基于小波神经网络和证据理论的零件图像识别

提出基本概率分配构造和多源零件图像特征识别的方法。首先,获取零件图像的小波分解系数和零件图像的相对边缘像素系数。然后,以零件图像的小波分解系数和零件图像的相对边缘像素系数作为零件图像的特征,并作为神经网络的输入,得到多源零件图像识别的基本概率分配。最后,依据证据理论的合成规则得到零件的识别结果。实验结果表明,文中提出的方法是有效的。     

基于小波神经网络的零件图像特征提取和识别

提出了基于小波提取零件图像特征的方法,该方法是应用小波变换对零件图像进行多尺度边缘检测,将被检测的边缘图像分成若干个子区域,分别统计其中的边缘像素量,各区域中的相对边缘像素系数作为零件图像特征,利用神经网络实现识别.文中给出样本的实验结果,结果表明文中提出的方法是有效的.     

基于小波变换的零件图像融合与边缘检测

提出基于小波变换的零件图像数据融合和边缘检测的方法,对图像进行分解,将高频区域中的绝对值较大的系数作为重要小波系数;在低频区域,对逼近系数进行加权平均得到新的逼近系数,然后进行小波重构实现图像数据融合。应用小波变换对融合图像进行多尺度边缘检测,获取图像边缘,或对图像进行小波多尺度边缘检测,然后融合边缘。     

基于证据理论的零件图像识别

从零件图像的小波分解系数和图像相对边缘像素系数作为零件特征的方法出发，提出了基本概率分配构造和多源零件图像特征识别的方法。首先，对多源零件图像分别进行小波分解和多尺度边缘检测，获取零件图像的小波分解系数和相对边缘像素系数。然后，将它们作为神经网络的输入，获取多源零件图像识别的基本概率分配。最后，依据证据理论的合成规则得到零件的识别结果。实验结果表明，所提出的方法是有效的。     

浅析零件图像的特征提取和识别方法

提出了基于零件图像相对像素系数和神经网络的零件特征提取和识别方法。首先对零件图像进行边缘检测,然后将处理的图像分成若干个子区域并分别统计各子区域的白色像素相对量,该相对量称为相对像素系数,是零件图像的特征,将这些特征作为神经网络的输入样本,由径向基神经网络实现识别。利用C#软件设计了零件图像的虚拟识别仪,实验表明该方法是有效的。     

零件图像特征提取和识别的研究

提出了基于小波变换提取零件图像特征和用神经网络实现识别的方法。首先,对零件图像进行小波多尺度边缘检测,提取零件图像的边缘轮廓,然后将被检测的边缘轮廓图像分成若干个子区域并分别统计各子区域的边缘像素量,各子区域中的相对边缘像素系数作为零件的特征,将这些特征作为神经网络的输入样本,由神经网络实现识别。3种子区域的不同数量样本的实验结果证明了提出的方法是有效的。     

基于LABVIEW的经济型数控车床螺纹加工故障检测

利用LabVIEW平台设计用于螺纹加工故障检测的虚拟仪器，并用该仪器采集旋转编码器的输出信号，在对被测信号进行滤波和频谱分析的基础上，确定故障源并排除故障。     

多功能虚拟测试仪的设计

阐述了基于LabVIEW多功能虚拟测试仪的结构,介绍了虚拟测试仪的采集、显示、测量、语言节点等主要模块以及虚拟测试仪通信方法。     

零件多源图像特征提取和识别的研究

提出了基于小波变换的零件多源图像融合和提取零件图像特征的方法。首先,应用小波变换对多源图像进行多尺度分解,利用小波分解系数融合零件多源图像。然后,对融合图像进行多尺度边缘检测,被检测的图像分成若干个子区域并分别统计其中的边缘像素量,各区域中的相对边缘像素系数作为零件图像特征。最后,应用神经网络和网络技术,进行远程零件多源图像识别。实验结果表明,文中提出的方法是有效的。     

基于IMAQ的小孔径测量

利用IMAQ的逼近法寻找圆周边缘可以实现孔径检测，但是对于小孔径测量是无效的。采用圆弧定圆心法和微圆填充法，用于小孔径的尺寸测量；通过尺寸校正系数获得测量值。实验结果表明，利用数字图像处理技术对零件孔径进行检测，是一种有效的方法。