means聚类下样本熵值判别算法。算法先将采集到的森林火灾图像进行色域空间转换,降低了视觉偏差在图像识别过程中的影响。然后采用K-Means聚类算法,通过HSV分量的欧氏距离准则,对火灾预期出现的图像子集进行聚类。在此基础上,通过样本熵对聚类后的图像子集权重进行辨别,区分类火灾区域和火灾区域的熵值统计差异,确认聚类筛选出来的图像子集是否存在火灾。实验结果表明,采用样本熵融合K-Means聚类算法对森林火灾图像识别能够有效提高识别正确率。经过60幅图像的检测,全部图像的火灾区域识别正确率提高到96.67%,平均识别时间为16.03 s。由于本算法具有较强的鲁棒性和便捷性,能够适应复杂背景下火灾区域识别工作,相对于传统K-Means算法具有更好的检测效果。     

人工智能技术在电网智能化检修中的应用探索

保障电力安全稳定供应成为了当前电力企业重要的工作之一.针对电网检修如何从传统检修方式向智能化检修转变进行了论述,首先从电网检修现状分析电网智能化检修发展的必要性与迫切性,然后对电网智能化检修所涉及的图像识别、语音识别等几类主要人工智能技术进行了阐述,最后对人工智能技术在电网智能化检修中的应用进行了探索分析.结果表明,人工智能技术能够提高电网检修工作效率,降低电网检修安全风险,保障人员生命安全和减少电力企业经济损失,是未来电网智能化检修必经的发展之路。     

深度学习在输电线路工程验收智能缺陷识别中的应用

输电线路项目工程验收是工程建设过程中关键阶段之一,同时也是最后检验工程建设是否符合施工质量和设计指标的重要环节之一,输电线路工程覆盖面广风险因素复杂,因此输电线路工程的验收工作对电网的可靠稳定及安全有着重大意义,验收的工作效率及水平也关系到工程是否能按进度投产及减少运行单位巡检维护该项目的成本。针对如何提高输电线路工程验收工作效率、保证验收质量,提出了无人机立体智能验收应用平台,针对人工识别缺陷图像工作量大、效率低等问题,在输电线路工程验收缺陷识别模块中引入了深度学习技术,通过整合优化的R-FCN(Region-based Fully Convolutional Network)图像识别算法来对采集图像进行学习识别,实验证明该算法对常见典型缺陷如绝缘子自爆、异物鸟巢等准确率平均达到了90%,基本达到实用化水平,大大提高了验收图像缺陷识别的效率,提升了验收工作效率,保证了验收质量和准确度,在降低用人成本的同时实现线路工程验收智能化。     

基于改进RPN网络的电力设备图像识别方法研究

针对Faster RCNN算法在电力设备状态图像处理过程中生成的Anchor与目标设备不匹配而导致的设备识别率降低的问题,提出了一种基于连通域预处理的Faster RCNN的改进模型。依据像素值相近及位置相邻原则构建连通域,将连通域的长宽比作为输入信息对RPN(region proposal network,RPN)的Anchor面积框进行修正,以此提高Anchor boxes与目标设备的匹配度。实验结果表明:识别区域与目标设备面积的进一步匹配避免了多余锚框网络计算量,该方法对目标设备误识别率由改进前的2.2%下降到1.9%,降幅达14%,同时其计算效率较传统Faster RCNN算法提高6.7%。在非格式化图像数据快速增加背景下,文章所提方法对于提高电力设备状态图像的识别和处理具有重要意义。     

FPGA双线性插值图像变换系统的设计与实现

运动目标模拟作为一种系统仿真技术是研究图像的检测、跟踪以及图像导引装备的基础技术.该设计通过FPGA对输入图像的实时运算实现对图像的缩放、平移、旋转等变换,并在VGA监视器上显示,为图像识别、跟踪提供背景模拟.在FPGA中实现实时算法使得系统不再依赖DSP进行信号处理,大大降低了成本并缩减了系统体积.     

基于计算机图像识别技术的坯布疵点检测研究

提出了一种新的坯布疵点检测方法:利用布匹图像的自相关函数所提取织物的纹理单元作为分割窗口,建立正常纹理与异常纹理2类样本;应用Fisher分类器,通过对布匹图像以纹理单元为单位逐次扫描进行2类判别,经过图像运算将正常类纹理单元消除,得到疵点的待测图像;再采用一些图像运算处理技术检出疵点并进行评分.进行了相应的软件编程,实验结果显示疵点识别率可达94%.     

基于嵌入式系统和图像识别的拉索表面缺陷检测技术

以关系桥梁安全健康的拉索表面缺陷检测作为研究内容,针对国内对拉索表面保护材料层的两种检测方法的不足,设计了以嵌入式DSP为核心的扫描采集和缺陷检测系统,包括图像采集机构,DSP硬件平台、爬行运动机构以及损伤定位机构;提出了基于图像的快速识别拉索表面缺陷的检测识别方法,包括图像截取、滤波降噪.图像分割、缺陷识别,并加以算法实现.实验结果表明,该方法不仅实现了拉索表面缺陷的实时检测,同时系统指标达到:最小识别面积为1cm2,图像实时处理速度为10cm/3s.