基于改进Faster R-CNN的农田残膜识别方法

为了实现农田残膜的精准捡拾,提高残膜回收机的回收率.将改进Faster R-CNN卷积神经网络运用到农田残膜的识别检测中,提出了一种农田残膜的识别方法.以11MS-1850残膜回收机工作后遗留在农田表面的残膜为研究对象,分别在晴天、阴天不同时间段采集图像共计1648幅.通过更改图像亮度、旋转等方式扩充数据集,最终得到4950幅残膜样本图像,按照7:2:1划分为训练集(3465幅)、验证集(990幅)、测试集(495幅);采用双阈值算法替代传统的单阈值算法,降低了阈值对模型性能的影响;通过对比试验,选取具有残差网络结构的ResNet50作为主干特征提取网络,准确率可达88.84％,召回率为87.70％,总体精度为88.27％;为了使检测模型对小目标更加灵敏,根据数据集中残膜尺寸大小,在原有锚点基础上增加322和642的尺度参数,准确率、召回率、总体精度分别提升了1.29％、0.67％、0.97％,单幅检测时间为284.13 ms,基本满足了识别残膜的要求.可为残膜回收机加装补收装置提供参考,为研制人工智能残膜回收机提供理论基础.     

基于KNN分类器的分层图像特征提取

给出一种基于k最近邻分类器(KNN)的分层图像特征提取方法.该方法能有效地获得有代表性和判别性的模板集合,并以较低计算复杂度来获取更高的识别精度.     

基于MEMS传感器的助老型机构人体姿态识别方法

研究一种基于MEMS传感器的助老型机构人体姿态识别方法,通过对老人的坐起、卧起、走路、上下楼梯五个动作识别,验证该识别方法的有效性.将7个传感器模块置于老人的腰部、大腿、胳膊等部位,采用坐标变换的方法,将采集到的相关部位四元数信息转化到腰部坐标系下,并组建标准矩阵,提取标准矩阵的均值、方差等特征值,通过基于阈值的两层识别算法快速判断动作类型,并采用支持向量机融合多种特征值作对比实验.实验表明,使用融合后的特征,平均识别率提高了18.4％.本研究完成了老人日常生活中五个动作的识别.     

基于模拟机匣的中介轴承微弱故障特征提取技术

中介轴承是航空发动机支承传动系统中的重要零件，其运行状态直接影响航空发动机的工作状态和运行安全。围绕航空发动机中介轴承微弱故障特征信号提取的问题，以振动信号分析和处理为基础，开展航空发动机中介轴承微弱故障特征信号提取实验。仿照某型涡扇发动机机匣结构设计加工了模拟机匣，用来模拟振动信号的复杂传递路径。基于包络谱分析和经验模态分解（Empirical Mode Decomposition）包络谱分析处理振动信号，对比二者对滚动轴承微弱故障特征信号的提取效果。实验结果表明，在中介轴承微弱故障特征信号提取中，模拟机匣可以有效地模拟振动信号的复杂传递路径，EMD包络谱分析法比单一采用包络谱分析的方法能够更加明显有效地提取中介轴承微弱故障信号。     

基于主成分分析的叶片温度分布一致性研究

采用特征向量比对的方式进行研究.通过对叶片温度数据时域和频域空间特征提取,获得能够体现叶片温度分布信息的特征向量,并采用主成分分析(PCA)对特征向量进行去相关和降维,进而得到包含绝大部分叶片温度分布信息的低维特征向量.根据叶片温度特征向量与基准特征向量间的对比,评估叶片温度分布情况的一致性.实验结果表明,叶片的特征偏差均在5%以下,偏差较大的叶片数量占总量的5. 8%,该研究成果可以用于从温度特征上反映叶片工作状态,为叶片故障诊断及寿命预测提供基础.     

基于形态学的角膜地形图特征提取方法研究

提出了一种新的角膜地形图像特征提取算法。首先利用区域图像计算偏心率,用自适应确定同心圆的圆心,以此为极点将图像转至极坐标域,利用形态学的小尺度方形结构算子及图像的黑TOP-HAT变换补得到去除噪声后的滤波图像;其次利用给定方向上相距固定距离的点对腐蚀图像,按照方向强度确定出纹理直线的主要方向,利用开运算提取有效的线形特征;最后利用闭运算,对因内睫毛影响而损失的数据进行有效弥补,获得圆环边缘检测完整的结果图像。经多幅实验数据证明,该算法满足后续参数精确计算的要求,具有数据损失小,数据精度高,算法易实现的特点。     

基于改进的卷积神经网络图像识别方法

当前的图像特征识别大多采用的是传统的机器学习方法与卷积神经网络方法。传统的机器学习对图像识别的研究,特征提取多是通过人工完成,泛化能力不够强。最早的卷积神经网络也存在诸多缺陷,如硬件要求高,需要的训练样本量大,训练时间长。针对以上问题,提出了一种改进的神经网络模型,在LeNet-5模型的基础上并在保证识别率的情况下,简化网络结构,提高训练速度。将改进的网络结构在MINIST字符库上进行识别实验,分析网络结构在不同参量中的识别能力,并与传统算法进行对比分析。结果表明提出的改进结构在当前识别正确率上,明显高于传统的识别算法,为当前的图像识别提供新的参考。     

无线电监测中调制信号特征提取算法

针对传统调制信号特征提取算法在噪声环境下存在识别准确度低、分类效果差等问题，基于已有的调制 信号处理方法，提出一种新的无线电监测中调制信号特征提取算法。首先构建无线电监测中各类调制信号的 数学模型，以此为基础通过仿真得到信号瞬时幅值、瞬时相位及瞬时频率的特征。分析当前信号调制方式识别 各类算法的优缺点，采用小波变换完成调制信号的降噪处理与突变边界特征提取算法的设计，利用零中心归一 化瞬时幅度的谱密度最大特征提取算法以及核判别分析算法对各类调制信号进行逐层提取，实现了各类调制 信号的完整分类与提取，提升了噪声环境影响下的特征信号提取精度、且分类效果较好，为无线电监测中调制 信号特征提取提供了有利科学依据。     

基于盾构隧道环缝点云的中轴线提取方法

为了降低盾构隧道中轴线提取对原始点云预处理的要求,引入了点云特征提取方法。 首先, 以基于距离差特征的裂缝点云提取方法,识别盾构隧道管片拼接处的环缝点云;然后,以最小二乘 法对提取的环缝内散点进行环缝曲线拟合;最后,在环缝曲线的基础上提取隧道中轴线。 实验结果 表明:基于距离差特征的点云提取方法能够有效识别环缝点云,并在环缝点云的基础上拟合得到隧 道中轴线。 与传统提取方法相比,该方法更加快捷,且提取的中轴线更具有空间感。     

时空多特征流域场景模式库构建方法

通过构建流域时空场景表征水文事件，提出一种创新的时空多特征流域场景模式库构建方法。对水文原始数据进行事件化分割，去除场景要素数据的时空冗余；基于要素关联关系分析，以多类型方法构造场景要素的对应特征；通过特征选择算法，选取场景关键特征，实现场景初始化；以初始化场景为特征空间，通过聚类提取场景模式，完成场景模式库构建。试验结果表明，创新的时空多特征流域场景模式库构建方法能高效提取水文事件中关键的时空场景数据，挖掘场景模式，形成场景模式库，可以为小样本条件下的水文事件预测提供准确高效的结果。