论文部分内容阅读
基于图像处理的纽扣检测系统研究
【摘 要】
：
随着现在社会计算机技术的迅速发展,图像处理技术在纺织业、仪器仪表制造业等工业制造领域的应用越来越广泛。针对多数纽扣生产厂家采用人工方式进行纽扣质量检测和计数,导致检测效率较低的问题,设计了基于图像处理的纽扣瑕疵检测与计数系统。主要分为纽扣检测与定位、带孔塑料纽扣的瑕疵检测、带文字图案金属纽扣的瑕疵检测和纽扣计数这四部分。纽扣检测与定位部分主要目的是实现ROI区域的定位与提取。设计了两种纽扣检测方法
【机 构】
：
东华大学
【出 处】
：
东华大学
【发表日期】
：
2021年01期
【基金项目】
：
其他文献
随着网络时代的快速发展,网民们可以在不同的生活网站上针对各种各样的商品发表自己独特的评论,也可以在社交网络中针对某一社会现象提出自己的见解。用户发表的文本评论信息中包含着很多带有情感倾向的语句,这些语句经过整理与研究分析后,对商品和社会等相关领域具有很高的研究价值。因此文本情感分析作为自然语言处理研究的子领域,在过去几年中受到了广泛的关注。方面级别的情感分类是情感分析中的一项细粒度的工作,与传统情
学位
在当今信息化时代,如何快速并且准确地从互联网海量的信息资源中获取自己所需要的信息显得十分重要,于是个性化推荐系统应运而生。电子商务是近年来比较火热的一个行业,个性化推荐系统在电商平台上的应用被广泛关注。大多数推荐算法的研究都依赖于显式评分数据,然而电商平台中丰富的隐式反馈数据信息蕴藏着巨大的推荐价值,近年来,面向隐式反馈的推荐算法研究也越来越热门,其中有学者提出了一种个性化推荐模型:贝叶斯个性化排
学位
信息抽取旨在从文本中提取出特定的事实信息,用于构造结构化数据,作为自然语言处理主要的研究方向之一,包括命名实体识别、关系抽取和事件抽取三个子任务。目前,基于深度学习的信息抽取已经取得了一些研究成果。但是,现有的中文信息抽取方法大都基于词向量表示进行模型的改进,而忽略了文本表示的重要性。同时,以词向量作输入的模型高度依赖于分词工具的质量且中文还存在多义性的问题。为此,本文从语言学角度分析了中文文本的
学位
5G技术的发展促进了智能交通的快速建设。自动驾驶的出现更是需要庞大且快速的数据交换,这对车联网提出了挑战。同时电动汽车的普及也为车联网提出了新的能源消耗的问题。移动边缘计算技术是车联网面对挑战的关键。本文主要研究了基于边缘计算技术的车联网的网络架构,任务处理时延以及能源消耗的问题,目的旨在于车辆用户获得更好的体验质量,更低的等待时间以及更低的能源消耗。本文构建了城市环境下具有云计算中心的支持边缘计
学位