【摘 要】
:
近些年来,各种高传染,高致病性公共卫生问题频发,从2014年非洲爆发的埃博拉病毒到2019年底蔓延全球的新型冠状病毒,无一不极大的危害了人类社会的发展以及市民的身体健康。为了获得足够的防护,各种医用卫生用品的需求量激增,据统计,新冠肺炎爆发期间,国内的口罩单日产量可达7600万只,其数量十分庞大,却依旧无法完全满足国内需求。不难发现,在我国口罩等个人卫生防护用品的生产占据着很大的市场,因此围绕着相
论文部分内容阅读
近些年来,各种高传染,高致病性公共卫生问题频发,从2014年非洲爆发的埃博拉病毒到2019年底蔓延全球的新型冠状病毒,无一不极大的危害了人类社会的发展以及市民的身体健康。为了获得足够的防护,各种医用卫生用品的需求量激增,据统计,新冠肺炎爆发期间,国内的口罩单日产量可达7600万只,其数量十分庞大,却依旧无法完全满足国内需求。不难发现,在我国口罩等个人卫生防护用品的生产占据着很大的市场,因此围绕着相关产品的生产过程进行的学术研究和项目开发有着极其重要的意义与价值,本文基于此考虑,将研究重点聚焦于无纺布的异物缺陷检测上。无纺布是口罩,手术帽等一次性医用耗材的生产原料,由于运输过程和保存环境无法完全保证纯净,因此其表面可能存在一些异物缺陷,本文特指头发和虫子两类缺陷。生产企业需要将这些异物缺陷筛除,否则后续产品的品质将受到极大的影响,并造成巨大的经济损失。过去企业生产通常使用传统的人工目检方式进行缺陷的检测,但这种方式效率低,精度低且会花费较高的人工费用,目前已渐渐被企业淘汰。本文基于以上现状,同时针对无纺布缺陷的特性,分别提出基于传统机器学习和深度学习的无纺布缺陷检测算法,并设计了一套有效的硬件和软件平台,实现了对无纺布缺陷的在线自动检测。本系统经过一年多的实际运行和后期修改维护,其稳定性,准确性,实时性等指标已完全符合企业生产要求。本文主要研究内容如下:基于计算机视觉与机器学习知识,提出基于最优Gabor滤波器的无纺布缺陷检测机器学习算法,分别对虫子和头发缺陷图片使用最大一维熵和最大方差选取最优Gabor滤波器的方向和频率尺度,通过计算无纺布图像缺陷的最小外接矩形的长度,宽度,缺陷占空比,图像能量,熵的参数构建特征向量,构造自制无纺布缺陷数据集,训练XGBoost模型,在测试集上得到了0.824的F1值。基于深度学习知识,提出基于MobileNet-V2网络模型的无纺布缺陷检测方法,制备无纺布缺陷数据集进行模型训练,针对制备过程中出现的训练数据过少问题,使用图像旋转,平移等图像处理方式和人工制造缺陷方式进行数据增强,利用制备好的数据集,使用预训练参数进行MobileNet-V2模型的调优。实验结果证明该缺陷检测方法在有效减少计算量的同时,可以保证较高的检测精确率和很好的实时性。在无纺布缺陷检测系统开发方面,开发了并设计了一套完整的无纺布缺陷检测系统,整套系统可以实现无纺布图像的自动采集,缺陷自动检测,并根据缺陷检测结果控制执行机构进行停机,实现对无纺布缺陷的筛出。
其他文献
细粒度图像识别是一类研究如何从同一大类别中区分出不同小类别的算法任务。该算法的技术挑战在于不同类别下的物种其差异仅存在于极其细微的部位(例如,鸟的眼睛、嘴巴或者爪子等);而同一类别下的物种由于光照、姿态或背景等原因导致其表现出较大的差异。因此,如何精确找出具有区分性的区域并提取丰富有效的细粒度特征成为了图像细粒度识别任务的研究重点。当前细粒度图像识别方法存在的问题:第一,最具区分性部位被遮挡或者难
本篇论文主要讨论了姿态估计的轻量级网络设计和实际应用。人体姿态估计是计算机视觉的一个较为重要且困难的任务,目的在于检测出图片或视频中的人体关键点,并对关键点连线进行运动分析。当前人们对于生活质量的要求逐渐提高,人体姿态估计可以应用在视频监控,人机交互,驾驶员辅助驾驶等多个领域,对智能生活具有重要的意义。同时,本文将姿态估计的方法应用在矩形物体的关键点检测中,可以快速定位名片,身份证,银行卡等矩形物
新基建是以新发展理念为引领,以技术创新为驱动,以信息网络为基础,面向高质量发展需要,提供数字转型、智能升级、融合创新等服务的基础设施体系。一方面,"新基建"包含的三项(信息、融合和创新)基础设施,是全社会的信息化基础设施,为应急管理部门提供了强大的基础设施保障;另一方面,应急管理方面丰富的应用场景,对"新基建"有着紧迫的需求,可以拉动"新基建"建设。为更好地满足新时代应急管理工作需求和应急指挥实战
随着计算机技术的快速发展,图像处理、计算机视觉技术广泛应用于目标检测与识别、智能交通、工业生产等领域。清晰可靠的影像资料对计算机视觉算法的发展与应用尤为重要,当影像监控设备在雨天进行室外作业时,其捕获的视频图像会包含大量的雨水条纹,在雨水条纹遮挡区域内,图像的背景细节将会部分丢失,甚至完全丢失,不利于后续图像处理工作的进行,严重制约了户外计算机视觉系统与计算机视觉算法的应用。本文对当下视频图像去雨
近年来,各个国家日益重视海洋经济,而海洋装备的推广和应用对海洋经济的发展起着重要促进作用。水面无人艇作为其中一种智能型海洋装备,越来越多的科研工作者投入到了其相关技术研究中,这对水面无人艇的发展有重大意义。针对无人艇目标探测与自主巡航功能,本文重点研究了复杂水面环境下水面目标检测识别和跟踪算法。其中对于检测识别部分,本文根据深度学习中双阶段和单阶段检测识别算法提出了两种不同的解决方案。具体研究内容
近年来,随着大数据技术及其相关应用的发展,数据产生速度也在不断提升,出于对本地硬盘容量限制的考量和取用的方便,越来越多的用户开始选择将自己的数据保存迁移到云服务器上,以避免烦杂的本地文件管理,且可以从多端获取到便捷的服务。然而,一些云端的用户数据泄露事件使得人们开始重视数据的安全性问题。为了保证用户数据安全以及用户隐私,数据以密文的形式存储在云服务提供商的服务器中,用户数据以密文方式存储会丧失一部
随着互联网的持续发展,视频数据大量积累,人们对于视频的有效获取有了更高的要求。目前,一般的检索系统没有评估资源的好坏,也没有对用户做有针对性的检索,个性化推荐时也并未考虑当前用户的意图。为了使用户检索视频资源时能够获取质量相对较高并且和用户相关程度较大的视频,也为了使用户能够获取个性化推荐的视频,加快用户获取合适资源的效率,缓解用户在检索效果上的体验不佳,设计并实现了视频检索与推荐系统。系统首先抽
利用机器学习技术来对搜索结果进行排序,这是近几年非常热门的研究领域。信息检索和推荐领域一般的做法是:通过一个打分函数将搜索词和文档的关联关系转化为相关度预估,然后根据预估值对文档序列进行排序后的结果返回给用户。但随着影响相关度的因素变多以及候选文档的增多,排序难度也越来越高。在搜索引擎中,对于一个拥有大量候选文档的关键词,关心的往往只有排在前面的相关度较高的部分文档,即topN文档。因此,可以先通
视频标注技术能够分析视频所包含的信息,理解视频内容,对视频进行标注,并达到与人相媲美的准确度。随着互联网上视频规模的日益庞大,这使得迫切需要研究相关算法为用户找到其感兴趣的视频,而这些算法的研究都离不开视频标注,因此视频标注技术具有重要的意义。基于视觉特征的视频标注算法通过卷积神经网络提取视频帧的特征,然后随时间聚合帧特征,最后进行视频标注,但这种方法不仅在视频帧特征聚合时没有考虑到每个帧对于视频
雾霾天气下,许多交通场景都需要测量当前场景的能见度。传统方法一般都使用相关的硬件设备测量或者直接的人眼估计等方法。这些方法的往往具有硬件成本高、测量不够精确等缺点;不仅如此,由于其成本的限制,往往难以普及,无法及时地对特定场景的能见度进行测量。因此,本文提出了一种基于视频图像的测量方法,所提出的方法通过直接获取现有交通摄像头获取视频图像来计算能见度值,不需要额外硬件投入并且测量准确等优点,因此具有