共查询到20条相似文献，搜索用时 125 毫秒
1.
采用改进的BP网络分类器对CD4细胞图像进行识别.首先对图像进行了预处理,分析了图像的特征,然后通过增L减R法选择,介绍了BP网络分类器和LM算法的原理,构建了基于LM算法的BP网络分类器,较好地实现了CD4细胞的识别. 相似文献
2.
提出了基于改进的边缘检测和数学形态学结合的车牌图像识别新方法.首先将采集到的彩色车牌图像转化为灰度车牌图像,然后利用Sobel算子进行边缘检测,接着对灰度化的车牌图像进行形态学的腐蚀处理,得到平滑图像的轮廓,再进行X方向的定位和Y方向的定位及区域校正得到车牌的区域.通过对车牌图像的二值化和形态滤波把车牌上的字符给有效分割出来,最后采用模版匹配的方法进行车牌字符的识别.从仿真的结果看:可以准确提取车牌位置的字符,字符识别的准确率较高,且识别的速度快. 相似文献
3.
4.
传统目标检测方法存在准确率低、可靠性差、效率低等问题,无法满足对大量图片准确、高效处理的需求。对 SSD 网络结构进行改进,删除原网络最后两个预测层,对保留各预测层的默认框个数和宽高比进行优化,同时对保留的最后一个预测层的网络参数进行改进。改进后的 SSD 网络减少了网络参数和计算量,对存在遮挡、目标较小等情况的图片数据具有更好的检测精度和检测效果,同时模型检测的 mAP 提高了约 5.1%。改进后的网络模型解决了传统方法的不足,可以实时、准确、高效地对大量图片数据进行目标检测处理。 相似文献
5.
为提高样本在分布不均衡情况下的识别精度,提出一种改进的ResNet50卷积神经网络光伏热斑识别算法。首先,为增加初期红外纹理信息流入、调整网络宽度,设计一种头部分组特征提取模块,并将其嵌入到残差网络中,提高网络在图像细微特征方面的提取能力;然后,将通道注意力机制与残差模块相结合,增加网络通道间的热斑特征信息权重,提高模型识别性能和网络收敛速度;最后,通过图像转换HSV颜色空间、平均H分量梯度直方图峰值等数据预处理方法,将负样本转为多分类数据集,并用于热斑识别网络模型,实现热斑识别结果的可视化。实验结果表明,对比其他算法,改进后的ResNet50网络在识别精度上得到显著提高。 相似文献
6.
7.
8.
为提升果园自动采摘机器人的工作效率,提高对番茄果实识别的准确率,提出了一种基于改进YOLOv5的番茄识别检测算法。该识别检测算法以YOLOv5算法为基础,改进了原算法中颈部网络的BottleneckCSP模块,通过增加批归一化层与SiLU激活函数提升了网络对目标深层语义信息的提取能力;采用轻量级通用上采样算子CARAFE扩大感受野,减少漏检并保持轻量化;结合轻量化注意力机制SimAM为网络提供三维的注意力权重,过滤掉冗余信息,提高模型的准确性和鲁棒性;用SIoU替换CIoU损失函数,有效减少冗余框的同时加快了预测框的收敛和回归。研究结果表明,改进后算法对番茄目标检测的平均精度均值达到96.5%,比原始算法提高3.4%,对小番茄及番茄被遮挡时的漏检率也有效降低,且满足实时要求。 相似文献
9.
针对直插式网络变压器PIN脚人工视检存在误差大、效率低和人工成本高等问题,提出一种基于机器视觉的网络变压器PIN脚平整度检测方法.首先采用图像预处理,通过空间滤波进行图像去噪,并对网络变压器图像灰度直方图进行阈值分割,得到信息保存完整的二值图像;接着进行K值计算(物理长度与像素长度之比)和PIN脚间距计算(图像水平校正、垂直投影以及波谷检测得到间距的像素长度).最后与网络变压器设计图纸的间距长度对比得到误差,设置误差阈值,检测网络变压器PIN脚平整度是否符合要求.实验表明,文章方法的PIN脚间距测量结果平均绝对误差为0.09mm,平均相对误差为4.6%,该方法可以快速、准确地对网络变压器PIN脚平整度进行检测,研究结果可为网络变压器自动化检测提供理论依据. 相似文献
10.
《淮北师范大学学报》2015,(4)
针对Vi Be算法在使用含有运动物体的帧进行建模,在检测阶段容易引入Ghost区域以及在高动态背景下不能较好地检测运动目标的问题,使用块区域进行建模对Vi Be算法进行了改进.算法把每一帧图像分成若干不重叠的块,对每个块进行离散余弦变换,取变换后块的直流分量建立背景样本集.从第二帧开始,用当前帧中每个块直流分量与对应的背景样本集进行比较,得出该块应该归为背景还是前景,进而检测出运动目标,并用该块更新样本集中与该块最不相似的样本.结果表明,给出的算法可以快速地去掉Ghost区域以及在高动态背景下算法仍能较准确地检测出运动物体. 相似文献
11.
隧道墙体表面存在裂纹、水泥颗粒、施工标准线等干扰,再加上光照的影响,给电缆检测带来很大困难。针对一般算法难以同时克服多种干扰的不足,从电缆边界特征出发,提出用多特征融合和改进霍夫变换相结合的算法确定电缆区域。首先运用背景减除或边缘检测确定感兴趣区域|然后融合图像的梯度、灰度和邻域特征得到边界集合图|最后用一种改进的霍夫变换从边界集合图中将边界提取出来。实验表明,该算法能够适应背景和目标的复杂变化,满足电缆实时检测要求。 相似文献
12.
随着城市轨道交通的飞速发展,实现钢轨表面缺陷实时检测对铁路行业稳步发展意义重大。如何实时检测钢轨表面缺陷是保障铁路运行安全亟须解决的一个关键问题。鉴于此,设计了一套基于机器视觉的钢轨表面缺陷检测实验仿真方法。搭建图像采集、图像预处理和缺陷分类等模块;提出自拟合亮度调整算法完成像素值统计,得到清晰的缺陷特征图像;用750组数据训练网络权值,实现缺陷分类预测;经过数据分析和误差评估,识别准确率在90%以上,相关系数高达0.96,单幅图像平均耗时1.267 s,测试表明,所提方法能准确、高效地实现钢轨表面缺陷信息的缺陷分类与识别。 相似文献
13.
随着网络的迅速发展和应用,网络语义标签已经开始广泛地用于图像内容的标注和分享。由于图像本身及不同主体对图像的不同理解会造成图像分析理解的差异,因此如何充分利用网络标签对图像进行准确分析理解成为本文主要研究内容。图像特征包含了图像本身的大量内容信息,为了能够建立图像内容信息与网络标签之间的关系,本文主要工作包括：1,建立低层特征与图像间相似性关系;2,建立基于随机漫步模型平衡图像内容及网络标签间的关系以达到准确对图像内容分析和理解效果。实验结果表明本文所提出方法的有效性和可行性。 相似文献
14.
目的：桥梁钢结构以及钢结构上的高强度螺栓长期受风雨侵蚀,常常会有锈蚀或缺失的情况发生,而人工巡检的效率低、危险性大且视觉盲区多。本文期望通过无人机拍摄,对铁路桥梁钢结构图像所包含的检测目标（螺母正常、螺栓正常、螺栓缺失、螺母缺失、钢表面锈蚀和钢栏杆锈蚀）进行识别和检测,以提高铁路桥梁巡检工作的精度和效率。创新点：1.提出了一种自适应图像裁剪方法,可根据图像的具体情况,自适应的调整图像的分割尺寸以及裁剪重叠区域面积,可以消除无人机拍摄距离以及焦距不固定带来的负面影响,并且提高小目标的检测效果;2.基于铁路桥梁钢结构待检测对象的特征,提出了浅层注意力网络,使模型能够更加关注待检测对象的浅层特征,从而使锈蚀区域更易于检测;3.将坐标注意力（CA）机制模块集成到浅层注意力网络模型当中,帮助网络在大范围的无人机拍摄场景下找到缺陷区域;4.将阿尔法并交比（α-IOU）损失函数集成到浅层注意力网络模型当中,提高针对铁路桥梁钢结构小数据集的训练和测试精度。方法：1.提出自适应图像裁剪策略,对无人机大尺寸图像进行处理,得到更易于网络检测出缺陷目标的小图像;2.通过对YOLO网络进行改进,得到更关注浅层特... 相似文献
15.
为解决公路路面病害图像特征不突出、检测精度低等问题,提出一种基于改进SSD模型的路面病害检测系统。利用梯度下降Sobel算子优化SSD模型中图像特征提取的卷积网络层,突出路面病害图像特征;通过改进SSD模型实现横向裂缝、纵向裂缝、块状裂缝、路面凹陷以及其它类路面的病害图像检测;结合Jetson-Nano板载化系统以及基于GO语言的Tensorflow框架实现路面病害检测及分类。实验结果表明,系统路面病害分类准确度为91.28%,比未改进的SSD模型识别准确度提高7.36%,证明该优化模型有效。 相似文献
16.
17.
《西安文理学院学报》2020,(3)
针对道路交通标志背景复杂多变、现有模型鲁棒性不高以及检测识别过程分步的问题,提出基于感兴趣区域(ROI)提取和卷积神经网络(CNN)相结合的端到端方法.为了突出交通图像中的感兴趣区域,应用MSER方法对原始图像进行颜色增强;应用分割技术生成不同尺度的感兴趣区域(ROI),进一步采用LeNet-5基础模型进行特征提取及区域框标记.为了解决在有限GTSRB数据集上出现的过拟合和网络鲁棒性不强的问题,结构中增加BN层;针对在训练中存在的损失震荡、损失过大等问题,提出使用Adam算法及提前停止的理念,加速了网络训练,稳定降低了损失,提高了识别精度,得到了较高的准确率. 相似文献
18.
19.
刘鸿飞 《湖南科技学院学报》2012,33(4):21-26
图像数据量的海量性成为人们获取空间图像的重要瓶颈之一。感兴趣区域优先编码方式可以选择性地压缩、传播人们关心的区域图像,从而降低了数据传输量。本文在研究了空间目标特殊性,提出了基于边缘检测+分水岭算法的感兴趣区域自动识别方法,在太空运行时可以实时地自动识别航天员和飞船所在区域,而且算法有运算量低、易于硬件实现等特点,为下一步的感兴趣区域编码做出了必要的准备工作。文中考虑到不同背景对感兴趣区域识别的影响,并对各种背景情况下的太空图片进行了仿真,算法仿真结果表明:在不同的太空背景情况下,该算法均可以准确地识别载人飞船的所在区域。 相似文献
20.
为满足人造板表面缺陷图像分割的精度要求,提出了一种改进的UNet 语义分割网络模型。 在传统的UNet 网络结构上将编码部分改进为残差网络ResNet50 并去掉连接层与平均池化层,网络通过残差块堆叠获取更多特征的底层信息;同时在跳跃连接中嵌入聚焦注意力机制的模块,抑制干扰信息,保留有效位置信息,聚焦缺陷区域并加强学习。 对4 种UNet 网络模型的人造板表面缺陷图像分割进行仿真比较,结果表明,融合聚焦注意力机制的残差UNet 网络模型在像素准确率和平均交并比等指标上有较大提升,分割精度较高。 相似文献