铅酸蓄电池的失效机理及检测

本文在分析大量铅酸电池充放电曲线的基础上,开发了电池在线检测系统,通过对曲线特征值的比较,来反映电池的性能差异,电池性能判别准确。     

一种采用混合高斯模型与贝叶斯判别的彩色图像人脸检测方法

介绍了一种采用混合高斯模型与贝叶斯判别的彩色人脸检测方法。该方法首先利用图像的彩色信息以及人脸的基本特征信息来进行人脸粗检测,得到图像中的多个候选人脸区域;然后对训练图像集中的全部候选人脸区域进行判别特征分析和混合高斯建模;最后采用贝叶斯判别方法对候选人脸区域进行判决,得到人脸检测结果。实验结果显示该方法具有较好的推广效率和工程应用前景。     

基于电池综合特性的自动分选系统设计开发

多节锂离子电池串并成组使用非常广泛,电池组的性能取决于各节电池特性的一致性,但生产中要达到电池特性一致比较困难,因此需要对电池特性匹配分选.目前,电池生产厂家主要采用人工分选方式,效率低且质量难以保证.提出一种根据电池综合特性(充电曲线、放电曲线、内阻、容量、自放电率等)进行自动分选的配组方法,基于该方法可提高电池的分选效率和配组质量.     

铅酸蓄电池的失效机理及检测

本文在分析大量铅酸电池充放电曲线的基础上，开发了电池在线检测系统，通过对曲线特征值的比较，来反映电池的改善差异，电池性能判别准确。     

电导测试阀控密封铅蓄电池容量的新技术

近几年,阀控式铅蓄电池(也称VRLA电池)发展迅速,在通信电源领域中使用日益广泛。VRLA电池尽管一开始称为“免维护”电池,但实际这类电池其检测技术相对于开放式液体电池更为复杂。首先,从外观上不能发现内部故障,也不能通过测量电池比重判别电池好坏,其次,通过放电来检测电池的放电能力的方法,尽管十分有效,但实现起来却有难处,其三,对在线系统,采用放电方法也很危险,可能导致通信中断。是否有更为简单的测试VRLA的方法呢?     

基于HOG特征的织物瑕疵检测算法

传统织物瑕疵检测依赖人工,成本高且效率低.提出基于机器视觉和图像处理算法的织物瑕疵检测方法,采用方向梯度直方图描述织物纹理特征,通过计算局部区域的方向梯度直方图特征与无瑕疵织物图像特征的相似性来识别瑕疵,在织物图像数据集上的待测结果表明,此算法能够有效地提取出织物的瑕疵.     

基于昇腾NPU的癌细胞检测算法设计及实现

为了解决临床针图像中循环肿瘤细胞(CTC)人工检测效率低的问题,提出了利用经典图像处理方法进行预处理并 利用卷积神经网络(CNN)进行判断识别的解决方法。通过预处理初步检测出图像中所有的疑似癌细胞,将得到的细胞图像输入到训练好的网络进行判断并得到检测结果,实验中采用临床采集的图像进行测试,测试过程中网络判别准确率为90%, 且没有出现漏判。结果表明:利用卷积神经网络的癌细胞识别方法具有可靠的效果,相较于人工判断具有精度上的优势,能够作为癌细胞识别的重要手段。同时,算法在集成了NPU加速芯片的华为Atlas200 DK硬件平台上运行,实现了运算加速,并为实现应用的离线部署创造了条件。     

基于TMS320F240的红外线设备远程报警系统设计与实现

在铁路安全运输工作中,红外线探测设备的故障判别及处理在红外管理占有非常重要的地位,红外故障判别和处理主要以人工分析方式为主,存在着红外设备使用率降低等弊端.提出一种实现红外设备故障报警以及控制自动化方法,包括磁头检测、探头检测、通道检测等功能,并首次提出采用电子罗盘对磁头位姿进行检测,在实际故障诊断中具有实际意义,经过实验验证,达到满意效果.     

一种基于方差标记的形态学红外小目标检测算法

形态学算法在红外小目标检测上具有良好的性能,先对该算法的处理过程进行了分析,结合实际拍摄的红外小目标图像研究发现,算法在处理过程中存在很多不必要的计算,因此从提高算法的实时性出发,提出了一种基于方差标记的形态学方法.该方法首先计算图像每个像素的局部方差,然后由方差根据阈值判断条件对图像进行标记,标记完后再通过形态学算法对标记的部分进行Top-hat运算.理论分析和仿真实验表明,该方法能够极大的提高形态学的检测效率,而且对算法的检测性能有一定的提高.     

基于滑窗式单帧红外弱小目标检测方法研究

提出了一种基于滑窗式单帧红外弱小目标检测定位的算法：选择合适的滑窗,针对弱小目标在滑窗局部内具有较高灰度值的特征,通过自适应阈值来判别该滑窗中心位置是否存在目标。当滑窗遍历整幅图像后,就可以得到红外小目标的检测结果。在判别的过程中,构造了一种新的自适应阈值估计的方法。通过大量的仿真实验,并与当前常用的形态学滤波、巴特沃...     

基于Matlab图像处理的果核分拣系统

针对传统的果核产品分拣主要采用目测法进行人工分拣,而这种分拣方法存在分拣效率低、耗费大量人力物力、检测结果主观性强、检测不稳定等缺点。文中研究采用一种新的分拣方法来代替传统人工分拣的方法。利用机器视觉技术、Matlab图像处理技术和模式识别技术,设计了果核的分拣系统和机械结构,实现了果核产品的自动化分拣。     

视频监控中运动目标快速检测方法研究

提出了一种背景差分的改进算法.通过像素灰度值归类与形态学相结合的方法来提高背景重构的效率,进一步提高系统的实时性.实验结果表明,改进的算法能够有效克服光线变化、雨雪天气等环境噪声的干扰,适应高密度运动目标检测场景,进一步提高检测速度和效果.     

用于距离图像2D扫描线的极速边缘检测器

 本文提出一种对距离图像2D扫描线进行粗大噪声去除和边缘识别处理的极速检测器. 以扫描线典型轮廓分布规律分析为基础,定义了数个特征描述系数并以此建立判别准则,实现快速去噪和边缘检测. 该方法具有内在的平移和旋转不变性,并可通过自适应参数来实现尺度不变性. 文中采用基于候选点的参数自学习方法来进行阈值学习. 将扫描点参数集计算步骤进行高度集成,可对最大限度消除冗余计算. 通过实物扫描实验,对算法的计算复杂度、时间开销、检测准确度和稳定性进行了详细评估. 在普通PC平台上,整合模式耗时约0.15ms即可准确检测单条扫描线中的所有边缘点. 评估结果表明,本文提出的检测器具有极高的运行效率、检测准确性、鲁棒性和可扩展性,可满足极为苛刻的工业应用要求.     

基于HaIcon太阳能电池片焊接缺陷检测

目前太阳能电池片的焊接缺陷检测主要是由人工视觉检测来完成,该种检测防水不但检测效率低而且由于人眼的视觉疲劳,很容易出现误判的现象.针对这样的情况,文中提出了一种基于Halcon的太阳能电池片焊接缺陷的检测方法,该种方法不但检测效率高,而且能够保证检测的准确率.     

基于Retinex理论和灰度形态学的红外弱小目标增强方法研究

针对红外弱小目标检测的难点,提出了一种将形态学滤波和Retinex相结合的检测方法.首先采用灰度形态学滤波来对红外图像进行预处理,然后运用Retinex理论对背景进行有效抑制,使图像的对比度和信噪比得到有效增强.该算法用弱小目标的红外图像进行了仿真验证.试验结果表明:该算法可有效的检测出弱小目标,具有检测速度快,抗干扰能力强,易于工程实现的优点.     

基于ARM电池检测管理系统的设计与实现

针对电池组进行充放电时,电池组内每个电池存在荷电状态(SOC)值不一致的问题,设计并实现了电池检测管理系统.提出了基于开路电压法、安时计量法以及卡尔曼滤波算法相结合的SOC值估计方法,通过飞渡电容实现每个电池之间能量的转移,最终使每个电池的SOC值趋向于一致.测试和实验结果表明,电池组进行充放电时,电池检测管理系统能够有效地解决每个电池SOC值不一致的问题,大大地提升了电池的使用寿命和使用效率.     

基于机器视觉的板卡点胶缺失检测系统设计

采用人工目检方式进行贴装器件的加固点胶缺失检测存在人力成本高、效率低等问题。提出一种基于机器视觉的点胶缺失检测方法。使用色调饱和度值（HSV）阈值分割法识别板卡图像,利用最小包络矩形提取目标,使用霍夫变换及透视变换获取点胶区域的正视图像,标注分割出各个点胶块区域,识别每个点胶块的面积并保存为标准模板。对待检产品的图像采用上述方法进行处理,并与标准模板对比,在判别待检产品质量的同时定位点胶缺失的位置。采用基于机器视觉检测产品的方法进行实际的确认测试。结果表明,该方法能够准确、可靠地检测判别产品的点胶质量,并标识出所有的点胶缺失位置,其检测不合格品的准确率为100%,部分合格板卡有过检现象,检测的综合准确率为98.5%。该方法具有良好的准确性及可靠性,能够满足检测需求。     

应用材料公司推出先进全自动硅片检测系统

正日期在上海召开的SNEC第八届国际太阳能产业及光伏工程(上海)展览会暨论坛上,应用材料公司宣布推出具备全新功能的AppliedVericellTM太阳能硅片检测系统,以减少厂商生产成本并提高高效太阳能电池生产的总体平均良率。这些新功能包括:100%在线硅片检测,以解决人工检查的质量局限;以及通过光致发光(PL)技术自动预测硅片电池转换效率的能力,     

基于序列标注的业务异常工单判别方法研究

使用人工稽查方法判别纸质工单的业务异常情况,数据积压过大,导致异常工单判别结果不精准.面对该问题,提出了基于序列标注的业务异常工单判别方法.使用注意力机制作为业务管控规则,指引业务异常问题的稽查.使用语义消歧中的柱状搜索方法进行解码,完成知识融合.采用序列标注方法构建业务管控规则知识图谱,消除积压数据.解析新增的稽查目...     

基于判别力分析和结构约束的Logo检测方法

图像中的Logo检测对于分析图像的内容、进行品牌广告投放和广告推荐具有重要的意义。针对现有的Logo检测方法存在的准确率低、处理速度慢的问题,提出了基于特征判别力分析和结构约束的Logo检测方法。首先,提出了基于出现频率的判别力分析方法;其次,提出了基于特征之间相对距离、相对主方向和相对尺度的结构关系表示方法,并构建出Logo表示模型;最后,提出了由粗到精的Logo检测方法,采用视觉单词判别力分析获得候选区域,并采用结构关系来进行精确匹配,确定最终的Logo区域。在一个包含100种Logo的10,000张图像的Logo数据集上的Logo检测实验中表明,所提出的方法在准确率、召回率和处理速度上均明显优于当前主流的Logo检测方法,证明了所提出方法的有效性和高效性。