基于神经网络的电表数字识别技术研究

提出了基于BP神经网络的机械式电表数字自动识别方法,首先通过预处理自动定位电表图像中的数字区域并实现单个数字的切分,然后对每个数字图像提取一组具有较高区分度且计算简单的典型网格特征,最后设计BP神经网络作为数字分类器,实现电度表显示值快速自动识别,该研究获得了电表数字正确识别率98.5%的结果,表明该系统具有较强的鲁棒性。     

基于笔画的汽车车牌自动识别系统的开发

车牌自动识别系统能从一幅图像中自动提取车牌图像,并对字符进行分割,从而达到对字符有效识别。该技术可以从采集汽车图像中确定车牌的准确位置,能及时准确地自动识别出车牌上的数字、字母和汉字字符,并且可以通过计算机进行数据后期处理并直接输出识别结果,为实现现代交通的智能化管理提供帮助。     

焊接电弧波形和图像的同步采集与再现

进行了焊接电弧高速摄像图像和信号波形的同步采集和再现研究,给出了电弧图像和波形再现具体实现技术,并利用该技术成功地进行了电弧光谱信息检测熔滴过渡过程、二氧化碳短路过渡过程和变极性MIG焊电弧行为的研究。     

基于分区域自适应中值滤波的X射线图像缺陷提取

为了实现X射线数字图像的计算机智能分析和处理,研究了射线数字图像缺陷自动提取技术。以航空发动机叶片为研究对象,介绍了基于分区域自适应中值滤波的图像处理方法。根据图像不同区域内灰度变化特点进行不同方向的基于扫描线的一维中值滤波,并使滤波器的长度能随着缺陷尺寸自动调整,快速、准确地提取出被测试件的缺陷。试验结果表明,运用该方法进行X射线数字图像的缺陷提取,能有效避免缺陷的变形和失真,为缺陷的自动识别打下了良好的基础。     

基于通用处理器的调制制式自动识别技术

自动调制识别是非合作通信体制中的重要研究课题.通过对基于决策理论的模拟调制信号自动识别的研究,结合信号软件解调等技术,提出了一种使用通用处理器实现调制制式自动识别的方案.对实际信号进行采集加噪后的处理证明了该方案是切实可行的.     

陀螺稳定平台数字稳定电路硬件设计与实现

针对某型陀螺稳定平台目前仍然采用模拟稳定电路的问题，设计了陀螺稳定平台数字稳定硬件电路。数字稳定硬件电路采用DSP处理技术、24位高精度AD采集技术及H桥功率放大技术。实验结果表明，该电路能满足各种性能指标要求。该电路的实现为后续自适应控制理论、数字化及智能化控制技术应用于陀螺稳定平台奠定了硬件基础。     

数字成像技术的进步推动了夜视领域的变革

数字成像技术不仅替代了传统的摄影胶片，它在图像采集、存储、共享和处理方面也带来了一场变革，在夜视领域也正在出现类似的改变。     

一种航空发动机滚动轴承磨损故障监测技术

针对航空发动机滚动轴承磨损状态监测对长轴尺寸大于10μm的故障敏感磨粒检测的需要,研制了多功能油液磨粒智能检测与诊断系统,克服了传统光谱分析对大磨粒不敏感的缺点,以及传统铁谱分析检测步骤烦琐的不足,可直接对流动的油液中大于10μm的运动磨粒进行检测.提出了油液运动磨粒的7个数字特征参数及其识别策略,实现了磨粒的自动识别,识别率基本上达到99%以上.利用实际的航空发动机油样进行了试验验证,并与传统光谱分析进行了对比,试验结果表明该系统较光谱分析具有更强的检测力和更优的时效性.      

基于人工神经网络的手写体数字识别方法

数字识别是人工神经网络中的一项基本又重要的应用研究领域。为此提出了一种用简单BP神经网络识别手写体数字的方法。利用BP神经网络的良好监督学习功能,并结合提取的降维数字字符图像的灰度特征进行网络训练,提出了一种基于统计特征分类的手写体数字识别方法。实验结果表明,该方法简单且有较好的识别效果。     

基于数字孪生的飞机总装生产线管控模式探索与实践

为持续提升飞机总装生产线运营绩效,促进业务模式变革,提出了一种基于数字孪生的飞机总装生产线管控新模式。首先,分析了飞机总装生产线从物理空间到信息空间的演变过程及生产线运行管控需求。其次,阐述了飞机总装生产线数字孪生组成,结合数字孪生五维模型,构建了总装生产线数字孪生模型。最后,基于3DMAX建立了虚拟模型,利用系统开发技术构建总装数字孪生系统,通过采集现场生产过程数据实现物理实体与虚拟空间的映射,初步探索了数字孪生技术在飞机总装生产线的应用。结果表明,基于数字孪生的飞机总装生产线管控模式对提高生产效率和质量具有重要作用。     

全息测振干涉图的自动分析与处理

 研究数字条纹图象的自动检测与判读处理的理论与技术,在微型通用数字图象处理系统上建立了一套条纹自动检测与判读处理的软系统,实现了条纹图象的输入、定位、预处理、骨架化、细化、修补与光滑、计数、插值及三维振幅场输出等功能,对类似的散斑干涉条纹和莫尔条纹的判读处理有理论参考价值。     

基于图像识别的发动机内窥智能检测系统研究

介绍了一种基于图像识别技术的航空发动机内窥检测的新方法，采用最大类间方差法计算二值化分割的最佳阈值，并将提取的图像特征输入神经网络进行分层识别，最后由专家系统对损伤程度进行了诊断。通过现场测试，证明了该方法的有效性和实用性．     

基于合作目标和视觉的无人飞行器全天候自动着陆导引关键技术

 GPS受他国控制和易受干扰对基于该导航系统的无人飞行器导航和着陆具有潜在危险,为了使其安全自动着陆,提出通过在着陆跑道(广场或公路)上预设具有受控发射红外光的地面合作目标,实现无人飞行器的视觉全天候自动精确着陆新技术。首先研究得到切实可行的工作过程;然后研制了合作目标,通过理论分析和实验得出,无论能见度高低,8~12 μm中远红外视觉系统探测到的合作目标图像质量远优于可见光视觉系统,研究得到合作目标和背景的温差在170~200 ℃时,成像效果最好。在识别研究中发现,基于传统的不变矩算法对合作目标的识别可靠性稍差,为了进一步准确地识别合作目标,又提出了基于方向链码的合作目标识别算法,该方法的耗时为不变距的96%,但是识别的可靠性比前者有显著提高。     

Automatic target recognition using enhanced resolution SAR data

Using advanced technology, a new automatic target recognition (ATR) system has been developed that provides significantly improved target recognition performance compared with ATR systems that use conventional synthetic aperture radar (SAR) image-processing techniques. This significant improvement in target recognition performance is achieved by using a new superresolution image-processing technique that enhances SAR image resolution (and image quality) prior to performing target recognition. A computationally efficient two-level implementation of a template-based classifier is used to perform target recognition. The improvement in target recognition performance achieved using superresolution image processing in this new ATR system is quantified     

基于深度卷积网络的SAR图像目标检测识别

在SAR图像解译应用领域,目标的自动检测与识别一直是该领域的研究重点和热点,也是该领域的研究难点。针对SAR图像的目标检测与识别方法一般由滤波、分割、特征提取和目标识别等多个相互独立的步骤组成。复杂的流程不仅限制了SAR图像目标检测识别的效率,多步骤处理也使模型的整体优化难以进行,进而制约了目标检测识别的精度。采用近几年在计算机视觉领域表现突出的深度学习方法来处理SAR图像的目标检测识别问题,通过使用CNN、Fast RCNN以及Faster RCNN等模型对MSTAR SAR公开数据集进行目标识别及目标检测实验,验证了卷积神经网络在SAR图像目标识别领域的有效性及高效性,为后续该领域的进一步研究应用奠定了基础。     

一种航空铆钉自动检测系统研制

研究并实现了一种图像识别的铆钉自动尺寸检测系统,主要介绍了系统的工作流程和原理,给出了系统硬件组成,并在对CCD相机的采集图像清晰度评价函数分析基础上,提出了一种适合多种铆钉检测的自动调焦方法。通过对图像滤波处理、边缘检测算法的论证分析,建立了适合铆钉检测的图像特征提取方案,最后给出了系统主要功能界面。     

基于改进Yolov3 算法的舰船目标检测识别系统

针对复杂战场环境下对海目标检测识别的需求,设计了一种基于改进Yolov3 算法的海面舰船目标实 时检测识别系统。使用微调分类网络、增加训练尺度、聚类目标边框维度、二级特征分类等方法对Yolov3 检 测识别网络模型进行了优化,在提高识别精度的同时有效降低了漏检率和虚警率。实验结果表明,优化后的网 络模型在自建的舰船图像数据库中将检测识别平均准确率提高到了79.3%,对真实海上航拍视频中舰船目标识 别的平均准确率达到了81% 以上。     

轮胎胎号字符识别系统

利用数字图像处理的方法开发了轮胎胎号字符识别系统。首先通过CCD摄像头获取轮胎胎号图像，再对得到的图像进行预处理和特征提取，最后用人工神经网络的方法识别出图像中的字符信息。实验结果表明该方法是有效的。     

基于深度图像的人体关节点定位方法

提出了一个基于深度图像的人体关节点定位的方法:首先将图像中的人体区域分割出来,然后利用随机森林分类器对逐个像素点进行分类,得到身体的各个部件并寻找关节点的位置。通过实验发现,本方法准确性较高并具有一定实时性。分类的准确率为 68%,相较 Kinect技术(40%)达到了较高的分类水平。预测人体关节点位置的平均时间为每帧 150ms,符合实用性要求。