【摘 要】
：
采用目前方法对光学元件表面疵病检测时,由于没有利用光谱原理技术来获取光学元件的表面图像,导致检测方法的检测精度低、图像清晰度低、准确率低和判别正确率低,因此,提出基于多特征组合的光学元件表面疵病检测方法.首先利用光谱原理获取光学元件表面的图像,再结合高斯平滑曲线进行去噪预处理,采用Plessey算法进行角点的提取和匹配完成图像的拼接融合,之后再进行疵病的特征提取,计算疵病所占面积,从而完成光学元件表面疵病检测.实验结果表明,所提方法的检测精度高、图像清晰度高、准确率高和判别正确率高.
【机 构】
：
太原科技大学材料科学与工程学院,太原 030024;青岛滨海学院机电工程学院,山东青岛 266555;太原科技大学材料科学与工程学院,太原 030024;青岛滨海学院机电工程学院,山东青岛 26655
论文部分内容阅读
采用目前方法对光学元件表面疵病检测时,由于没有利用光谱原理技术来获取光学元件的表面图像,导致检测方法的检测精度低、图像清晰度低、准确率低和判别正确率低,因此,提出基于多特征组合的光学元件表面疵病检测方法.首先利用光谱原理获取光学元件表面的图像,再结合高斯平滑曲线进行去噪预处理,采用Plessey算法进行角点的提取和匹配完成图像的拼接融合,之后再进行疵病的特征提取,计算疵病所占面积,从而完成光学元件表面疵病检测.实验结果表明,所提方法的检测精度高、图像清晰度高、准确率高和判别正确率高.
其他文献
针对核极限学习机(Kernel Extreme Learning Machine,KELM)用于光伏阵列故障诊断时准确率不高的不足,提出了 一种基于 TGBA(Tent Mapping and Gaussian Perturbation Strategy Optimize Bat Algorithm)算法优化核极限学习机的光伏阵列故障诊断方法(TGBA-KELM).首先,建立光伏阵列故障仿真模型,提取光伏阵列故障特征参数;其次,引入Tent映射和高斯扰动策略对蝙蝠算法(Bat Algorithm,BA)进
为保证激光焊接质量,需要有效识别激光在焊接过程中的焊接偏差,因此,采用改进神经网络模型实现激光焊缝偏差识别.构建激光焊接试验装置,采用302不锈钢板作为焊接试件,通过高速摄像机获取激光焊接过程中的熔池红外图像,并通过中值滤波算法对图像实行预处理后获取堆积热效应参数、匙孔质心参数、匙孔形变参数,以此作为改进神经网络模型的输入向量,实现激光焊接偏差识别.实验结果表示:该模型在隐含层单元数量为3、训练步数为240时训练误差较大程度接近目标值,且模型规则数量为4条时,可有效、精准地完成激光焊缝偏差识别.
传统方法对空洞和缺失点云的修复不到位,缺乏空间细节深度信息,导致建筑空间重建精度较差.为此,提出基于激光散射测量的虚拟建筑空间重建方法.利用激光散射测量技术,采集能够表现建筑三维坐标的点云数据,拼接多视角点云,并进行去噪分割处理,建立建筑空间主平面模型,内插填补边缘信息和细节深度信息,实现虚拟建筑空间重建.进行对比实验,完成形态相似规则的住宅楼重建工作,结果表明,此次设计方法相比传统方法,提高了点云数据去噪效果及拼接精度,减小了建模距离与实测距离偏差,提高了建筑空间重建精度.
传统共阳电路存在着屏体温度过高和功耗过大的缺点.而共阴电路能很好地解决这两个问题.就共阴电路LED显示屏的原理、节能、低热低温升等方面进行了详细的阐述.测试结果表明,共阴电路屏体温度平均低于传统共阳电路14.6℃,功耗降低了40％以上,很好地响应了国家节能环保政策,满足了客户对产品可靠性、使用寿命和显示一致性、节能环保等需求.
对多种衍射计算方法进行了比较及误差分析,为衍射计算方法的合理选择提供了指导.研究表明衍射距离小于波长的情况下,经典标量衍射或矢量衍射都有较大误差,需要使用电磁场仿真软件进行计算;波长量级下矢量衍射模型较为准确;一般距离下,矢量衍射与标量衍射计算结果几乎一致.标量衍射模型中积分法和角谱法计算结果的差距随着衍射距离的增加逐渐增大.相同物理尺寸下积分法的结果更加准确.增加网格采样点数只能够提高积分法的精度,对于角谱法可以通过增加衍射平面的物理尺寸来降低计算误差.通过物理实验验证了计算结果的正确性.
通过精确检测CO和CH4两种气体浓度,对于煤矿企业安全生产和工业过程控制具有重要意义,TDLAS技术是一种实时高精度的气体检测方式,可用于CO和CH4双路气体检测.针对TDLAS型CO和CH4双路气体检测系统,本文设计了一种DSP型双路数据采集系统.激光信号被CO和CH4选频吸收后,光电二极管FD10D将光信号转换为电流信号,微弱电流信号经OPA2387搭建的前置放大电路转换为电压信号,由ADC芯片ADS8330进行数据采集,回传至DSP主控芯片TMS320C6748,处理完成的数据存储至FLASH芯片M
为提升漆画修复效果,使修复细节更为精细,研究了基于激光全息技术的漆画无损修复方法.利用激光全息技术构建参数一致的破损监测模型,跟踪破损区域获得该区域空间坐标,利用多项式函数拟合获取破损区域曲线函数,对函数提取破损区域特征进行求导,从而确定破损区域坐标;根据该坐标使用改进Criminsi算法改进优先权函数、有限顺序判断准则,将正则化因子加入到置信项和数据项中,加权求和优先权函数,利用数据项优先修复像素点,完成漆画破损区域修复.结果表明,该方法能够准确定位破损区域坐标,高效去除图像中噪声,修复后保证漆画原有细
为了在普通光学显微平台上实现对细胞生物样品的三维动态成像,设计光学显微平台与Mach-Ze-hnder干涉系统相结合的离轴数字全息显微测量系统,并且提出用连续高度变化的楔形样品对系统进行标定.介绍离轴数字全息显微的原理;基于倒置显微镜设计和搭建离轴数字全息显微系统;制备连续高度变化的楔形样品来标定离轴数字全息显微系统,并与白光干涉仪结果进行比较;通过测量出离轴数字全息系统可分辨的干涉条纹最小小数部分来实现系统的标定.实验结果证明了结合光学显微平台的离轴数字全息显微系统在样品三维测量上的优势,本系统能够分辨
为确保电力系统运行的安全性与稳定性,短期电力负荷预测已成为常态化工作.而随着电网形态的多元化、电力负荷的迅猛增长,电力供应紧张局面越发严峻,这就使得电力公司不但要面临技术上的挑战,还要面对经济上的压力.在进行短期电力负荷预测时,经常使用到的人工智能算法有很多,如支持向量法、人工神经网络法以及模糊预测法等,但这些电力负荷预测方法均存在一定不足,如自适应能力较差、寻优时间长、预测精度效果不佳等.为弥补这些不足,在BP神经网络的基础上融合人工蜂群算法,并对这种算法模型在短期电力负荷预测中的应用可行性进行了检验,
心律不齐早期的检测和分类有十分重要的价值.然而,由于心律不齐特征不够明显、不同人体心电信号存在较大的差异性等问题,心律不齐分类技术在现实中的应用存在很大困难.针对上述问题,提出了一种基于半监督卷积神经网络的心律不齐分类方法.首先,对心电信号进行马尔可夫变迁场变换将其变为二维图像;然后,迁移二维卷积神经网络训练得到普通模型;最后,使用半监督训练的方法得到特定模型,使用得到的特定模型对特定病人的心电信号进行分类.该方法从二维图像中提取更高层次的特征来提高分类性能,并有效地克服不同人体心电信号之间的差异性,增强