基于FPGA的快速樱桃缺陷检测与识别系统设计

为使樱桃缺陷检测与识别系统满足实时性的要求,提出以卷积神经网络模型为基础,使用SDSoC开发平台,完成FPGA对樱桃缺陷进行快速检测与识别系统的设计。通过优化数据传输,复用网络模型中通用矩阵乘法函数(GEMM)和对卷积操作进行并行化设计,实现PL端硬件加速。利用SDSoC平台,在PS端使用高级语言映射卷积神经网络模型,在实现所需性能的同时大量节省了开发时间。结果表明,与纯软件方式相比,基于Zynq7020硬件开发平台,速度提高了2.19倍以上,与CPU平台相当。     

固溶处理对A286合金组织与硬度的影响

通过光学显微镜、扫描电镜和洛氏硬度计等研究了固溶温度(980、1000、1020℃)和保温时间(60、90、120 min)对A286合金微观组织和硬度的影响。结果表明,热轧态合金基体为再结晶的均匀奥氏体晶粒组织,同时存在一次碳氮化物。随着固溶温度的升高和保温时间的延长,再结晶晶粒优先从表面生长并逐渐向内部扩展,晶界有较大尺寸磷化物析出,合金硬度小幅度降低。     

基于双通道深度密集特征融合的遥感影像分类

为了提高遥感图像场景分类中特征有效利用率,进而提高遥感影像分类精度,采用基于双通道深度密集特征融合的遥感影像分类方法,进行了理论分析和实验验证。首先通过构建复合密集网络模型, 分别提取图像卷积层特征和全连接层特征;然后为挖掘、利用图像深层信息,通过视觉词袋模型将提取的深层卷积层特征进行重组编码,捕获图像深层局部特征;最后采用线性加权方式将局部和全局特征融合、分类。结果表明,选用数据集UC Merced Land-Use和NWPU-RESISC45进行实验,取得的分类精度分别为93.81%和92.62%。该方法充分利用局部特征和全局特征的互补性,能实现图像深层信息的充分利用和表达。     

基于特征优选模型的Siamese网络目标跟踪算法

针对目标跟踪序列背景复杂、目标大尺度变化等导致目标辨识难度大的问题,提出了基于特征优选模型的Siamese网络目标跟踪算法。首先构建深度网络,有效地提取深度语义信息。再利用沙漏网络对多尺度下的特征图进行全局特征编码,将编码后的特征归一化处理,获取有效目标特征。最后构建特征优选模型,将解码获取的特征作为选择器甄别原特征图的有效特征并增强。为了进一步提高模型的泛化能力,引入注意力机制,对目标特征自适应加权,使其适应场景变化。最终提出算法在OTB100标准跟踪数据集测试成功率达到0.648,预测精度达到0.853,实时性为59.5 frame/s;在VOT2018标准跟踪数据集测试精度为0.536,期望平均覆盖率为0.192,实时性为44.3 frame/s,证明了该算法的有效性     

变导程螺旋线及其展开图研究

利用MasterCAM软件加工变导程螺纹的关键在于绘制变导程螺纹螺旋线的展开图。从运动学的角度对变导程螺旋线及其展开图进行了分析和研究，导出了变导程螺旋线及其展开线的方程，提出了绘制变导程螺旋线展开图的方法，并给出了数控加工的实例。     

深度双重注意力的生成与判别联合学习的行人重识别

在行人重识别任务中存在数据集标注难度大,样本量少,特征提取后细节特征缺失等问题。针对以上问题提出深度双重注意力的生成与判别联合学习的行人重识别。首先,构建联合学习框架,将判别模块嵌入生成模块,实现图像生成和判别端到端的训练,及时将生成图像反馈给判别模块,同时优化生成模块与判别模块。其次,通过相邻的通道注意力模块间连接和相邻空间注意力模块间连接,融合所有通道特征和空间特征,构建深度双重注意力模块,将其嵌入教师模型,使模型能更好地提取行人细节身份特征,提高模型识别能力。实验结果表明,该算法在Market-1501和DukeMTMC-ReID数据集上具有较好的鲁棒性、判别性。     

仿真假体视觉下神经网络算法的应用研究

尽管已有多种图像处理策略被应用到视觉假体的仿真研究中并提高了被试的识别表现,但在植入电极数量有限的情况下,如何保证盲人获得足够的拓扑信息是视觉假体仍需解决的问题。在此背景下,本文将两种神经网络算法应用到仿真假体视觉中对图像进行前景目标提取和像素化处理,首先利用图像分割数据集训练一个U-net网络得到前景提取后的结果,将其像素化之后与提取前的原图配对,再利用配对后的数据集训练一个Pix2Pix网络从而实现了将彩色图像"翻译"为像素化图像的目标。实验结果表明,与传统图像处理算法相比U-net网络具有更准确的目标提取效果,且经Pix2pix网络"翻译"后的图像也与标签图像更相似,有助于提高假体佩戴者的识别准确率。     

基于PSO-SVM的乳腺肿瘤辅助诊断研究

在乳腺肿瘤识别优化的研究中,传统的识别方法容易漏诊.为提高乳腺肿瘤识别准确率,提出基于粒子群优化(Particle Swarm Optimization,PSO)参数的支持向量机(Support Vector Machine,SVM)辅助诊断方法.首先采用PSO选择最佳的SVM惩罚系数c,核函数参数γ;然后,利用最佳参数c和γy训练SVM;再利用PSO-SVM实现乳腺肿瘤分类识别,进而实现辅助诊断.将PSO-SVM乳腺肿瘤识别方法的仿真结果与LVQ神经网络识别方法、BP神经网络识别方法的结果做比对分析,表明PSO-SVM具有较高的识别准确率和较低的假阴性率.PSO-SVM乳腺肿瘤辅助诊断,可以提供决策支持,辅助医生尽可能地减少和避免采用传统的细针穿刺细胞病理学检查方法诊断乳腺肿瘤时的漏诊、误诊情况,具有非常重要的价值和意义.     

基于分水岭分割和尺度不变特征点的多目标全自主跟踪算法

该文针对多目标的鲁棒跟踪问题,设计了一种基于图像分水岭分割和尺度不变特征变换(SIFT)特征点的多目标全自主跟踪算法。为规避图像平坦区域,提出在原图上叠加规则坡度图的思想,并在浮点域进行一定尺度高斯模糊处理,将区域极小值点作为种子点完成分水岭分割,并将极值点作为目标特征点,通过前后帧分水岭映射生成特征点短时轨迹,自动检测运动目标。之后依据目标所处状态(是否发生遮挡)和分水岭分割图建立、更新目标SIFT特征池,结合分水岭映射、SIFT特征池匹配完成对目标的鲁棒跟踪。实验结果表明,该算法能有效完成视频中多目标的持续跟踪,并对目标遮挡有较好的鲁棒性。     

粗大柱状晶Fe-36Ni因瓦合金的高温流变行为

针对Fe-36Ni因瓦合金在高温变形过程中易出现裂纹、热塑性较差的问题,使用Gleeble-1500热模拟试验机进行了等温热压缩实验,研究了温度为950～1150℃、应变速率为0.01～10 s^-1下Fe-36Ni因瓦合金的高温变形行为。采用-(?θ/?σ)-σ曲线分析了实验合金的临界再结晶应力,基于Arrhenius方程建立了Fe-36Ni因瓦合金的高温本构方程,并通过电子背散射衍射观察了变形后的微观组织。结果表明,因瓦合金在实验条件下均可发生再结晶,且临界再结晶应力随温度的升高及应变速率的降低而降低,变形激活能Q为292.46 kJ·mol^-1,与Fe和Ni的自扩散激活能相近。通过观察变形后的微观组织发现,不论是在晶粒水平还是晶内亚结构水平,合金中均存在明显的组织不均匀现象。综上所述,不同于一般合金,变形和再结晶困难并不是该实验材料热塑性差的主要原因,其粗大柱状晶导致的高温变形组织不均匀性才是热轧开裂的根源。此外,绘制了真应变为0.1～0.6下的3D功率耗散图及热加工图,预测得到温度为1100～1150℃、应变速率为0.01～0.1 s<...