基于多分辨率特征自选择的遮挡物识别算法

光伏组件的遮挡物识别是光伏运维系统中不可或缺的环节，传统识别算法多依赖人工巡检，成本高昂且效率低下。基于卷积神经网络，提出了一种面向光伏组件的遮挡物识别算法PORNet。通过引入特征金字塔，构建多个分辨率下具有丰富语义信息的图像特征，提升对遮挡物尺度和密度的敏感性。通过特征自选择，筛选出语义最具代表性的特征图，以加强物体环境的语义信息表达。用筛选出的特征图完成遮挡物识别，从而提升识别准确率。在自建光伏组件落叶遮挡数据集上进行了实验比较和分析，并对识别性能进行了评估，通过与现有物体识别算法相比，所提算法的准确率和召回率分别提升了9.21%和15.79%。      

基于AQSSE方法的基础隔震结构损伤识别

提出自适应二次误差平方和(AQSSE,Adaptive Quadratic Sum-Squares Error)方法对基础隔震结构进行在线损伤识别实验研究.建立基础隔震结构实验模型,进行振动实验.实验过程中采用一套刚度元件装置在线模拟结构损伤,测量模型加速度响应和位移响应,基于测得的加速度信号和AQSSE方法在线识别基础隔震结构的参数和位移,并追踪参数的变化,从而识别结构损伤.研究结果表明:在两种典型地震波激励下,通过不同时刻的刚度突变模拟结构损伤,AQSSE方法得到的结构参数值与有限元分析结果一致,且识别得到的位移曲线与实验测量的位移曲线吻合良好,验证了AQSSE方法在基础隔震结构参数识别与损伤追踪中的有效性和准确性.     

应用于智能芯片的可视化反馈系统研究

当前，市场上普遍使用的负责推理的终端人工智能（AI）芯片使用训练好的参数对数据进行快速高效运算。但在通常训练过程中使用的数据集和真实数据的分布不一致，由此获得的参数会导致终端AI芯片识别准确度降低。为此，提出了一种基于终端AI芯片的可视化反馈系统架构方法。使用反卷积特征可视化方法，在具有高效计算性能的终端AI芯片上，对卷积核参数进行迭代优化，达到可识别该图像目的。相比于CPU/GPU和FPGA，所提架构在卷积神经网络模型里，更具有高效处理能力和灵活可塑性。实验表明，该研究有效提高了终端AI芯片的普适性、识别准确度和处理效率。      

基于局部语义特征不变性的跨域行人重识别

行人重识别是刑侦案件中重要的侦查手段，而跨域是行人重识别的主要挑战之一，也是制约其实际应用的瓶颈问题。在带标签的源域和无标签的目标域学习跨域行人局部语义不变性特征模型。首先，在源域上通过只含有行人标识无部件标签的监督学习方式学习行人的各部件特征，并在源域和目标域上采用无监督学习方式对齐行人部件。然后，基于对齐后的行人全局与局部特征，引入特征模板池存储对齐后的目标域全局和局部特征，并设计了跨域不变性损失函数进行特征不变性约束，提高行人重识别的跨域适应能力。最后，在Market-1501、DukeMTMC-reID和MSMT17数据集之间开展了跨域行人重识别验证实验，实验结果表明，所提方法在跨域行人重识别上取得了显著的性能提升。      

结合轮廓及骨架序列编码的二维形状识别

二维形状识别是物体识别中的一个基本问题,被广泛地应用于商标检索、指纹识别、物体定位、图像检索等多个领域。其中,基于生物信息学的二维形状识别是近期一个新的研究方向,基本思想是把二维形状的轮廓转化为生物信息序列,借助标准的生物信息序列分析工具来进行二维形状的匹配和识别。不过,利用轮廓进行信息序列编码存在编码冗余和编码准确性不高的问题,本文提出了一种新型的结合形状轮廓和骨架的序列编码方法。该方法利用骨架表示形状的细长分支,减少编码的冗余;并分别对轮廓和骨架进行不同类型的编码,具备编码简洁、后续匹配准确性高等优点。最后,本文在三个公开数据集上进行大量的形状识别实验,并与多种通用形状识别方法进行了比较。实验表明,本文方法在多个实验中均取得了较高的识别准确率,相比基本的形状特征描述方法,准确率提高了近5%。      

遮挡条件下的鲁棒表情识别方法

提出了一种对面部遮挡具有鲁棒性的表情识别方法.首先,基于鲁棒主成分分析(RPCA,Robust Principal Component Analysis)对待识别人脸进行重构,并对重构人脸和待识别人脸的差值图像进行显著性检测得到面部遮挡区域;其次,将待识别人脸的遮挡区域由RPCA重构人脸的相应区域进行替换,并由权值更新的AdaBoost分类器对遮挡区域重构后的人脸进行表情识别.在BHU(Beihang University)人脸表情数据库和日本女性表情数据库上进行了各种遮挡情况下的表情识别实验,获得了比AdaBoost方法更好的识别结果,说明基于RPCA和AdaBoost的表情识别方法对多种面部遮挡具有较强的鲁棒性.     

基于相位差的转轴扭矩测量中的零位识别与处理

提出了一种基于相位差原理的转轴扭矩测量中的零位识别与处理方法。采用两路反射式模拟输出激光光强传感器和对应的反射色带，形成两路标准的正弦信号，通过同步采样和幅度归一化处理，得到两路信号的瞬时相位差，并依此实现对转轴扭矩载荷的测试，克服了以往基于脉冲信号测量中无法在静态条件下进行零位校正的困难。对该系统实现的关键技术和参数进行了分析，通过模拟信号输入和标准扭转试验台验证了本文所提出的方法的应用效果。理论和实验结果表明，该方法不需要转轴转动，就可以准确识别其零位，从而大大降低了该技术在现场使用中的调校要求。     

红外热波成像法测量薄板局部换热系数

通过连续激光调制对薄板试样进行局部周期加热，采用红外扫描测温技术记录动态温度分布。利用博里叶变换分析温度基波相位和幅值变化，进而推算壁面的局部换热系数。介绍了该方法的测量原理，在风洞中对两种不同厚度的薄板进行了实验研究，并对实验结果进行了分析和讨论。     

基于时频分析的雷达目标识别研究

基于时频分析的性质，提出了一种雷达目标识别方法。对雷达回波信号进行小波变换，得到目标回波信号的三维时频分布图和功率谱密度，从中提取目标的调制谱密度，根据最小贴近度识别算法进行目标识别。由实验结果看，利用此方法能够得到很高的识别率。     

基于小波包变换及时间 小波能量谱的振动信号分析研究#br#

基于具有时频分析特性的小波包分析方法，对振动系统的测量信号进行了降噪处理，采用的软 硬阈值折中小波去噪方法兼有软阈值与硬阈值降噪的优点，且通过折中因子的引入，可以在信号分析中更灵活的进行信号处理.对去噪后的信号，基小波时间 能量谱分析，可以很好的将信号的主成分清晰的展示出来，并根据其能量在各频带的分布，可以直观的展示信号特征，为机械振动系统的故障诊断与识别，提供一套理论的方法.研究中所发展的分析方法在机械振动系统及其振动组件的状态监测及故障诊断识别方面有广阔的应用前景.     

基于光谱知识的高光谱图像自动识别方法

针对传统高光谱图像矿物识别方法未能充分利用矿物光谱诊断吸收特征与矿物光谱知识、识别过程人为干预多等问题,提出了一种基于光谱知识的高光谱图像自动识别方法.该方法引入了基于光谱吸收特征与波形特征的光谱知识作为自动识别的标准,利用连续统去除操作增强光谱吸收特征,采取基于光谱主次吸收特征的识别决策策略,建立多级约束准则以提高识别精度及避免误识别,通过利用模拟数据进行算法精度评价并应用航空高光谱成像仪AVIRIS(Airborne Visible/Infrared Imaging Spectrometer)数据进行应用分析与验证.结果表明:当图像信噪比大于200时,识别准确率可以达到80.3%,能够得到良好的识别结果以及较高的精度,并实现了基于高光谱图像的矿物自动识别.     

基于朴素贝叶斯分类器的空中红外目标抗干扰识别方法研究

红外诱饵对抗技术的发展使得空战环境日益复杂化,对红外成像制导空空导弹抗干扰目标识别技术提出了更高的要求。红外诱饵的投放使得目标特征的完整性、显著性及稳定性遭到破坏,基于特征融合匹配的统计模式识别方法无法准确识别目标。提出了一种基于朴素贝叶斯分类器的抗干扰目标识别方法,该方法对空战对抗仿真图像数据集进行了特征挖掘,利用实验拟合方法构建了典型特征的概率密度函数模型,构造了朴素贝叶斯分类器,实现了飞机目标和干扰的分类识别。仿真实验结果表明,该方法在已测试的弹道图像数据集下的平均识别正确率达到了81.82%,且能够解决假目标、目标遮挡等抗干扰目标的识别难题。     

M-FSVM在可靠性寿命分布模式识别中的应用CSCD

在产品的可靠性研究中,准确、有效地识别产品所属的寿命分布,是可靠性建模成败的关键。针对传统支持向量机(SVM)在解决多分类问题时存在不可分区域等缺陷,提出了一种基于多分类模糊支持向量机(M-FSVM)的可靠性寿命分布模式识别方法,建立了包括指数分布、正态分布、对数正态分布和威布尔分布四种常用寿命分布模式识别的模糊支持向量机模型,并进行了仿真试验研究。仿真试验结果表明,该模型能够克服传统支持向量机中存在的不足,能够对常用的寿命分布模式进行智能识别,识别率高,便于工程应用。     

基于Hausdorff距离的星图识别方法

提出了一种新的星图识别方法,这种方法的基本思想是首先从星敏感器中提取全部星图信息,把提取的星图组成一个待识别数据集合B,把全星图参考星库作为一个标准数据集合A,然后,计算2个数据集合A,B之间的相对Hausdorff距离,根据最小相对距离得到待识别星的位置,其中A, B分别由矢量坐标a,b构成.与传统的星光角距识别方法不同,这种方法充分利用了星敏感器中的所有星的空间结构信息,所以,它对各种噪声干扰具有很强的鲁棒性.半物理仿真实验结果表明,在具有强的随机噪声、星图畸变和一定数目的流星干扰情况下,这种方法具有很好的识别效果.     

一种基于深度学习的交互式电话号码识别方法

物流、保险和中介服务等行业需要频繁地拨打电话,而人工拨打电话效率较低,高效的电话号码识别技术具有重要的应用价值。传统的印刷体数字识别方法存在人工设计特征过程复杂、识别字体单一等不足,难以满足实际应用需求。本文提出了一种基于深度学习的交互式的电话号码识别方法,通过鼠标双击图像中的电话号码,自动截取出包含此号码的目标区域,并进行灰度化、二值化、目标区域定位、字符分割和图片补白等预处理操作,在此基础上利用改进的LeNet-5卷积神经网络（CNN）自动学习图像特征,支持多种字体、字形和字号的印刷体数字识别,并利用交互式识别和内存池等方法提高识别速度。实验结果表明,单一字符的识别率为99.86%,整个号码的识别率为99.50%,整个号码平均识别时间为91 ms。本文方法识别精度高、识别速度快,具有较为广泛的应用前景。      

基于机器视觉的万用表数字识别技术研究

为提高手持式数字万用表校准系统的自动化水平，本文通过研究图像灰度阈值法、传统方法的目标分类和深度学习三种不同类型的字符识别技术，提出了两种基于机器视觉的数字识别方案。测试结果显示，两种方案的字符识别准确率均可达到99.8%，但其在硬件资源占比、编程难易程度上二者还存在显著差异。该机器视觉字符识别功能的成功开发与应用，可为更多无程控通信接口的计量测试设备，及一些不适于人工作业的危险计量工作环境进行类似的数字识别提供借鉴。     

飞机框肋类零件基础特征自动识别与提取算法

飞机框肋类零件是组成飞机骨架的重要零件,具有数量大、形状各异等特点,其生产制造所耗费的时间在飞机研制过程中占有较大比重。然而,通过现有CAD软件所提供的功能进行相关制造操作,无论是效率、质量等均已不能满足现代飞机设计和制造要求,围绕飞机框肋类零件研究和开发相关的自动化制造系统已迫在眉睫。基于框肋类零件边界表示模型对零件基础特征进行自动识别与提取,是实现后续相关工艺规划与加工的基础与前提。针对该问题,提出零件基础特征模型,并建立一种基于同侧面的特征识别算法,即:以零件STEP数据作为输入,选取两侧腹板面,应用属性邻接图（AAG）构建、有效邻面识别、关联面完整识别等方法,逐级识别各级关联面以构建两侧同侧面,通过同侧面单元匹配最终实现基础特征构造和特征邻接图构建。其中,针对零件三维模型中的碎面缺陷提出其定义与识别方法,以保证特征面识别的完整性。经由实例测试,验证所提算法的可行性与有效性。      

基于概念空间学习认知的机器人目标识别方法

针对复杂环境中机器人多类目标识别通常所依托的原始特征空间中数据区分度低、难以直接表达高层次特征知识的挑战性问题,采用概念空间知识表达方法,通过多传感器数据融合与特征提取建立基本特征空间,并运用高斯混合模型表示目标的各种属性,形成具有高层知识特性的概念空间,在此基础上进行高层知识的概念学习,增强多类目标在概念空间中的可区分性.利用支持向量机作为机器人的分类器,实现针对室内环境的多类目标物体的准确识别.实验结果表明:该方法不但有效地获取和表达待识别目标的高层特征知识,而且能有效提高机器人的目标识别与环境感知能力,展现出优越的分类识别性能.     

韧性语音识别技术

在实际环境中,背景噪声是广泛存在的,而且严重损害诸如语音理解与识别技术应用的效果。本文主要讨论噪声分布是近正态分布的情况。噪声的概率密度函数(p、d、f)为如下形式:f(x)=(1-ε)g(x)+εg(x)其中,g(x)是正态概率密度函数,h(x)是任意对称的概率密度函数,ε是一个常数,0<ε<1。借助于Robust的基本思想,我们对线性预测的残差进行了韧性处理,得到Robust M估计。减少了噪声中语言参数的估计偏差,而且导出了Robust M估计的格点算法并给出了实验数据和结果。