基于深度学习的低信息量图片物体检测算法研究

本文探讨了物体检测模型在一些领域的应用困难,比如基于热像图的物体检测,基于x射线图的物体检测,由于这类图像信息量低,传统物体检测模型难以应用。本文提出了一种统一化的解决方案,利用pix2pix模型将信息含量较低的图片转化为常规图片,再利用SSD模型侦测图像中的物体。通过实验,验证了算法的可行性。     

基于深度学习的水面无人清理船目标检测综述

水面目标识别对水资源环境具有重要意义。综合当前基于深度学习的目标检测方法的发展历程以及在水面中的应用情况,对水面目标检测数据集及检测方法进行了研究。首先介绍了目标检测网络的发展历程。接着,对当前常用目标检测方法进行总结,阐述水面常用的公开数据集及水面目标检测算法的实际应用。最后,对基于深度学习的水面目标检测提出今后的研究方向。     

基于机器视觉技术的玻璃瓶的质量检测方法

本文针对现场玻璃瓶检测的特点,分析了机器视觉在玻璃瓶质量检测方面的应用价值,并将其应用于玻璃瓶空瓶质量检测,提出了基于机器视觉技术的玻璃瓶的质量检测方法。     

表面缺陷机器视觉在线检测技术分析与研究

表面缺陷检测是产品质量保证体系中必不可少且极其重要的一个环节。基于机器视觉成像方法的表面检测技术已经成为物体表面在线检测的一个革新手段。本文对该项检测手段进行了技术分析,并给出了LED光源设计、表面缺陷视觉成像的研究方法。     

混凝土的超声波缺陷检测方法研究

文章通过制作物理模型进行实际检测,研究了对于内部缺陷检测及判定的超声波无损检测法.主要介绍了怎样制作实验模型,对内部含有缺陷的混凝土试件的超声波检测方法进行了研究,并结合检测的数据对几种缺陷判定方法的优缺点进行分析,接着通过实验结果提出使用多参数法进行判定,可以在使用超声波检测内部缺陷时提高判定结果的准确性.     

基于轻量卷积神经网络的钢筋交点识别算法

随着建筑行业逐步向智能化的发展,钢筋绑扎机器人代替人工完成绑扎作业已成为全行业关注和亟待解决的问题。结合平面钢筋绑扎机器人的研发,本文对其钢筋交叉点识别问题进行研究,提出了运行在低算力平台上的钢筋交点识别算法,使用轻量卷积Ghost模块替换YOLOv5主干中特征提取网络中的常规卷积,并测试改进后算法的准确性。实验结果表明,改进后的GhostYOLOv5满足使用要求,适用于小型移动式钢筋绑扎机器人的钢筋交点识别。     

基于深度学习的商品推荐系统研究

随着移动互联网和电子商务的快速发展,网上购物已经成为人们生活的一部分。商品推荐系统可以提升用户体验,同时增加商品销售量。深度学习技术更加精准的分析、计算用户曾经浏览或购买的商品,因此基于深度学习技术的商品推荐系统可以更加精准的为用户提供服务。     

管道内外壁缺陷检测的研究

本文讨论了通过漏磁检测和识别管道内外壁缺陷的方法.检测器以一定的速度通过缺陷,在缺陷处产生剩余漏磁场,通过霍尔元件检测到的信号频率与幅值来判断缺陷的大小、形状、还有内外壁分布.研究结果显示漏磁信号的不同特性是管道内外壁缺陷检测与识别的一种手段,它提高了缺陷判断的完整性.     

基于YOLOv5的PCB缺陷检测研究

印刷电路板作为电子设备的核心部件,其质量决定了电子设备的功能运转,因此高效、精准的检测PCB缺陷十分重要。本文将使用YOLOv5目标检测算法,实现PCB缺陷识别检测。通过实验得出在6种PCB缺陷类型中对于漏孔类型缺陷检测精度达到98.9%,所有类别m AP可达95.4%。实验结果表明,YOLOv5算法可以满足工业生产中缺陷检测的需要。     

轴承钢球表面缺陷检测实时成像方法研究

阐述了在轴承钢球表面缺陷检测时利用可编程控制器PLC同步控制CCD摄像机和进给盘,完成钢球实时成相的问题.初步给出实时成像控制系统中的硬件结构设计和软件结构设计.     

基于深度学习的致密气储层矿物含量计算方法研究

致密气储层非均质性强,储层中矿物类型多、岩性变化快,常规的测井法以及岩心鉴定法无法有效地进行全井段矿物含量计算,进而影响储层岩性识别、压裂方式优选和压裂液体系优化。利用测井参数结合岩心鉴定结果,建立各种矿物含量的深度学习计算模型,通过不同测井曲线组合方式,进行学习和验证,最终优选出不同矿物含量的计算参数为：黏土含量和伊蒙混层采用伽马、密度、中子、声波曲线、光电界面指数模型计算;石英含量采用自然伽马、中子、密度、声波、电阻、光电截面指数模型计算;方解石含量采用密度、中子、声波、电阻率模型计算;通过对53口井的验证,最终准确率为90%,可以为致密气储层矿物含量计算提供借鉴。     

两种检测方法在分层缺陷中的检测分析与比较

文章详细介绍了分层缺陷形成的机理及危害,在特种设备定期检验中其存在的初步判别,以及普通超声检测和相控阵检测对分层缺陷的定位测量方法,并通过检验实例对这两种方法进行了比较,给出了适用范围.     

基于图像检测技术的皮革缺陷检测的分析

在皮革缺陷监测方面当前主要是依据熟练工人经验进行手工的皮革表面缺陷查找,这样工人的主观因素与疲劳必然导致错误率的提高,本文研究了图像检测技术的皮革缺陷检测,分析了图像检测技术相关的概述与图像检测系统,探讨了皮革缺陷检测包括图像检测的皮革系统、皮革缺陷检测系统分析以及实践应用小结,这一研究对于数字图像技术的推广具有一定的意义。     

基于深度学习的上市公司财务风险预警模型研究

本文采用2007年至2016年3513家上市公司的相关财务数据为研究样本,以深度学习为研究工具构建神经网络模型,对企业是否陷入财务危机进行预测。研究结果表明,基于深度学习构建的神经网络模型对所有上市公司是否陷入财务危机的预测准确率可以达到72%以上,且利用的以前的年度数据越多,预测的准确率越高。     

基于深度学习的推荐系统研究

随着全球信息技术的迅猛发展,信息数据呈现出爆发式增长的趋势,如何从海量的数据中找出有价值的信息,是一个迫切需要解决的问题.推荐系统是解决这一问题的有效途径,而如何把深度学习这项技术融入推荐系统,是目前的研究热点.文章分析了传统的推荐系统存在的问题,提出了相应的解决方法和对策,使系统模型与用户的需求结合更加紧密,用户的满...     

基于机器视觉的种子填充软件系统的研究

机器视觉最主要是使用计算机再现和人们视觉相关相近的某些智能行为,首先提取出事物对应图像的信息,然后进行分析,最后实现对事物的检测和控制。工业或者制造业机器视觉检测系统主要是由工业相机,镜头,光源(彩色光,单色光),输入和输出设备和图像处理软件所构成的。然而,种子填充是机器视觉中图像处理必不可少的部分,该算法的优点是不必关心填充区域的形状和位置,只要得到图像区域内任意一个或多个像素点,就能够进行填充了,本方法使用方便并且效率高,因此很适合工业应用。本论文研究使用Visual C++6.0软件对该软件进行代码编写,根据在实验室的测试结果,本系统能够很好地契合工业或者制造业中的需要。     

机器视觉检测技术在药片包装检测中的应用

介绍了机器视觉的概念,给出了基于机器视觉技术的药片包装检测系统的硬件组成及控制系统软件模块结构。     

基于机器视觉检测的轮廓提取算法的研究

本文依据扫描线步长自适应优化、边缘检测、平面轮廓图元识别图像大小的机器视觉检测系统的开发等问题进行了系统研究。然而,轮廓提取是机器视觉检测最重要的一环,必须先提取图像中重要物体的轮廓,让这些重要物体的图片能够清晰的呈现出来,使计算机能够更好地使用这些图片信息进行识别,以方便工业或者制造业等的检测。本文根据基于Windows的Visual C++6.0软件进行物体图像的轮廓提取算法的编写,将物体图像轮廓展示在了计算机上,通过实验,我们对本系统软件的稳定性和精度进行了大量的测试,测试结果表明本系统能够很好地完成工业要求的需要。     

基于深度学习的遥感图像语义分割技术研究与应用

本研究聚焦于改进的DeepLab v3+网络在遥感图像语义分割中的应用,旨在提高遥感图像的语义分割精度。引入了多尺度融合策略以优化分割性能,并通过改进的网络结构和深度可分离卷积来提高特征提取能力。实验结果表明,这一改进方法在Vaihingen和Potsdam数据集上都显著提高了分割准确度。我们的研究有望对地图制图、环境监测等领域产生积极影响。