基于密集连接卷积网络的小面积指纹识别方法

针对基于细节特征点的传统指纹识别方法在小面积指纹识别时识别率明显下降的问题,提出一种基于密集连接卷积网络的小面积指纹识别方法。对指纹原图进行图像增强处理,充分利用密集连接卷积网络特征复用的优点构建提取指纹特征的深度学习模型,并将二值特征引进训练模型,依据指纹图像的二值特征和特征向量实现小面积指纹的注册和识别。实验结果表明,所提出的方法在自建数据集中正确识别率达到98.57%,高于基于细节特征点的传统指纹识别方法,基本满足智能移动端的应用要求。     

基于机器视觉的螺纹钢丝头检测方法

针对目前常用的螺纹钢丝头人工检测方法效率低、精度差的问题,提出了一种基于视觉技术的螺纹钢丝头检测方法。首先对采集到的图像进行预处理获取角点,接着采用基于Sigmoid亚像素细分算法对螺纹钢丝头的边缘像素进行细分,提高角点检测精度。针对传统的鲸鱼算法(WOA)在中经测量中容易陷入局部最优等缺陷问题,提出了一种基于自适应权重非线性收敛的鲸鱼算法,对螺纹钢丝头进行参数检测。试验和测试结果表明,该方法的精度满足国标GB-T 197-2018的要求,与传统的检测方法相比提高了效率和准确度。