驾驶人眼睛定位及特征提取算法研究

为进一步提高驾驶人眼睛状态检测对环境、头部姿态的适应性和鲁棒性,提出一种基于主动红外成像和双目立体视觉技术的眼睛定位和特征提取的方法。对采集的3名驾驶人脸部红外图像平滑处理算法、阈值分割算法进行了对比研究,得出适于驾驶人眼睛状态检测的实时算法。在驾驶人脸部区域定位的基础上,采用连通区域标记法对眼睛区域进行精确定位,通过最小二乘椭圆拟合算法获取瞳孔位置,使用Harris角点检测获取普尔钦光斑位置。研究表明:该方法能有效对驾驶人眼睛进行定位,并准确提取相关特征信息。     

基于计算机视觉的水下海参识别方法研究

海参识别是海参捕捞自动化和智能化的前提和关键。海参生活环境复杂且海参体色随环境变化,为解决复杂多变环境下海参识别的难题,提出基于视觉图像和海参特性的水下海参识别算法。利用海参体色随环境变化而海参刺颜色稳定呈黄绿色的特点,在图像预处理的基础上设计图像融合算法突出海参刺,然后通过边缘检测获取海参刺轮廓并计算轮廓质心坐标,进而通过椭圆拟合实现海参的识别。不同于已有的利用海参主干进行海参识别的方法,提出的基于直接最小二乘的海参刺质心椭圆拟合识别算法以海参刺的分割和椭圆拟合为途径,解决海参体色随环境变化而引起的识别率降低的问题。试验结果表明,该算法对自然环境下的海参识别平均准确率为93.33%,具有一定的实用价值。     

基于物联网的农业虫害智能监控系统

为提高我国农业抗病虫害的整体水平,精准研究农作物生长环境对虫害数目变化趋势的影响尤为重要。基于物联网的农业虫害智能监控系统研发了一套自动采集农田环境信息、害虫数目,并且可以进行设备参数设置的系统。采用K-means聚类算法从拍摄图片背景中提取稻飞虱和最小二乘法椭圆拟合,用椭圆率区分虫体和杂质统计稻飞虱数目。同时,详细介绍了系统的硬件组成和软件设计功能模块,实现了虫害等信息的自动采集和自动化运作,为有效防控病虫害奠定基础。     

基于机器视觉的圆孔零件内外径尺寸精密检测

利用机器视觉技术建立了圆孔类零件内外径检测系统,有效解决了圆孔类零件内外径人工检测效率低、检测结果误差大等问题。图像处理方面,首先对零件图像高斯滤波去噪,其次采用Canny算子边缘检测,然后基于最小二乘法椭圆拟合算法进行边缘拟合,从而实现对内外径的亚像素检测。试验表明,该系统离散度为0.039 mm,满足实际生产要求。     

AFT—DT相结合的离心泵曲面网格划分算法

针对映射法的曲面网格生成容易产生畸变而导致网格质量较差的问题,提出一种基于黎曼度量,结合前沿推进技术(AFT)和Delaunay三角划分(DT)方法的曲面网格生成算法。该算法在黎曼度量的基础上,用改进的前沿推进技术生成参数域内的背景网格;且在对参数域内背景网格进行加密时,为了抵消映射过程中的畸变,采用插入三角形外接椭圆圆心的方法代替传统Delaunay插点内核,并给出了椭圆圆心定位以及判断节点是否在椭圆内的方法。该算法通过黎曼度量的引入以及合理的背景网格充分地考虑了映射畸变和算法效率,实例表明,算法易于实施,稳定性好且生成的网格质量较高。     

基于机器视觉的樱桃外径检测

樱桃的外径尺寸是樱桃分级的重要参考标准之一.目前对樱桃分级都是人工实现,存在主观性强、劳动强度大、不够准确等缺点.利用机器视觉技术实现对樱桃外径尺寸的检测,包括椭圆拟合、圆拟合和旋转搜索.对18个樱桃外径进行了检测,结果表明:椭圆拟合方法最有效,与手工测量结果相比,其标准偏差为0.48 mm,能够满足实际分级需求.     

基于机器视觉的哈密瓜大小分级研究

采用机器视觉技术对新疆哈密瓜进行自动大小分级。线阵相机在线采集哈密瓜样本RGB图像,通过对哈密瓜RGB图像进行灰度化、中值滤波、二值化、去除果梗、特征提取等一系列处理,获得哈密瓜二值化图像。利用椭圆拟合算法对二值化图像进行椭圆特征提取,基于椭圆长轴和椭圆率建立了哈密瓜大小分级标准,并以固定阈值建立分级模型。通过哈密瓜分级机系统进行大小分级,分级准确率达90.29%。     

水稻病虫害目标检测技术的研究进展

水稻病虫害对水稻的生长和产量有着严重的影响,因此在病虫害初期做到有效识别,及时干预保障水稻生长至关重要,水稻病虫害目标检测技术便能够做到较为准确的自动化识别,随着近些年深度学习的快速发展,目标检测技术也取得了重要的进展,例如YOLO算法、Faster R-CNN算法等,文章介绍了水稻病虫害目标检测技术的发展历程和研究进展,分析了学者近些年提出的改进算法和亮点,讨论不同类型算法在水稻病虫害目标检测领域中的应用场景和不足,分析未来的发展和研究方向,以促进目标检测技术协助水稻种植的研究。     

一种基于椭圆抛物面的曲率算法的建模与仿真

首先建立了椭圆抛物面法曲率计算的数学模型,并在此基础上应用相关数学计算语言对主切削力的数学模型进行了解析,建立并描绘出了椭圆抛物面对铣刀主切削力影响的数学模型.此外,通过对不同走刀路径所采集数据的比对,证实了这种曲面曲率应用算法的正确性.     

椭圆齿轮参数化设计及加工仿真

为了改善椭圆齿轮设计复杂以及加工困难的问题,研究椭圆齿轮齿廓形成原理,利用CAD/CAM技术,对椭圆齿轮进行参数化系统设计和加工仿真。在VB 6.0环境下开发了椭圆齿轮仿真加工与齿廓生成系统,该系统主要包括参数输入、仿真加工以及后续操作三部分,实现了椭圆齿轮齿廓计算机辅助设计,从而提高了椭圆齿轮传动设计的效率和精度,并采用加工仿真软件Mastercam对设计出的椭圆齿轮进行加工仿真分析,对其刀具轨迹进行了分析研究。     

液罐车液体侧向晃动模型研究

液体侧向晃动导致的车辆横向失稳是影响液罐车行驶安全性的重要因素。为了更精准地预测罐内液体的侧向晃动行为,在研究分析单质量椭圆规摆模型基础上,基于拉格朗日方法推导出多质量椭圆规摆模型。以双质量椭圆规摆模型为例,分析了液体质心摆角及摆角加速度响应特性,并对方程做出适当简化,推导出液体晃动固有频率同摆臂、质量比关系式。在此基础上,运用先进的流体仿真平台Fluent建立液体晃动CFD模型。液体非线性晃动条件下,对比单质量椭圆规摆模型(TP模型)、双质量椭圆规摆模型(DM TP模型)及CFD数值模拟液体晃动力矩。结果表明:双质量椭圆轨摆模型摆角响应较好,能够更好地预测罐内液体动态晃动行为。建立的多质量椭圆轨摆模型具有较高的预测精度和研究潜力。     

基于改进CenterNet的小麦条锈病菌夏孢子自动检测方法

针对孢子捕捉设备采集的显微图像中真菌夏孢子自动检测存在严重的误检和漏检问题,提出一种基于改进CenterNet的小麦条锈病菌夏孢子自动检测方法。首先,针对夏孢子显微图像孢子目标微小、种类少等特点,通过减半Basic Block层数,优化CenterNet网络中的特征提取网络,提高了检测和训练速度,降低了误检率;其次,根据孢子形态为近椭圆或圆形的特点,将原始用于CenterNet训练的目标长宽,改进为目标的椭圆框长短轴长度和角度,提高了孢子分割重合率;最后,提出使用椭圆的长短轴映射矩形来计算椭圆框热图的高斯核半径,以减少孢子的漏检率。实验结果表明,改进的CenterNet夏孢子检测方法对小麦条锈病菌夏孢子检测的识别精确率达到了98.77%,重叠度为83.63%,检测速度为41f/s,达到了实时检测的应用需求,比原始的CenterNet模型重叠度提高了7.53个百分点,检测速度快11f/s,模型占用内存降低了68.5%。本文方法能够精准检测并分割出显微图像中的夏孢子,可为农田空气中小麦条锈病菌夏孢子的自动检测及条锈病的早期预防控制提供技术支持。     

椭圆凸台铣削加工数控编程的研究

以数控铣床中常见的加工曲线———椭圆加工编程为研究对象,根据椭圆的参数方程和宏程序编程方法,在软件中编写程序,开发了椭圆凸台铣削加工数控编程计算器,将椭圆及毛坯尺寸输入到计算器中,即可完成数控铣削加工的程序编写,该计算器可以完成不同尺寸的椭圆凸台程序编写。     

修理经验一则

发动机工作一段时间后,由于活塞连杆组的重力和离心力的作用,缸套内圆会产生椭圆。据检测,发动机工作1500～2000小时,气缸内圆的椭圆度会超过     

基于改进YOLOv3的骑车人识别研究

针对智能网联汽车大发展环境下骑车人在公路上为易受伤群体的问题,将目标识别作为无人驾驶技术中的关键一环,提出使用YOLOv3算法对骑车人识别算法进行研究。YOLOv3的主干特征提取网络为Darknet-53,此种网络结构针对于多种类目标检测适用性强,然而公路骑车人作为单种类目标,Darknet-53网络结构显得冗繁。基于此,提出一种在YOLOv3算法基础上记性改进的算法,通过替换主干特征提取网络为Dark-19简化网络结构,降低网络复杂度,之后优化损失函数,将原来的Io U替换成CIo U,以提高识别精度。通过在TDCB上进行仿真实验,结果表明,改进后的YOLOv3算法平均检测精度和检测速度都有所提高,精度上提高了约3%,检测速度上约提高了0.013 s,此种改进后的算法有助于提高公路骑车人的安全性,对骑车人识别研究有着重要意义。     

小麦茎秆截面参数显微图像测量系统

小麦的抗倒性与其茎秆截面显微结构密切相关,茎秆微观结构的观测和分析对小麦遗传育种具有重要意义。研究了一种显微图像测量系统,用于精确测量小麦茎秆截面的主要参数。使用计算机、图像采集室、光学显微成像系统等搭建了硬件平台,并开发了算法软件。系统针对茎秆截面的颜色和结构特点,对显微图像进行预处理得到髓腔、厚壁的轮廓,再进行椭圆拟合以计算截面整体、髓腔和厚壁的几何参数。根据维管束结构的一致性,提出了一种具有尺度、平移和旋转不变性的模板匹配方法,用于在目标图像中识别维管束并统计数量。实验表明该自动化测量系统具有高通量和高精确度的优点,在作物重要资源的挖掘和群体遗传等研究中具有重要的价值。     

基于支持向量机理论的植物根系图像边缘检测方法

由于传统边缘检测方法中存在噪声大、粗糙边缘和不准确边缘等缺点,因此在植物根系的研究中,采用传统的图像边缘检测方法检测出来的边缘信息都无法达到令人满意的效果.为此,基于支持向量机方法给出了一种改善的边缘检测算法.同时,提出了边缘检测算法流程,然后使用支持向量机分类方法对图像进行边缘检测;用所得到的边缘检测算法与Canny算法和Prewitt算法的性能进行了比较.仿真结果表明,给出的算法与Canny算法和Prewitt算相比,不仅边缘检测性能得到提高,而且可以一定程度地克服噪声干扰.     

眼椭圆在汽车车身设计中的应用

眼椭圆是汽车人机工程设计的主要工具,汽车驾驶员眼椭圆的确立为研究汽车视野性能提供了科学的依据。以汽车风窗刮扫面积和A立柱盲区的确定为例介绍了眼椭圆在汽车车身设计中的应用。     

基于视频追踪的猪只运动快速检测方法

自然条件下猪只日常运动时间、距离、速度等构成的运动数据,可作为猪只健康与舒适度状况分析的重要依据。为快速准确地捕获及检测猪场猪只的各种运动信息,探讨了基于视频追踪的猪只运动信息检测方法,该方法在基于颜色特征与轮廓特征相结合的多猪只目标分割基础上,通过基于最小化代价函数的椭圆拟合和最短距离匹配的目标跟踪,设计了运动位移、运动速度、运动加速度和运动角速度4个运动信息的检测算法。进一步探索了基于运动信息检测猪只日常活跃状态、活动规律及行为识别方面的初步应用。试验结果表明,该算法能够识别多种颜色的纯色猪只;分割粘连猪只成功率达92.6%;通过连续4 d在广州市力智猪场种猪室实时视频测试表明,猪只日常活跃状态、活动规律和行为类别等信息均可通过猪只运动信息表现出来。所提方案可快速、有效检测猪只运动信息,为猪只行为分析、健康与舒适度评估提供了依据。     

椭圆齿轮参数化建模及有限元模态分析

针对非圆齿轮设计过程中设计复杂、计算量大、设计周期长等难题,研究椭圆齿轮传动的传动原理和设计方法,对椭圆齿轮进行参数化系统设计和有限元模态分析。以Solid Works为开发平台,在VB 6.0环境下开发了椭圆齿轮三维模型设计系统,该系统包括参数计算模块、三维建模、运动仿真模块等。通过用样条曲线连接各节点形成渐开线的方法,实现了高阶椭圆齿轮副节曲线计算机辅助设计,从而提高了椭圆齿轮传动设计的效率和精度。并采用有限元分析软件对设计出的椭圆齿轮进行有限元模态分析,对其固有振动特性进行了分析研究。