排序方式: 共有23条查询结果,搜索用时 119 毫秒
1.
针对目前人工选茧误选率高、效率低的问题,本文以上车茧、黄斑茧、烂茧为研究对象,提出一种基于多尺度色彩恢复算法与注意力机制的群体蚕茧智能识别算法。首先,将原始图像进行低通滤波,并乘以色彩恢复因子,在多尺度内恢复蚕茧色彩与表面细节信息,得到多尺度高频细节图像。其次,通过修改YOLOv3算法主干特征提取网络中的残差层引入注意力机制,对卷积后特征图中的分支特征重新标定,增大有效特征的权重。最后,在非极大值抑制算法基础上增加一项得分与相邻框重合度计算过程,筛除YOLOv3后期无效预测框,实现群体蚕茧种类识别。实验结果表明,本文算法的均值平均精度达到85.52%,相较于YOLOv3增加4.85%。 相似文献
2.
目的 在机器视觉的蚕茧分选研究中,完整的表面图像有利于提高蚕茧的识别准确度。由于蚕茧的形状呈长椭圆形,其在成像面上的投影存在信息压缩,需对其图像展开后才能进行拼接,因此提出了一种基于等效阶梯柱面模型的蚕茧表面图像展开方法。方法 对采集到的蚕茧图像预处理后进行椭圆拟合,根据拟合结果建立蚕茧的数学模型,基于微积分化曲为直的思想,将蚕茧模型转化为等效阶梯柱面模型,建立相应的坐标系,推导出阶梯柱面模型展开图与原图的像素坐标映射关系,进而实现蚕茧表面图像的展开。结果 对比本文方法与采用蚕茧最大半径值的柱面展开方法对阶梯柱面模型表面图像的展开结果,评价两种展开方法方格左上角的坐标值与理论值之间的平均绝对误差,本文方法为1.66像素,对比方法为3.06像素。说明本文方法得到的坐标值与理论值的拟合程度更高,绝对误差范围和平均误差值更小。此外,对展开的蚕茧表面图像进行重复部分拼接实验,拼接后图像重叠处及重叠区域边缘的蚕茧表面纹理连续性保持良好。结论 等效阶梯柱面展开方法可以有效的实现蚕茧表面图像展开,还原其表面原始信息,为后续蚕茧表面图像完整拼接提供良好的技术支撑。 相似文献
3.
4.
针对桩护壁表面图像纹理复杂、裂缝对比度低,图像拍摄角度及距离不固定导致绝对阈值无法适用等问题,提出一种基于机器视觉的桩护壁裂缝检测方法。利用像素点互补算法增强图像裂缝的对比度,利用相位角及灰度分布改进Canny算子来抑制图像背景中干扰物的边缘点,并根据裂缝特性设置多个相对阈值过滤噪声,通过预测裂缝发展趋势对裂缝进行补全。实验结果表明,该方法能够较好地检测和标识桩护壁裂缝区域,并且对传统建筑表面的裂缝检测同样适用。 相似文献
5.
单片机项目化实习教学的探索 总被引:1,自引:0,他引:1
邵铁锋 《电气电子教学学报》2008,30(5):58-59
本文针对现阶段单片机教学进行了分析,提出了目前教学在学生设计能力培养等方面的不足。结合我校工程训练中心的实际情况,在原有电子实习的基础上,增加单片机项目化实习内容。实践证明,该方案有利于培养学生现代设计意识及创新能力,提高了现有单片机教学的质量。 相似文献
6.
针对现有生丝抱合性能人工检测精准性差,判断标准无客观量化指标等问题,提出一种基于机器视觉的生丝抱合性能检测方法。首先对采集的生丝图像进行二值化处理、干扰信息去除、图像填充、生丝边缘检测,获得单像素生丝边缘特征。然后通过计算生丝径向上、下边缘像素点的直线距离,得到生丝直径相对变化值,根据生丝直径变化的轴向长度确定开裂区域。最后利用开裂区域大于6 mm时对应的生丝抱合摩擦次数表征生丝抱合性能。结果表明,通过该检测方法测得的200组生丝的直径值与显微镜测得的直径值相比,误差均在5%以内,可满足生丝抱合性能检测需求。 相似文献
7.
8.
针对目前桑蚕茧解舒检验缫丝控制仪存在自动化程度低、检验数据存储分散等问题,设计了一种面向云存储的桑蚕茧解舒检验系统。云存储平台采用4层架构设计,为实现解舒检验数据海量存储与共享提供标准化调用接口。下位机以STM32为主控芯片采集缫丝机上传感器信号,通过串口通信协议实时传输小?转数,吊糙次数,添绪次数至上位机。上位机采集下位机传输信号并实时处理,定时触发相机采集绪下茧图像,通过图像处理算法自动识别绪下茧粒数,将所有数据计算后传输至云存储平台。结果表明,该系统可实现绪下茧粒数识别以及解舒检验数据采集、计算、存储与共享,提高了解舒检验效率,可在各纤维检验所所推广应用。 相似文献
9.
根据JJF1059——1999《测量不确定度评定与表示》、中国实验室国家认可委员会文件CNAL/AG07:2002《化学分析中不确定度的评估指南》,把涤/棉混纺织物纤维含量分析方法作为经验方法处理,对T/C60/40布的分析结果的不确定度进行评定。 相似文献
10.
介绍了一种新型大柔性灵巧手指,该手指弯曲性能好、易于控制但数学建模复杂.基于BP神经网络基本理论,建立预测该手指弯曲角度的BP神经网络模型.通过大柔性灵巧手指弯曲特性实验获得样本数据,借助于MATLAB仿真软件中的神经网络工具箱作为开发平台,将实验样本数据用于BP网络训练.利用训练好的BP网络模型对手指弯曲角度进行预测,预测误差范围控制在3%以内.研究结果表明:这种神经网络模型能够准确预测手指的弯曲角度. 相似文献