【摘 要】
：
预制叠合板构件质量问题是导致施工现场预制构件不能顺利安装的重要因素之一。提出了一种基于机器视觉的智能化检测预制叠合板构件的方法。首先通过预制构件生产线上的摄像系统进行图像采集，然后通过滤除噪声对图像进行预处理，通过Canny算子对边缘特征进行提取，Harris角点检测算法对图像内部特征进行提取，并将提取出的信息已储存信息进行对比。利用该方法对三块预制叠合板试件进行了特征识别及分析，结果表明：该检测
论文部分内容阅读
预制叠合板构件质量问题是导致施工现场预制构件不能顺利安装的重要因素之一。提出了一种基于机器视觉的智能化检测预制叠合板构件的方法。首先通过预制构件生产线上的摄像系统进行图像采集，然后通过滤除噪声对图像进行预处理，通过Canny算子对边缘特征进行提取，Harris角点检测算法对图像内部特征进行提取，并将提取出的信息已储存信息进行对比。利用该方法对三块预制叠合板试件进行了特征识别及分析，结果表明：该检测方法可以识别预制叠合板尺寸信息，识别预留孔洞及预埋件的数量、尺寸及位置信息，对预制叠合板特征信息进行检测
其他文献
目前深度学习方法应用于图分类模型的重点集中在将卷积神经网络迁移到图数据领域，包括重定义卷积层和池化层。卷积操作泛化到图数据上是有效的方法，但无论是卷积还是池化都存在较大的改进空间，尤其是在提取网络拓扑结构信息方面。提出一种基于重构误差的同构图分类模型，一方面利用改进的同构图卷积网络WaveGIC增强提取拓扑结构信息能力；另一方面利用多重注意力机制表征全图，使得模型能够关注关键节点信息。由于网络加深
针对水下观测图像的颜色失真和散射模糊问题，提出一种基于改进循环一致性生成对抗网络(Cycle-consistent generative adversarial networks，CycleGAN)的水下图像颜色校正与增强算法.为了利用CycleGAN学习水下降质图像到空气中图像的映射关系，对传统CycleGAN的损失函数进行了改进，提出了基于图像强边缘结构相似度(Strong edge and
针对现有行人再识别算法在处理图像分辨率低、光照差异、姿态和视角多样等情况时，准确率低的问题，提出了基于空间注意力和纹理特征增强的多任务行人再识别算法。算法设计的空间注意力模块更注重与行人属性相关的潜在图像区域，融入属性识别网络，实现属性特征的挖掘；提出的行人再识别网络的纹理特征增强模块通过融合不同空间级别所对应的全局和局部特征，减弱了光照、遮挡等对行人再识别的干扰；最后通过多任务加权损失函数将属性
通常在目标跟踪任务中需要跟踪的目标物体具有任意性，同时目标周围可能有相似的干扰物体，这常常导致预训练网络提取的目标特征并不完全适用于当前需要跟踪的目标物体。针对以上问题，在Siamese孪生网络目标跟踪框架下，本文提出一种新型的基于梯度导向的通道选择目标跟踪算法。首先从预训练网络提取待跟踪目标特征，利用本文提出的开关-惩罚损失函数对背景中的相似性干扰物体施加惩罚操作，以排除相似物体对跟踪目标的干扰
高光谱图像变化检测可提供地球表面的时间维变化信息，对城乡规划和管理至关重要。因具有较高的光谱分辨率，高光谱图像常被用于检测更精细的变化。针对高光谱变化检测的问题，本文提出一种基于协同稀疏与非局部低秩张量的高光谱图像变化检测方法。该方法首先求得前后时间点的高光谱差分图像，再根据差分图像中图像块的非局部分布特点，提取不同的非局部张量簇。然后基于协同稀疏正则化和低秩正则化建立协同稀疏与非局部低秩张量变化
为了实现养殖场环境下无接触、高精度的奶牛个体有效识别，针对SSD（Single Shot MultiBox Detector， SSD）算法识别准确率不高的问题，提出一种基于浅层特征模块的改进SSD(Shallow Feature Module SSD， SFM-SSD)算法。首先，将原始SSD算法的主干网络由VGG16替换为MobileNetV2，以降低网络的运算量，改善检测的实时性；其次，针对
对我国亚热带地区发育于花岗岩之上的一个黄红壤剖面进行了系统的环境磁学测量，对土壤样品的磁化率、等温剩磁、磁滞回线等常温磁学参数进行测量，对代表性样品进行热磁分析，并结合色度、常量地球化学元素和漫反射光谱参数，探讨亚热带黄红壤的磁性特征，以及在相对湿冷的气候条件下，黄红壤中的磁性矿物具有怎样的转化规律。结果表明：亚热带黄红壤中强磁性矿物为亚铁磁性的磁铁矿、磁赤铁矿，弱磁性矿物为反铁磁性的赤铁矿、针铁
为提高疼痛表情识别的准确性，提出一种融合约束局部神经域模型（CLNF）和贝叶斯网络（BN）建模的疼痛表情识别方法。该方法首先通过CLNF模型获取疼痛表情的关键特征点，在此基础上进一步得到携带大量疼痛信息的面部活动单元（AU），对AU加标签构成样本数据集，并根据定性专家经验得到BN条件概率之间的约束集合，随后利用变权重方法将样本数据集与约束扩展参数集进行融合完成BN模型的参数估算，最后利用BN推理方
在电力物联网中为了提高D2D(Device-to-Device)网络的频谱效率和系统能效，考虑不完美信道状态信息(Channel State Information， CSI)的影响，提出了一种鲁棒能效最大的资源分配算法。考虑D2D用户最大发射功率约束、蜂窝用户功率约束和共道干扰功率约束，建立下垫式频谱共享模式下混合蜂窝/D2D通信的上行传输资源分配模型；考虑蜂窝用户干扰中断约束，基于最小最大概率
现有基于深度学习的立体匹配算法在学习推理过程中缺乏有效信息交互，而特征提取和代价聚合两个子模块的特征维度存在差异，导致注意力方法在立体匹配网络中应用较少、方式单一。针对这些问题，本文提出了一种多维注意力特征聚合立体匹配算法。设计二维（Two-dimensional， 2D）注意力残差模块，通过在原始残差网络中引入无降维自适应2D注意力残差单元，局部跨通道交互并提取显著信息，为匹配代价计算提供丰富有