【摘 要】
：
为实现化工管道焊缝表面缺陷的自动检测分类，提出一种基于多特征提取和二叉树支持向量机(BT-SVM)分类的机器视觉检测方法。针对正常焊缝、气孔、咬边、成型不良、焊穿、焊瘤6种分类目标，采用被动视觉传感技术和激光视觉传感技术两种模式提取焊缝图像特征，并将得到的焊缝几何形状特征、焊缝面积波形图特征、激光条纹特征等参数作为二叉树支持向量机的特征输入，设计合理结构的分类器对6种焊缝目标进行识别分类。测试结果
论文部分内容阅读
为实现化工管道焊缝表面缺陷的自动检测分类，提出一种基于多特征提取和二叉树支持向量机(BT-SVM)分类的机器视觉检测方法。针对正常焊缝、气孔、咬边、成型不良、焊穿、焊瘤6种分类目标，采用被动视觉传感技术和激光视觉传感技术两种模式提取焊缝图像特征，并将得到的焊缝几何形状特征、焊缝面积波形图特征、激光条纹特征等参数作为二叉树支持向量机的特征输入，设计合理结构的分类器对6种焊缝目标进行识别分类。测试结果表明，设计的BT-SVM 分类器能较精准地检测出焊缝缺陷类型，识别率为96.94%。
其他文献
鱼类识别检测技术中，采用Anchor-free算法中的Centernet算法对鱼类进行识别检测时，低层特征信息容易丢失，降低识别精度和识别效率。为此，在Centernet算法网络结构中引入特征融合模块将低层特征信息和高层特征信息融合，输出更加完整的特征图，提高识别检测精度；设置参数调节正负样本的损失比例，使得网络模型的损失函数得到优化，提高整个模型的识别检测效率。采用PASCALVOC数据集对改进
近年来，随着深度学习技术的发展，深度神经网络在医学图像分割领域得到广泛应用。其中，U-Net由于其良好的分割性能，逐渐成为图像分割领域中的研究热点。根据相关研究工作，首先就结构改进和非结构改进两大方面对U-Net网络的相关改进模型进行了综述。然后以视网膜血管、肺结节、肝脏和肝脏肿瘤、脑肿瘤这四种典型医学图像为例，阐释了各类图像的特点和分割难点，并对U-Net及其改进网络在相关图像分割上的应用进行了
针对水下光学图像出现颜色衰减，表面模糊和光照不均匀等现象，提出一种基于颜色恒常性和多尺度小波的水下光学图像增强算法。首先，采取灰度世界假设补偿衰减通道，利用颜色恒常性自适应调整图像全局亮度和对比度以有效校正色偏；其次，结合多尺度小波分解特性，采取形态学开运算改进的暗通道透射率移除低频雾霾现象，软阈值降低高频噪声；然后，利用二维伽马函数自适应校正不均匀光照，锐化提高边缘细节；最后，定义融合输入图像即
针对面部表情识别中，传统机器学习方法特征提取较为复杂，浅层卷积神经网络识别率不高，以及深度卷积网络又易带来梯度爆炸或弥散的问题。本文构建了残差网络嵌入注意力机制的多尺度深度可分离表情识别网络，通过多层多尺度深度可分离残差单元的叠加进行不同尺度的表情特征提取，并使用CBAM注意力机制进行表情特征的筛选，提升有效表情特征权重的表达，削弱训练数据的噪音影响。本文构建的网络模型在Fer-2103和CK+表
线结构激光3D成像技术已广泛用于焊接检测，飞溅干扰下快速、准确、实时地提取光条中心图像是实现焊缝在线检测的关键问题。针对传统方法难以有效解决强弧光和焊渣飞溅干扰的问题，提出一种新的抗飞溅光条中心快速提取方法。首先根据激光光条宽度约束条件提取条纹几何中心，采用快速连通域提取算法筛选出有效轮廓，利用改进的局部边缘连接算法连接因飞溅导致的断点；然后搜索相邻轮廓构成有序对，并生成有向图，查找光条中心投影长
目的：通过分析算法配准过程提出一种基于PCA的点云配准策略，对ICP算法迭代过程加入主成分分析配准设计，以解决ICP算法易陷入局部最小值、配准耗时高的问题。方法：利用重心法在首次迭代开始前使参考点云与待配准点云重心重合以达到初始位姿确定，其次，在ICP算法每次进行迭代时，先利用PCA对待配准点云与参考点云进行主成分分析，选取其中前三主成分特征向量，通过姿态变换进行对应匹配，使两点云完成初始配准后再
针对光度立体视觉中基于镜面反射的光源位置标定法操作复杂及误差较大等问题，本文提出了一种基于立体视觉的LED光源位置参数标定方法。利用双目立体视觉系统依次拍摄光度立体中的LED光源，根据基于立体视觉成像矩阵的最小二乘法计算光源的空间三维坐标，通过光度立体与双目立体视觉系统中摄像机的旋转平移关系，联立得到光源位置标定系统结构参数，进而获得光度立体中LED光源相对于摄像机的空间位置关系。实验结果表明：提
单幅图像超分辨率在众多领域应用广泛，然而现有算法大多通过扩展卷积神经网络深度和宽度来提取更多特征细节，这将导致算法计算复杂度的提高和模型参数量的增大。为解决上述问题，本文提出了一种自适应残差注意力的轻量级超分辨率网络算法，该算法首先通过改进坐标注意力网络，生成了关注高频位置信息的注意力特征图，接着将改进的自适应残差注意力信息提取模块和坐标注意力模块双支路并行连接，使输出的特征信息包含更多图像细节，
高精度光栅测量系统和光谱识别定标对于大口径空间天文望远镜观测至关重要，将图像的智能识别与光栅测量系统相结合，可以解决传统光栅测试过程中目标识别困难和特征难以提取的问题。由于目标光源点光谱成像的特点以及背景噪声的干扰，图像目标的自动识别和位置提取精度受限。该文设计并构建了基于观测图像识别的光栅测试分析系统，利用光栅的分光特性，结合图像传感器进行光电转换和特征识别，通过分析目标光栅图像的关键特征，利用
现有的立体匹配算法在弱纹理、阴影等病态区域匹配效果较差，为了充分利用场景上下文信息来提高视差匹配精度，本文提出一种有效的多重注意力立体匹配算法MAnet(Multi Attention Net)。特征提取阶段通过多种注意力机制，即位置通道注意力和多头十字交叉注意力(Multi-Heads Criss-Cross Attention,MCA)，调整特征通道并有选择性地聚合任意范围内的上下文信息，为匹