基于神经网络的IC芯片图形缺陷检测技术研究

基于卷积神经网络的IC芯片图形缺陷检测方法,针对具有缺陷特征的图形图像样本集进行机器深度学习训练,可实现对IC芯片图形中如断线、起泡、腐蚀、划痕、裂纹、污染、崩边等图形缺陷的识别和区分.实验证明,这种方法可用于集成电路芯片的图形缺陷测试.     

基于最优Gabor滤波与局部二值模式的物体表面缺陷检测

通过对物体表面缺陷的研究,提出一种新的缺陷检测方法。该方法首先利用Gabor滤波器组得到多尺度多方向的滤波图像,通过代价函数选取缺陷与非缺陷局部反差最大的图像通道作为最优滤波通道,在最优通道上用LBP算子进一步提取局部特征,最后用支持向量机对其进行分类检测。该方法应用于织布瑕疵和钕磁铁表面缺陷检测,与传统的Gabor滤波器等表面缺陷检测方法相比,具有更高的检测率。     

基于小波分析的倒装芯片主动红外缺陷检测

随着微电子技术的需求和发展,倒装芯片技术在高密度微型化封装领域得到了快速发展和广泛应用,而现有的一些倒装芯片检测方法存在一定的不足之处。为此,研究了主动红外的倒装芯片缺陷检测方法。实验中使用激光加热对倒装样片施加非接触热激励,通过红外热像仪获取样片温度分布。采用小波分析方法提取包括小波熵在内的信号特征,采用自组织神经网络对不同类型焊球进行聚类识别。研究表明,通过自组织神经网络可以有效地将不同缺陷焊球与参考焊球通过距离映射法映射到不同区域从而区分开,并且可以将未知焊球信号映射到相应的区域实现聚类识别。因此该方法可以有效实现倒装芯片的缺陷检测。     

基于主动红外的倒装芯片缺陷检测研究

传统的倒装芯片无损检测技术并不能完全满足倒装焊检测需要,为此提出了一种基于主动红外的倒装芯片缺陷检测方法。通过非接触方式对倒装芯片施加热激励,并结合红外测温设备检测芯片温度分布情况,从而对芯片内部缺陷进行诊断与识别。实验研究表明,该方法能较好地检测出倒装焊点缺陷,可应用于倒装焊芯片的缺陷检测与诊断研究。     

基于KPCA和LSSVM的表面缺陷深度识别

为了实现铝板表面缺陷智能识别分类,解决支持向量机在识别过程中准确率不高的问题,对核主成分分析(Kernel Principal Component Analysis,KPCA)和最小二乘支持向量机(Least Square Support Vector Ma-chine,LSSVM)在缺陷深度识别分类的应用进行了研究....     

基于F范数的二维主成分分析算法及焊缝表面缺陷识别研究

针对传统二维主成分分析(two-dimensional principal component analysis, 2DPCA)算法应用于焊缝表面缺陷识别中存在重构性能及鲁棒性较弱等问题,本文将最大化投影距离和最小化重构误差引入到目标函数中,提出了一种基于F范数的非贪婪二维主成分分析算法(non-greedy 2DPCA with F-norm, NG-2DPCA-F),该算法具有良好的鲁棒性和较低的重构误差。为了进一步提取图像的结构信息和求解出维数更小的特征矩阵,进而提出一种基于F范数的非贪婪双向二维主成分分析算法(non-greedy bilateral 2DPCA with F-norm, NG-B2DPCA-F)。最后,以含有不同噪声块的焊缝表面图像数据集进行实验,结果表明,本文所提算法在平均重构误差、重构图像与分类识别实验中均表现出良好的鲁棒性能。     

基于涡流脉冲热成像的焊缝表面多缺陷检测

焊缝表面气孔缺陷的存在减少了工件的有效截面积,降低了工件抵抗外载荷的能力,严重时会导致工件断裂,为此提出一种基于涡流脉冲热成像技术的焊缝表面多缺陷检测方法。首先,采用一种新型电磁传感器结构,通过涡流脉冲热成像原理对不同直径和深度的碳钢缺陷进行检测,并分析了图像序列中缺陷区域与非缺陷区域的温度信号;为了提高该检测系统的灵敏度,采用主成分分析方法对图像序列进行图像重构,增强原始图像中缺陷特征。最后,通过实验验证了该方法,实验结果表明该方法能够减小焊缝边缘效应的影响,实现对焊缝表面缺陷的大面积检测,并为红外热像仪提供一个开放的视野。     

基于组合矩的激光雷达距离像目标识别

激光成像雷达距离像与目标表面物理结构特性密切相关,体现目标的本质特征,是目标识别的主要研究方向。采用组合矩的神经网络方法进行了相干激光雷达距离像目标识别仿真研究。用Hu不变矩和仿射不变矩两者的低阶矩组合表示距离像目标区域特征,利用反向传播(BP)神经网络识别不同方位角的车辆。当视场角不变时,训练10个目标,每个目标取3～19个样本,在不同载噪比(CNR)情况下,分析Hu不变矩、仿射不变矩和两者组合矩的识别率。理论分析和仿真实验表明利用组合不变矩进行距离像目标识别性能优于单独利用其中一种不变矩。     

基于视频的施工升降机乘客头部识别方法研究

针对目前人数统计检测主要以人工为主,存在人为因素干扰的问题,提出一种基于视频处理的升降机内人数统计方法,本文主要对系统中头部识别方面进行了研究,利用模板匹配算法寻找视频帧中与模板相近的人头位置,针对出现的两种虚警误判,分别采用运动区域检测和Hu不变矩形状匹配进行去除。实验结果表明,利用该方法能够有效的去除虚警,符合实际应用需求。     

基于机器视觉的表贴芯片缺陷检测系统研究

基于表贴芯片缺陷检测的需要,设计了一种基于机器视觉的表贴芯片缺陷检测系统,并对该系统的硬件和软件部分作了简要介绍,重点研究了芯片的引脚边缘检测算法,在此基础上实现了芯片长度、宽度和间距等特征参数的提取。测试结果表明,该检测系统能达到在线生产的工艺要求。     

基于机器视觉的裸片表面缺陷在线检测研究

针对准确和实时检测裸片表面缺陷的需求,提出了一种基于线性判别分析(Linear Discriminant Analysis,LDA)和支持向量机(Support Vector Machine,SVM)的在线检测算法。首先,采用高斯滤波方法滤除裸片表面图像中的噪声;然后,提取裸片表面缺陷的Hu不变矩和方向梯度直方图(Histogram of Oriented Gradients,HOG)特征,采用LDA方法对特征进行降维;接着,在离线建模阶段,学习裸片表面正常模式的高斯混合模型(Gaussian Mixture Model,GMM),并学习各种缺陷模式的SVMs;最后,在线检测阶段使用GMM判断是否存在缺陷,使用K最近邻(K Nearest Neighbor,KNN)算法分类缺陷的模式。提出算法在采集的裸片数据库中得到了88.11%的检测准确率,单幅图像的平均检测时间为44.7 ms。实验结果表明,提出算法具有较高的检测准确性与实时性,可以应用到实际生产中的裸片表面缺陷在线检测。     

基于人工智能的网络智能化发展探讨

梳理了当前人工智能在通信领域的研究和应用进展,提出了中兴通讯基于人工智能的网络智能化解决方案。认为网络可以在网元智能、运维智能和业务智能3个层面引入人工智能(AI),并按照分层、按需、分阶段的引入原则,最终实现网络泛在智能。同时提出了一套多维度智能化分级标准,结合通信工作流程和智能化范围,将网络智能化水平分为5个等级,这将有助于网络逐步向目标架构演进。     

基于计算机网络技术的人工智能技术研究

随着互联网的高速发展,人们对计算机网络的使用越来越频繁,互联网已经深入影响到人们日常生活的各个方面。然而在网络使用的过程中产生的各种漏洞及一些其他因素导致的网络安全方面的问题时有发生,如何让网络在为人们提供高效、迅速服务的同时也能满足不同程度的安全问题,一直是业界研究的课题。文章将研究使用人工智能技术,将人工智能融入网络安全领域,这样不仅可以提高网络整体性能,而且在安全方面能得到有效可靠保障。Agent技术在人工智能中发挥着重要作用,不断促进着网络性能的提高。     

基于运营商大数据的人工智能技术研究

本文主要分析了运营商大数据平台发展，人工智能的主流技术，论述了人工智能产品在通信领域的应用研究，解决运营商在系统运维和客户服务等方案存在的问题     

基于射线检测的焊缝缺陷自动识别技术研究

本文介绍了射线检测的基本原理,分析了射线检测技术实现自动化的难点所在,分析焊缝检测图像的预处理过程和焊缝缺陷的特征提取方法,通过人工智能的方法实现了射线检测的焊缝缺陷自动识别,取得了良好的效果.本文的研究可以为无损检测技术的应用提供借鉴,具有一定的现实意义.     

人工智能可控性探究

由当前人工智能的某些不可控案例出发,联想到人工智能的脆弱性与不确定性,试探性地提出了提高人工智能可控性的方法。主要分为五个部分：第一部分首先简述人工智能的提出与发展;第二部分介绍聊天机器人以及其他人工智能产品的具体不可控案例;第三部分主要探讨人工智能技术脆弱性和不确定性的来源;第四部分提出提高人工智能可控性的几点建议,包括增强人工智能的场景感知能力、在系统架构中部署可控节点以及通过可控节点健全监管评估体系;第五部分描述人工智能技术在光电等领域的展望。     

本硕贯通的人工智能专业人才培养研究

人工智能专业人才培养是当下各高校大力发展的目标和研究热点问题。本文研究和分析了人工智能专业人才培养中主流模式和面对的主要问题,并结合实例提出了一种符合人工智能专业人才培养目标的本硕贯通的培养方式,分析了该方式的可行性和合理性,结果显示出该方式的有效性。     

基于人工智能的煤矿安全预警与预测研究

基于人工智能的煤矿安全预警与预测指通过数据的收集、处理和分析,结合各种人工智能算法和模型,实现对煤矿安全的实时监测、预警和预测。这不仅提供了一个全面的安全管理视角,而且有助于煤矿管理人员及早识别潜在的安全风险,采取预防措施并优化煤矿的安全管理策略。文中探讨了煤矿安全预警与预测的关键领域,包括数据收集与处理、人工智能算法与模型选择、事故风险评估与管理、人员定位与行为分析以及智能巡检与设备故障预测,同时分析了这些技术在实际应用中的效果以及对煤矿安全管理的重要意义。     

关于人工智能对用户QoE提升的若干思考

认为网络视频供应商也开始更加关注用户体验质量(QoE),但数据量大、个性化提升用户QoE困难等问题仍存在。梳理了人工智能(AI)提升大数据时代下用户QoE的系统化解决方案。以视频业务中的流媒体码率自适应任务为例,将基于用户行为分析的个性化QoE模型及时"反馈"到深度学习神经网络中,通过模型自适应决策和码率调节,实现用户QoE最大化。最后指出基于人工智能的QoE提升仍然存在一些挑战。     

基于大数据和人工智能进行网络舆情分析的研究

随着互联网、移动互联网、物联网、社交网络等技术和应用的兴起,媒体技术的革命正在造就一个全新的舆论环境,网上言论已达到前所未有的活跃程度,互联网日益成为社会各阶层利益表达、情感宣泄和思想碰撞的平台,进而产生巨大的舆论信息。面对网络上产生的海量信息数据,快速筛选出有用的网络舆情信息,通过网络舆情分析、监控民情意见、情感倾向,为相关部门提供及时的协助决策和分析结果,快速形成处理网络上突发性群体事件的可行性方案,是保障大数据舆论监督有效性的关键。文章提出了一种基于大数据云计算、信息预处理优化聚类算法及中文NLP(自然语言处理)情感倾向分析算法的人工智能网络舆情分析平台。加快有效信息的筛选速度及民情导向的分析速度,保证在海量网络数据的环境下,舆论监控工作的及时性和有效性。最后通过实验,与传统的统计式大数据信息分析系统进行比较,该方法具有信息收敛速度快、信息分析高效,可靠性高,特别是在做好重点关注领域的分类训练后,随着采集数据量的增长,对舆情导向分析结果也更准确。