基于P300信号的脑控机械手关键技术研究

针对传统P300字符输入系统信号通道多、计算量大等问题,提出一种利用贝叶斯框架下组稀疏约束的P300信号识别算法来提高脑控机械手效率的方法。首先利用能使字符按行列方式闪烁的计算机界面对受试者的视觉系统产生刺激,同时使用自采集设备记录脑电信号。之后在贝叶斯框架下建立基于P300的BCI解码模型,同时完成P300特征检测和脑电通道选择,避免了大量的交叉验证,提高了字符输入效率。然后根据P300字符识别结果,将其转化为对应的机械手命令,通过以太网通讯方式传输给机械手,最终完成对机械手的控制。实验结果表明,文章提出的方法能有利于提高P300信号特征检测的准确率和处理效率。     

基于图和子图同构算法的制造特征识别方法

针对传统制造特征难以快速识别的难题,提出了基于图和子图同构算法的制造特征识别方法。通过提取零件模型中的几何信息与拓扑信息,构造出加权属性邻接图,对零件模型进行精准描述,为建立制造特征库,定义了文件数据的存储结构,结合子图同构算法以及相关判定规则实现对常见制造特征的识别与匹配。以Creo软件中生成的零件模型为例,在VS2010平台中进行二次开发,最后以界面窗口形式展示识别结果,验证了该方法的有效性。     

基于深度学习的先进陶瓷零件实时缺陷检测系统

传统先进陶瓷零件检测与分类的主流方法为纯机械尺寸过滤和人工判断,为解决其成本高、失误率高和损坏率高等问题,提出了基于深度学习的多目标实时检测分类模型（Multi-object real-time detection and classification model, MRDC）。该模型以YOLOv3为基础,使用SKNet作为注意力机制进行特征重构提高精确度,配合灰度图快速转化算法与跳帧检测方法提高检测速度,可实现实时缺陷检测。对实际生产中的先进陶瓷零件进行采集训练,多批次采集图像数据,每批数据含多个陶瓷零件的1 000张图像,平均精确率均值达到99.19％,用先进陶瓷零件生产线视频检验,识别分类的正确率达到100％,可以保证每分钟检测450~550个零件。多目标实时检测分类模型拥有识别速度更快、识别准确率更高和零件不易损坏等优点,可极大地节约生产原料与人力成本,减少废品产出。     

基于主动形状模型实现医学图像中的物体(脊柱)定位

主动形状模型(ASM)通过把物体的形状模型及其相应的局部灰度表象模型有机结合以实现图像中的物体定位。在传统ASM中．对物体形状的灰度变化(局部灰度表象)的建模建立在一维采样与搜索方法的基础之上，故其定位准确性低且速度慢。本提出了一种在物体形状每一特征点周围的矩形邻域中使用二维采样与搜索技术．从而改进物体形状的局部灰度表象模型的方法。针对医学图像中的物体定位问题．本比较了基于这种改进的ASM模型和传统ASM模型对同一医学图像集中的脊柱定位能力。实验表明．基于这种改进的ASM模型能快速有效地对医学图像中的脊柱(物体)进行更准确的定位。     

基于图像的手势识别 MP3播放器的应用

在人工智能系统中,计算机视觉图像识别是一个重要的组成部分。因此基于视觉图像的手势识别研究具有非常重要的理论意义和十分广阔的应用前景。本文以STM32为处理器,主要完成图像处理和指令控制,采用摄像头捕捉手的运动轨迹,通过图像算法识别手的运动方向,图像采集后通过摄像头自带的FIFO缓存,其输出格式为RGB图像,MCU只需要调用FIFO的数据即可进行后续的图像信号处理。在手势识别研究的基础上,结合手势识别MP3播放器的应用背景,实现通过手势控制播放器的开启、调节音量和音乐切换等功能。测试结果表明,本文方法对手势识别具有较好的效果。     

一种基于区间解析冗余关系的故障诊断方法

在基于解析冗余关系的故障诊断应用中,系统不确定性方法会造成漏诊和误诊。本文在传统键合图线性差分变化技术（Bond graph-linear fractional transformation technique,BG-LFT）中引入区间分析理论,提出一种基于区间解析冗余关系的故障诊断方法。该方法在基于键合图的解析冗余关系故障诊断方法的基础上,首先结合BG-LFT和区间分析理论对参数不确定性和测量不确定性进行统一建模。然后,将键合图模型扩展为不确定性键合图模型,并推导区间解析冗余关系。最后,利用区间数学运算方法计算区间解析冗余关系,得到诊断阈值。将该方法应用于电动静液作动器参数型故障及传感器故障的故障诊断中。结果表明,与单纯使用BG-LFT相比,本文方法能更有效获取电静液作动器故障诊断依据,避免系统不确定性对诊断结果的干扰。     

模糊的类内矩阵模式主分量分析及在人脸识别中的应用

矩阵模式主分量分析（MatPCA）作为有效的特征提取方法能同时处理矩阵表式的模式和向量表式的模式。但与主分量分析（PCA）方法一样,MatPCA没有使用样本的类别信息,因此所提取的特征不能提供足够的判别信息,进而影响随后的分类性能。为有效利用样本的类别信息,在MatPCA基础上提出了一种新的特征提取方法——模糊的类内MatPCA（F—WMatPCA）。F—WMatPCA利用模糊K最近邻（FKNN）求解训练样本的模糊隶属度并在模糊的类内执行MatPCA。由于F—WMatPCA使用更多的类别信息,因此能有效地提高识别精度。对0RL,Yale人脸数据集和几个UCI数据集做了实验,结果证实了该方法的有效性。另外,讨论了F—WMatPCA在人脸识别上的应用,并与F—Fisherfaces作了比较,结果表明F—WMatPCA具有比F—Fisherfaces更稳定、更鲁棒的识别性能。     

冰形表面激光光带中心线快速提取方法

在风洞结冰模型3D冰形测量中,激光三角测量法相对传统测量方法检测速度快、精确度高,具有极高研究价值。然而由于冰体对激光透射严重,影响激光中心线提取精度从而影响测量精度。针对此问题,提出一种冰形表面激光光带中心线快速提取方法。该算法具体实现步骤为:首先,采用基于三维块匹配去噪算法对图像进行降噪,并对图像进行视觉显著性计算,分割出光带区域;其次,求取梯度图并转换至频域空间,根据图像频谱特征求取能量中心区域;最后,对区域采用灰度重心法求取中心线亚像素级位置。采用冰箱冻结的半径已知圆柱冰块评估该算法,测得算法处理时效为28.57FPS,使用该算法的冰形轮廓重建精度达到0.017mm。实验证明算法满足冰形在线测量技术要求,为开展结冰实验中结冰生长过程在线三维检测技术奠定技术基础。     

连续小波变换应用于密集模态参数识别

用连续小波变换方法进行模态参数识别时,减小小波函数的带宽可以提高小波变换的频率分辨能力,但同时也会增大边沿效应,影响密集模态参数识别的精度。本文提出了极值位置方法,在模态耦合严重的小波脊附近,找到模态解耦最好的尺度,在此尺度上进行频率和阻尼的识别,可以获得较好的识别精度。使用Morlet小波函数,对GARTEUR飞机模型中的三阶密集模态进行识别,验证了该方法的有效性。     

基于ARG模型识别局部被遮挡物体

在计算机视觉中，局部被遮挡物体的识别有着重要的意义。本文提出了一种基于ARG（关系属性图）模型识别局部被遮挡物体的新算法。由于关系属性图对图像遮挡、噪音或者二维几何引起的变形都是稳定的，所以用ARG模型能够识别那些由于局部被遮挡或其它原因引起的丢失特征的物体。该算法如下：首先，根据模型和图像特征之间的局部和整体的对应性约束，在图像中选出有限数量的侯选子图。其次，基于在关系向量空间中的误差分析，使用投票方案对丢失的特征进行迭代检测，丢失的特征全部被检测出后即可进行匹配。最后用实例进行了验证，结果表明该算法是有效的。     

用于微小卫星的陀螺随机常值偏置误差的在轨标定

结合陀螺在微小卫星上的使用,提出了一种不依赖于其余敏感器信息的陀螺随机常值偏置实时在轨标定技术.该技术利用陀螺在轨实时测量信息,结合卫星姿态动力学本身的约束,实现了陀螺加电后初始随机零偏的在轨实时确定.分析了标定模型的可观性,得出了该技术的适用条件.仿真结果表明,该标定算法具有较高精度,对陀螺采样频率具有一定的鲁棒性,并具有较快的收敛速度,在给定的姿态动力学模型的精度条件下,100 s内基本稳定,收敛精度在1.0 (°)/h左右,标定性能可满足空间任务的需求.     

基于"SOM脸"的选择性单训练样本人脸识别

基于“SOM脸”计算模型提出一种新的人脸局部区域重要程度度量方法,并用于进行选择性单训练样本人脸识别。从机器人脸识别的角度,并未预先人为设定任何重要区域,而是通过学习来自动发现这些对机器而言相对重要的人脸区域,即包含类信息相对丰富的区域,并将其进行可视化。实验结果表明,在利用了人脸局部区域重要程度信息后,识别算法的性能和效率均得到提高;特别是仅选择人脸图像中若干部分重要的区域用于识别时．在提高识别效率的同时．识别性能来见明显下降。     

基于STM32的嵌入式智能视觉数字识别实验装置

开发了一种基于STM32的嵌入式智能视觉数字识别实验装置,该实验装置实现了对数字字符的视觉识别。基于STM32的嵌入式数字识别实验装置采用了MDK5软件进行开发,其中包括获取图像信息、图像信息预处理、定位图像的数字字符区域、分割字符及归一化、识别字符等。嵌入式数字识别实验装置可以定位图像的数字字符区域,对字符区域的数字字符进行识别,将识别出的数值通过ESP8266-WiFi模块,可实时发送到手机端。该实验装置融合了机器视觉、数电、模电及单片机应用等多方面的知识,具有一定的延展性和创新性,可锻炼学生的实践能力和创新能力,有利于培养具有工程应用及技术创新能力的高素质复合型新工科人才。     

大气冰非等径孔隙细观结构随机建模方法（英文）

大气冰内部孔隙细观结构是影响其宏观力学性能的关键因素,然而传统方法在精细化模拟孔隙结构中存在局限性。为了更准确地模拟大气冰孔隙细观结构,提出了一种基于统计原理的建模新方法。首先,通过图像识别获得大气冰孔径的统计信息。然后,通过拟合优度检验筛选确定与孔径真实分布相匹配的最优分布函数。其次,给出大气冰模型边界几何尺寸计算公式,并考虑孔隙相交情况,生成大气冰非等径孔隙细观结构随机模型。仿真结果表明,所生成大气冰模型中的孔隙定量信息与实验结果吻合较好,验证了建模方法的准确性和可行性。此外,系统讨论了二维、三维情况下模型参数对孔隙率精度与计算效率的影响。当模型中的孔隙数量达到50时,能够较好地实现孔隙率精度和建模成本之间的平衡,为后续力学性能精细化仿真提供支撑。     

心室肌动作电位的计算机建模与仿真

该文以H-H理论为基础，结合了最新离子通道的研究成果，对L-R Phase Ⅰ心室肌动作电位仿真模型进行了改进。根据MATLAB仿真结果分析，该模型比较完善，因为它不但具有较高的去极化速率，并且可以仿真和细胞外钾浓度有关的细胞电生理特征。     

结合灰度共生特征和水平集算法的宫颈醋白区域分割

肉眼醋酸实验是宫颈癌筛查的重要手段,使阴道镜设备具备自动识别醋白区域的功能是解决在临床上缺乏有经验医生这一难题的有效方法。针对这一目的,提出了一种建立在灰度共生特征矩基础上的CV模型水平集算法。该方法首先使用k-means聚类从肉眼醋酸实验后的原始宫颈图像中分割出宫颈区域,继而利用合成的灰度共生特征矩对宫颈区域进行醋白特征提取并获得待分割的特征图,最后使用改进的CV水平集算法对特征图进行分割并得到醋白区域。实验结果显示:改进后的CV水平集算法比传统CV水平集算法的敏感度在平均值上低26.6%,比分水岭分割高47.6%,比模糊聚类分割高11.23%;其特异性在平均值上比水平集分割高29.45%,比分水岭分割低11.64%,比模糊聚类高45.23%;而以Jaccard Index(JI)统计的精度指标在平均值上比传统CV水平集算法高19.74%,比分水岭算法高23.27%,比模糊聚类高38.11%。该新方法在总体性能指标上精度更高。     

基于前向神经网络的与内容无关的笔迹鉴别

与内容无关的笔迹鉴别是属于图象处理和模式识别领域的一项课题，有着广泛的实用前景。本文提出了一种基于前向神经网络的与内容无关的笔迹鉴别的方法。文中讨论了提取笔迹灰度图象特征和用前向神经网络分类器进行两大问题。对笔迹灰度图提取了3大类18个灰度特征，面前向神经网络分类器由一种新的遗传算法同时优化设计其结构和权重矢量。通过对10人、每人6幅笔迹度图象用18个灰度特征进行鉴别,试验结果显示此方法设计的前向神经网络分类器收敛率高，比常用的最近邻分类器有更高的识别正确率。     

基于深度卷积网络的海洋涡旋检测模型

传统的利用遥感数据检测涡旋的方法通常是基于物理参数、几何特征、手工特征或专家知识。本文重点研究了基于深度学习技术从海表面高度图中识别海洋涡旋的方法。针对海洋卫星拍摄的海洋表面高度图中的涡旋检测问题,提出了一种基于卷积神经网络的多涡旋检测模型,该模型能够准确提取涡旋的特征信息,拟合语义信息与海面高度之间的关系。同时,在用于涡旋检测的最新公开数据集SCSE-Eddy上进行模型训练,以评估基于人工智能的涡旋检测方法性能,该数据集涵盖了15年来位于中国南海及其东部部分海域的每日卫星遥感海表面高度数据。实验结果表明,与现有的方法相比,本文模型取得了更好的检测结果,能够更好地区分相距较近的涡旋。     

特征视图的链码表示法

根据八方面边界链码规则，首先提出了基于分辨率的直线和椭圆的链码生成成算法；然后给出了在基于形态图方法的物体识别中，模型物的特征视图的链码表示法。从而为形态图方法在三维物体识别中的应用提供了理论基础。     

磁流变弹性体隔振器的非线性滞回动力学模型

根据磁流变弹性体隔振器的试验数据,利用Bouc-Wen模型,建立磁流变弹性体隔振器的非线性动力学模型。通过遗传算法对Bouc-Wen模型进行参 数识别,验证了模型精度。同时提出了改进的Bingham模型,并对磁流变弹性体隔振器进行动力学建模和参数识别。比较了Bouc-Wen模型与改进的Bingham模型的优缺点。