【摘 要】
：
针对人工检测一次性医用口罩耳绳时的速度慢、精度低、主观性强等问题,提出了一种基于机器视觉和图像金字塔模板匹配相结合的一次性医用口罩耳绳缺陷检测算法.首先,使用“Weickert”模式的各向异性滤波,对红色背光源下捕捉的待检测图片创建金字塔图像;然后,对鼻梁片模板匹配,通过仿射变换找到耳绳固定焊点的相对位置;最后,通过阈值分割,特征提取,计算焊点个数及面积,识别耳绳缺陷.实验结果表明:所提检测方法可以快速准确地判断口罩耳绳的缺陷问题.
【机 构】
：
江西理工大学电气工程与自动化学院,江西赣州341000;江西理工大学机电工程学院,江西赣州341000
论文部分内容阅读
针对人工检测一次性医用口罩耳绳时的速度慢、精度低、主观性强等问题,提出了一种基于机器视觉和图像金字塔模板匹配相结合的一次性医用口罩耳绳缺陷检测算法.首先,使用“Weickert”模式的各向异性滤波,对红色背光源下捕捉的待检测图片创建金字塔图像;然后,对鼻梁片模板匹配,通过仿射变换找到耳绳固定焊点的相对位置;最后,通过阈值分割,特征提取,计算焊点个数及面积,识别耳绳缺陷.实验结果表明:所提检测方法可以快速准确地判断口罩耳绳的缺陷问题.
其他文献
为得到待修正参数与结构响应之间的关系,提高模型修正效率,将极限学习机(ELM)和鲸鱼优化算法(WOA)引入有限元模型修正(FEMU).通过高斯(Gauss)混沌初始化、非线性调整策略、自适权重系数等改进鲸鱼优化算法,利用其优化极限学习机,建立待修正参数与加速度频响函数之间的非线性映射关系.以试验与优化极限学习机模型输出频响函数频域准则为目标函数,并利用改进鲸鱼优化算法(MWOA)求解修正参数.通过一平面桁架验证所提方法,结果表明:该方法可行有效,优化后的极限学习机能作为代理模型替代有限元模型,具有较强的泛
针对引信微小型化、轻量化设计的需求,本文采用微雷管驱动飞片冲击起爆传爆药的能量放大方式设计的起爆序列主要由起爆控制电路、微雷管、飞片、安全保险机构、传爆药等,采用表面微加工工艺、深硅刻蚀等工艺完成了微雷管的制作,采用UV-LIGA工艺完成了安全保险机构的制作.采用光子多普勒测速仪(PDV)对微雷管装药参数、传爆空腔参数、飞片参数与飞片速度关系规律的研究,获得了传爆序列的优化设计参数,即微雷管装药直径1.0 mm,装药密度2.1 g/cm3,传爆空腔尺寸Φ1.0 mm×H1.0 mm,飞片厚度为30μm.
针对在工业环境中,机器人的抓取精准度受到物体不同的姿态和角度等影响的问题,提出一种基于注意力机制的实时性逐像素网络抓取检测方法.首先,以轻量级网络—全卷积网络(FCN)模型为基础进行逐像素提取抓取框位置及抓取角度;其次,提出了一种新型的注意力机制—DAM,将其整合到轻量级网络中,自动学习输入图像的显著特征以减少局部信息的丢失.与常用的滑动窗口方法相比,本文模型训练时损失率下降更快以及不容易过拟合.最后,在Cornell数据集上进行实验,结果表明:所提方法在物体抓取的准确性和实时性方面有很大提高,达到实时性
针对现有测量手段对时域脉冲电场测量的不足,利用铌酸锂晶体的电光效应,设计了一种集成了光波导与锥形天线的新型电场传感器.采用退火质子交换技术与溅射法制备的集成光波导电场传感器体积为仅为70 mm×15 mm×15 mm.对该传感器的频响特性与时域动态范围进行测试,实验结果表明:传感器带宽为100 kHz至10 GHz,可测量电场范围为6.67 kV/m～133.33 kV/m,线性拟合相关系数为0.98535.与直接感应式电场传感器与电光直调电场传感器相比,集成光波导电场传感器体积更小,无需供电,无金属干扰
由于Bully算法在选举领导者的过程中需要产生大量的消息和花费大量的时间,不适应低轨卫星网络高动态、大延迟的网络环境.针对上述问题,提出了基于选举委员会的低轨卫星网络领导者选举算法.在选举阶段,节点直接向选举委员会发送选举消息,选举委员会在验证领导者崩溃后,选出具有最高优先级的节点担任领导者.试验结果表明:改进算法有效地降低了消息量,减少了领导者选举时间,能更好地应用于低轨卫星网络.
本文报道了一种利用聚二甲基硅氧烷(PDMS)-铜膜复合电极进行压力检测的方法和系统.在PDMS-铜膜复合电极上施加压力时,PDMS发生形变并与之接触的铜膜进行摩擦,使铜电极表面电荷密度增加,PDMS-铜膜界面双电层(EDL)电容的电荷量也随之增加.由于双电层电容电容量不变,因此铜膜的电势会随之增加.通过检测铜膜电势的变化,可检测外界压力的变化情况.实验结果表明:检测系统输出电压的变化率正比于外加压力的变化率,输出电压的幅值反比于PDMS薄膜的厚度.因此,根据检测信号的幅值以及变化率,可以判定外加压力的大小
针对永磁同步电机(PMSM)多参数高精度辨识的问题,提出了一种克隆选择差分进化(DE-IC-SA)算法,将其运用于永磁同步电机的多参数在线辨识.算法通过对差分进化算法与免疫克隆选择算法进行混合优化,提高了种群多样性,加强了局部和全局的搜索能力.通过仿真实验表明:相较于差分进化算法与粒子群优化(PSO)算法,所提算法能同时辨识定子电阻、dq轴向电感和转子磁链等电磁参数,并且具有较好的收敛性和可靠性.
针对当前低压配电网剩余电流保护设备只能依靠剩余电流幅值作为保护机构动作依据,无法识别触电特征的问题,提出了基于小波分解降噪和长短期记忆(LSTM)神经网络的低压配电网生命体触电电流检测方法.首先将总剩余电流信号通过小波分解算法进行降噪,然后将降噪后的生命体触电电流波形作为输入,对LSTM神经网络进行训练,建立生命体触电电流检测模型.仿真实验表明:该方法在速度和准确率上与卷积神经网络(CNN)和反向传播(BP)神经网络相比有明显优势,能够满足剩余电流保护装置速动性的要求,并且稳定性好,生命体触电识别准确率高
针对哈里斯鹰算法(HHO)很难在探索和开发之间取得平衡,且易陷于局部最优和种群低多样性等问题,本文提出一种基于混沌透镜成像学习的哈里斯鹰算法(FLHHO).首先,利用Fuch无限折叠混沌策略初始化种群,丰富种群多样性;其次,在探索阶段引入黄金正弦策略,提高算法的求解精度;最后,利用混合透镜成像学习和柯西变异策略,对哈里斯鹰最佳位置进行扰动,提高算法跳出局部最优的能力.将改进后的哈里斯鹰算法(FLHHO)在10个经典测试函数和29个CEC2017测试函数上进行求解精度,仿真结果表明,FLHHO算法优于HHO
船舶分类在仿真系统中应用广泛,针对目前船舶分类准确率不高以及在提高准确率的同时无法很好兼顾实时性的问题,提出了先对输入图片预处理,经过彩色转灰度再二值化后输入改进的卷积神经网络(CNN)的方法.所改良的网络结构以SqueezeNet为基础,并将网络浅层输出和深层输出级联合并作为最终输出,使得特征内容更加丰富;同时对Adam优化器进行改进,针对模型训练时Loss是否持续降低自适应调整学习率,加快模型收敛速度.经实验对比,所改进算法的船舶分类准确率比SqueezeNet、GoogleNet、MobileNet