论文部分内容阅读
为了能够实时采集图像并识别二维码所包含的信息,通过LabVIEW构建程序框图,运用图像灰度化、图像二值化、图像定位等研究方法,设计了一套运行速度快、代码简洁、成功率高的二维码识别系统。测试结果表明,识别成功率较高,运行速度约35 ms/图,可以满足生活或工业要求。
基于LabVIEW机器视觉的二维码实时识别系统设计（英文）
【摘 要】
：
为了能够实时采集图像并识别二维码所包含的信息,通过LabVIEW构建程序框图,运用图像灰度化、图像二值化、图像定位等研究方法,设计了一套运行速度快、代码简洁、成功率高的二维码识别系统。测试结果表明,识别成功率较高,运行速度约35 ms/图,可以满足生活或工业要求。
【出 处】
：
黑龙江大学工程学报
【发表日期】
：
2021年02期
其他文献
多模态融合技术在生物特征识别、人体动作识别领域受到越来越多的关注。本文介绍了多模态技术及其融合算法的技术背景,并从数据维度出发,分别论述了低维到高维的多模态融合技术在人体动作识别领域的实现方式。参照此技术,消防领域中的火灾探测算法宜采用结合深度学习框架的多模态数据融合技术实现,以获得更高的精度。
期刊
为提高重迭区域信息检测精度,笔者设计一种医学图像重迭区域信息检测方法。首先,定位图像有效重迭区域,根据重迭区域的边缘信息提取特征点,并构建一个用于描述医学图像的影像函数;其次,使用视觉处理方式得到一个匹配系数,以得到的系数作为信息预处理依据,完成对信息的预处理;最后,根据信息的交互式架构构建信息化模型,以此为依据检测重迭区域信息的准确性。实验结果表明:设计的检测方法在实际应用中不仅能够得到更加符合
期刊
随着深度学习方法的发展,车辆再识别的各种方法也在快速更新,但是当今大多数车辆都具有近乎相同的外观,对其进行区分比较困难。过去使用车辆的全局特征方法解决这类问题,但效果不太理想。本文提出一种基于车辆关键点获取车辆方向进而提取高区分度的车辆局部特征的方法,可以提取车辆的局部细节特征,其中引入了局部分支来提取局部关键特征和全局特征提取分支模块进行结合。框架联合车辆的全局约束进行端到端训练。使用分类损失函
期刊
随着智慧高速的快速发展,各种物联网设备的广泛用,本文针对当前高速公路物联网设备管理方式的不足和发展的需要,采用"云、网、边、端"的技术架构体系,结合边缘计算技术,设计一种全新的高速公路物联网管控解决方案。该方案包括人工智能(ArtificialIntelligence,AI)边缘设备网关、边缘侧物联网管控平台和物联网集中管理云平台三部分,可实现各种物联网设备数据的标准化采集、设备的智能化运维和设备
期刊
针对常态化疫情防控工作要求,笔者提出了基于OpenCV+CNN车牌识别的车辆防疫数据系统建设方案。该系统建设方案通过结合人工智能和大数据技术实现了对过往车辆数据的采集和监管,有效提高了社区或地区管理者疫情防控工作的效率和准确性,降低了疫情扩散的风险,为常态化疫情防控机制的健全提供新的建设思路。
期刊
建设MV短片制作精品在线开放课程,依托智慧职教平台搭建课堂。根据精品在线开放课程的特点,进行教学设计与定位,搭建教学内容与资源,安排线上与线下教学环节,展开测评和考核,总结教学效果与影响。MV短片制作精品在线课的建设与实践研究可为数字媒体、影视制作等专业精品课建设提供相关的模式参考,具有一定的现实意义。
期刊
最近几年来,迅速发展的依托深度学习人脸识别技术,被应用于社会的各方各面。值得一提的是,该技术在各校园大受欢迎。校园的考勤、图书馆管理、课堂评价、课堂等等都可以使用人脸识别技术。实践证明,对于校园而言,人脸识别技术的确有着无法取代的优势。为此,这篇文章针对基于该智能技术在各大高校课堂的应用和研究进行了简要分析,以供参考。
期刊
针对卷积神经图像风格艺术化过程中出现的图像语义内容扭曲,前后景边界模糊的问题,我们提出了一种抑制图像扭曲的卷积神经艺术风格化算法。首先用VGG-19网络模型对输入的内容图像和风格图像提取特征图并进行内容重建和风格重建。然后把输入的内容图像和风格图像到输出图像的变换约束在色彩空间局部仿射变换中,在输入图像RGB通道上构建Laplacian抠图矩阵,对于每一个输出区块,仿射变换将输入图像的RGB值映射
期刊
为了解生物炭影响土壤肥力的机理,通过盆栽实验,设置6个生物炭水平(0、10、30、50、70、90 t/hm~2),测试塿土4个钾离子指标:水溶性钾离子、交换性钾离子、速效钾、全钾含量。结果表明,在塿土中添加生物炭后,土壤水溶性钾、速效钾、交换性钾离子含量与生物炭添加量之间呈现y=ae~(bx)指数关系,土壤pH和土壤速效钾、交换性钾离子含量显著相关,与水溶性钾离子、全钾含量无显著相关关系。在关中
期刊
An end-to-end convolutional network for joint detecting and denoising adversarial perturbations in v
Deep convolutional neural networks(DCNNs)have been widely deployed in real-world scenarios.However, DCNNs are easily tricked by adversarial examples, which present challenges for critical applications
期刊