基于多任务目标检测的条形码倾斜矫正算法研究

条形码识别技术在日常工作中发挥着巨大作用,尤其是在智能物流包裹分拣领域。该技术主要分为三个部分:条形码检测、矫正和译码。目前条形码检测和译码技术较为成熟,而在条形码倾斜矫正技术上研究效果一般。为提升条形码矫正效果,设计一种矫正算法。先对条形码倾斜程度进行分类,再进行角度回归,有效降低条形码矫正任务难度;并将该算法与单阶段检测器融合构成多任务目标检测算法,协同促进发挥检测和矫正的作用。实验表明:余弦距离角度损失函数更加适合角度回归任务,针对条形码倾斜程度分类有助于提升条形码矫正效果。与其他相关算法对比,该算法在矫正准确率、实际译码率和速度上均取得最优的效果。     

基于卷积神经网络的脐橙果梗脐部检测算法及应用

脐橙瑕疵检测突出问题是脐橙的果梗、脐部与瑕疵难以区分。针对这一问题,提出一种利用深度学习物体检测技术对脐橙的果梗脐部进行检测的算法。该模型以顺序卷积与跳跃式卷积共同提取深度特征;融合注意力机制加强待检测物体位置权重,在权重重分配的特征层上进行多尺度上下层信息融合,使用融合后的特征层进行默认框提取;对训练得到的模型进行模型压缩,进一步提升模型时间性能。实验结果表明,基于该模型能够准确实时识别定位出果梗、脐部不会与瑕疵产生误判,模型检测正确检测率达到90.6%,单幅图片预测时间降低为15 ms。     

基于ARM核芯片的嵌入式电动头性能测试系统

 为满足核电站对电动头性能定期检测和实时监控的需要,采用“一加四”的结构形式,研发了一套基于ARM核芯片的嵌入式电动头性能测试系统．系统采用AT91M55800A作为MCU,μc／os—Ⅰ作为RTOS,同时配套研制了一套自标定系统以较正转矩传感器的误差,提高测试精度．通过长时间运行表明,该系统具有高精度、高可靠性、强实时性以及良好性价比等特点．     

自适应带宽均值移动算法及目标跟踪

首先提出了一种经典均值移动算法的推广算法,即自适应带宽均值移动算法,进而提出了基于自适应带宽均值移动的二维视频目标跟踪算法（ABMSOT）.前者提出了在带宽自适应情况下均值移动算法求取局部极值的框架步骤,后者可实时跟踪目标的位置、大小和方向.在ABMSOT算法中,目标模型和候选模型采用自适应带宽核函数加权特征直方图描述,目标模型和候选模型的相似性采用Bhattacharyya系数度量;通过迭代两步法搜索到目标最有可能的位置、大小和方向.第一步执行一次均值移动迭代搜索目标位置,第二步计算出最能描述目标区域大小和方向的带宽矩阵.从理论上证明了两个算法的收敛性,并通过实验证明了ABMSOT算法能实时跟踪目标的位置、大小和方向.     

基于U-Net网络的QR码褶皱恢复算法

在智能物流分拣系统中常常利用工业相机捕捉快递面单上的QR码图片,继而完成识别工作.然而现实场景下,QR码标签普遍会出现弯曲褶皱情况,影响QR码信息的读取,所以为提升整个系统中QR码识别效果,通常需要将包裹上的褶皱QR码标签平整化.鉴于深度学习在图像算法各领域取得的非凡效果,研究一种基于U-Net网络的褶皱QR码恢复模型,通过添加平移不变损失和对抗损失,它可以直接预测褶皱图片到矫正图片的归一化坐标映射矩阵,并通过简单运算得到矫正图片.另外,由于现实中难以获取满足模型训练的大量已标注数据,利用2D扭曲的方法创建一万张褶皱QR码图片的合成数据集.在最终测试数据上的实验显示,上述模型可以有效的解决褶皱QR码的矫正恢复问题.     

基于直线段检测的SIM卡槽图像中切割线定位算法

针对由视觉引导激光切割手机卡(Subscriber identification module,SIM)卡槽的需求,提出了一种检测特定位置直线段边缘 结构的算法。该算法充分利用图像梯度模值和方向信息,将图像中相邻像素梯度模值差值作为寻找种子点时的判定条件,同时将图像中相邻像素梯度角度差值作为区域增长的判定条件,以此得到直线段候选区域,然后利用图像梯度模值作为权重拟合直线段。实验证明该算法具有检测精度高、鲁棒性好、计算量小的优点,可以满足工业检测的应用需求。     

基于卷积通道剪枝与多任务的脐橙分级算法

为实现脐橙品质的快速、准确分级,提出一种同时具有高准确度与高速度的算法。该算法基于高效卷积神经网络(Convolution Neural Network, CNN)设计神经网络结构,结合通道剪枝方法进行推断速度优化。为提升脐橙分级效果,算法采用多任务学习方式,先进行分类,再根据分类结果,让适合回归的种类回归出其瑕疵面积占表面积的比例,为此设计多任务加权损失函数,采用损失函数超参数自适应学习策略,平衡分类与回归的性能。实验表明：该算法在评价指标上取得了最优效果。通道剪枝让模型在CPU下推断速度提升200%,达到90幅/秒的处理速度,准确率仅仅下降2.37百分点。与其他经典模型相比,最好的实验模型准确率可达94.05%。     

应用小波变换剔除超声多重反射的研究

利用小波变换具有空间局部化的特性和表征信号奇异性的能力,在适当尺度下刻画待检对象表面第1次超声回波信号的极大值点,从中选择最大值点作为脉冲重复频率(PRF)技术“与操作”的基准点,以满足PRF技术在消除超声多重反射时对“与操作”基准点需高精度定位的要求,从而解决传统方法对检测设备和操作条件严格一致的弊端。计算机仿真与实验研究表明提出的方法是可行的,并具有较强的鲁棒性和适用性。     

应用小波分析提取故障诊断信号的特定频段

在总结小波分析对信号特定频段提取技术(定义方法、组合小波方法、多分辨率分析方法、小波包方法)，以及对这些技术的有效件、适应性进行比较的基础上，通过仿真试验实现了对合成信号的频率分解，达到和FFT相类似的效果，同时，把基于小波分析的频段提取技术应用到旋转机械的故障诊断中，分析结果表明该技术可以有效地实现有用频段的提取和干扰频段的抑制。     

基于多尺度特征的条形码快速检测算法

为提升在复杂环境下智能物流分拣系统中条形码检测的精度和速度,提出一种基于多尺度特征的条形码快速检测算法。采用深度学习中主流one-stage目标检测器作为基础框架,通过级联不同特征融合层和压缩层实现语义信息充分提取,在不同特征提取层分别嵌入膨胀卷积和深度可分离卷积,对特征提取效果和速度进行有效优化提升。将算法应用于实际分拣现场数据进行测试分析,与已有的YoLo-v3和Vgg-SSD网络等进行对比,该算法在准确度和速度方面具有明显优势,能够较好解决实际应用问题。