基于OpenCV的透明瓶装无色液体液位实时检测

为了实现对无色液体透明瓶装产品的非接触性检测,设计一种液位实时检测系统;系统通过工业数字摄像头实时采集产品图像,基于OpenCV开源平台,对其进行相关的预处理,检索液体区域的轮廓,提出了一种适合液位检测的包围盒取高算法,可得到液位高度;图像采集过程中利用白色背景和特殊的光源设计突显液体区域,不借助外部测量仪器对液位进行实时检测;对100副不同液位的产品图像进行测试,测量结果表明,此系统能够快速准确地获得瓶装液体的高度信息,最大相对误差0.8％,具有较好的准确性和实时性.     

基于改进深度卷积生成对抗网络的刺绣图像修复

目前中华传统刺绣工艺传承保护问题中的修复任务主要以人工为主,修复过程需要大量的人力、物力。随着深度学习的高速发展,不同类型的刺绣文物损伤可以利用生成对抗网络进行修复。针对上述问题,提出一种基于改进深度卷积生成对抗网络（DCGAN）的刺绣图像修复方法。首先,在生成器部分引入空洞卷积层扩大感受野,并添加卷积注意力机制模块,在通道与空间2个维度增强重要特征的指导作用;在判别器部分增加全连接层数提升网络解决非线性问题的能力;在损失函数部分联合均方误差损失与对抗损失通过网络训练相互博弈的过程实现刺绣图像修复。实验结果表明：引入空洞卷积层与注意力机制提升了网络性能与修复效果,最终得到修复图像的结构相似性高达0.955,能够得到较为自然的刺绣图像修复效果,可以为专家提供纹理、色彩等信息作为参考辅助后续的修复。     

多媒体技术及其应用发展前景

本文介绍了什么是多媒体技术和多媒体系统的组成，以及多媒体通信中要解决的关键技术及多媒体的应用发展前景。研究，开发，应用多媒体技术是当今科技发展的必然趋势，随着“信息高速公路”的实施建设，多媒体必将改变人们的生活，学习，工作及相互交往的方式，具有划时代的意义。     

双光子Tavis—Cummings模型中辐射场的振幅平方压缩效应

本文给出了共振情况下双光子Tavis-Cummings模型中光场密度矩阵元的一般表达式,并具体讨论了辐射场的振幅平方压缩效应。     

基于Zigbee的电解槽温度智能控制系统设计与实现

文中介绍了一种基于Zigbee技术的电解槽温度实时采集与智能控制系统。该系统选用TI公司CC2530芯片作为处理器,利用DS18B20温度传感器实现温度采集,并通过Zigbee网络实现数据传输,最后利用模糊控制算法实现对电解槽温度的智能控制。运行结果表明,该系统可以进行扩展、成本低、易于实现,能够有效地提高电解质量,达到节能高效的目的。     

基于WinSock的多媒体信息网络传输的研究

简要分析了基于WinSock的多媒体信息网络传输的原理和技术，介绍了利用Delphi进行Windows Socket网络应用开发的流程、技术和方法，并给出了一个网络应用WinSock研制开发的“多媒体计算机网络实时监控系统”的实例。     

电脑验光仪单片机控制系统的设计与实现

介绍了电脑验光仪单片机控制系统的组成原理和控制原理。     

网络化多媒体实时监控系统的应用研究

采用MPEG－1编码解码国际标准和TCP／IP网络协议,在网络环境下,实现视音频信息和控制数据的网上传输。介绍了网络化多媒体实时监控系统的的构成、工作原理和功能特点,并对视音频实时编码技术和网络编程技术进行了详细探讨。     

基于边缘设备和改进YOLOv5算法的车牌号码识别

自动识别车牌号码是智慧交通中的重要内容,针对现有车牌识别算法计算量大,不满足微型化、实时性等需求,提出一种基于边缘设备和改进YOLOv5算法的车牌号码识别方法。首先,构建车牌数据集;其次,通过改进YOLOv5网络模型架构,并引入注意力机制,提升对车牌号码的检测能力,并与未改进的YOLOv5算法作性能对比;最后,将Intel Movidius NCS2与树莓派硬件设备结合,进行实时推理。实验结果表明,改进的YOLOv5算法在边缘设备上的实时画面推理速度最快达到3.316 ms,YOLOv5算法推理速度为5.772 ms,改进的YOLOv5算法与原算法相比,其推理速度平均提升了13.41%。本文提出的方法能在边缘设备上提高车牌检测速度,并达到较高的准确率。     

基于改进的YOLOv5实现中药饮片的检测识别

针对中药饮片检测算法的模型参数量多,计算量较大等问题,提出一种改进的YOLOv5算法,改进后算法的特点主要是轻量化,可以在保持较高的平均精度下,大大降低参数量和计算量。在YOLOv5算法的主干网络基础上,设计了轻量级的GhostBottleneck模块;针对中药饮片中的小目标检测问题,在模型结构中加入了注意力机制,可以提高小目标的检测能力;将原有的卷积层替换为深度可分离卷积,降低网络的模型参数。经过在107种常见中药饮片的数据集上训练的实验结果表明,改进后算法的mAP@0.5可以达到98.37%,比原YOLOv5算法提高了2.93%,既保持了对中药饮片识别的较高精度,同时计算量又比YOLOv5算法降低了53.45%,改进后算法的模型大小仅为6.61 MB,大大降低了硬件设备的计算成本。