对于流水线上多类产品不规则混合放置条件下的统计问题,利用基于faster R-CNN和改进的深度卷积网络结合的图像识别方法,实现了对产品的在线分类计数。首先利用faster R-CNN方法获取图像中产品的位置信息,然后用改进的深度卷积网络对图像进行特征提取,将产品区域的位置信息映射到最后一层特征图上,再用ROI池化对产品区域特征进行尺度归一化,把归一化后的产品特征输入softmax分类器识别,从而实现了分类统计。实验结果表明,该方法能够在工业生产中实现多类混线产品在线自动分类统计。

为了实现工作人员在集控中心进行站所内的巡检和操作任务,提出了一种带电操作机器人系统。该系统是以基于图像识别的操作机器人为本体的智能系统,用于执行变电房高压柜的状态识别和开关操作。针对该机器人系统,提出了一种基于三维点云的深度相机标定方法,实现了机器人手眼坐标系的统一。设计了一种针对旋转类型按钮的定位算法,实现了机器人对开关的定位和操作。实验表明,将带电操作机器人部署在实际站所中进行测试,对旋钮类型开关、压板及按钮的一次性操作成功率达到93.88%。由此得出,该机器人系统能够稳定运行,并可实现高压电柜上4种类型开关的自动化操作,该研究为智能变电站的发展做出了有效探索。

三维重建课题虽然已经被提出了40余年,但其依然存在效率低、准确性差与模型有歧义等问题。针对上述问题以法兰零件为例提出一种基于工图图像的法兰零件重建方法,方法以工程图纸的扫描图像为研究对象,对其进行降噪、分割与细化等处理,然后采用Harris角点识别算法与Hough圆检测算法提取并统计其上特征,并采用BP神经网络识别并提取零件重建的必要参数,最终实现了法兰模型的三维重建。为工程图纸的三维重建提供了新思路与方法,对后续研究有一定的指导意义。

当前齿轮破损图像识别未拟合周期性动作捕捉数据,导致齿轮破损图像的识别效率较低,图像边缘轮廓中细节信息丢失,造成识别误差较大、识别效果较差。提出基于函数型数据时间序列建模的齿轮破损图像识别方法,通过小波变换方法提取齿轮破损图像中存在的低频成分,做双直方图均匀化处理,采用高斯高通滤波器提取齿轮破损图像中存在的高频成分,增强齿轮破损图像中存在的细节信息,利用函数型数据分析方法拟合动作捕捉数据,根据获取的数据构建周期时间序列,获得隐马尔可夫模型,通过最大似然估计函数,计算获得测试模型与样本之间的匹配度,实现齿轮破损图像的识别。实验结果表明,所提方法的识别误差较小,识别效果较好,能够有效提高齿轮破损图像的识别效率。

起重机具有诸多类型,不同类型的起重机具有不同的分析或保养方法,因此对起重机类型进行识别意义重大。针对深度卷积神经网络中存在的数据需求量大、训练时间长、计算成本高等问题,提出一种基于迁移学习和微调的起重机类型识别策略。通过搭建不包含分类层的预训练InceptionV3模型并连接自定义的分类层,利用迁移学习和微调技术,训练出适用于起重机类型识别任务的卷积神经网络。实验结果表明,相较于从头搭建并训练深度卷积神经网络,利用迁移学习和微调方法对预训练模型进行训练可得到较高的识别准确率,并且训练速度更快,训练时间显著缩短。验证集和测试集的识别准确率分别为98.24%和97.67%。

为了解决当前着装规范性技术存在的一些问题,减少电力作业安全事故发生概率,提出了基于视频图像的着装规范性识别方法。首先采集电力施工监理视频图像,并对视频图像进行预处理,然后从电力施工监理视频图像提取HOG特征和LBP特征,利用支持向量机算法识别作业人员的着装,最后进行了仿真实验。仿真结果表明,所提方法可以实现高精度的着装识别,实现了工作人员规范穿戴问题的实时跟踪、报警,具有较高的实际应用价值。

根据国家工作计量器具命名与分类代码规范，结合企业实际，选用5层信息混合字符编码方法，形成丰富的质量信息载体；采用CCD传感器接收图像信息、BP神经网络识别的方法，实现计量器具信息自动与人工双重识别功能；结合具体案例进行训练与测试，获得较好的识别精度。

本文提出了基于图像识别的露霜判别方法,介绍了基于图像识别的露点仪的硬件组成,并对镜面结露(或霜)状态特征进行了分析.目前露点仪的检露方法普遍采用光电检测的方法,但是这种露点仪无法识别镜面上的凝聚相是露点还是霜点,测量误差大.

介绍MBF200的性能、结构及工作原理.实现基于MBF200的SPI型指纹采集系统设计.该采集系统具有自动检测指纹、结构简单、使用方便的特点.

针对传统的工件图像识别算法运行速度慢、匹配精度差等问题,提出一种改进的ORB(Oriented FAST and Rotated BRIEF)算法解决工件图像的实时与准确识别问题。该算法的流程是首先利用ORB算法提取工件图像的角点特征,随后为其添加SURF(Speed-Up Robust Features)描述符进行方向分配,得到具有旋转尺度不变性的图像角点,结合快速近似最近邻搜索算法进行特征点的匹配,实现工件图像的识别。实验结果表明:在图像存在旋转尺度变化的情况下,使用改进的ORB算法相比传统的ORB、SIFT(Scale Invariant Feature Transform)和SURF算法以及SIFT+SURF、SURF+FREAK组合算法在工件图像角点提取与目标匹配方面速度更快,识别精度更高,提高了工业机器人在搬运工件过程中对工件图像的识别效率和准确性。