教学课程资源库 更多>>

关键词： 数字图像处理   工程教育专业认证   闭环培养体系  

摘要： 为了满足工程教育专业认证“以学生为中心、成果导向、持续改进”的理念要求和新工科“继承与创新、交叉与融合、持续改进”的建设目标，本文对《数字图像处理》课程教学展开探讨，在分析课程的特点和存在问题的基础上，从培养模式、课程内容、教学手段出发探索合适的闭环培养体系，为电子信息工程专业的新工科建设和工程教育专业认证提供示范和助力。

关键词： 太阳能板清洁   轨迹规划   数字图像处理   语义分割   深度测量  

摘要： 如今在能源紧缺和追求无污染能源的环境下,可再生清洁能源越来越受到人们的关注。在众多可再生能源中,太阳能发电的占比逐年增加,但是光伏发电站处于风沙大的地区,落在太阳能板表面的灰尘会降低发电效率,因此对于太阳能电池板表面灰尘的清洁问题亟需解决。本文从我国光伏发电站的实际环境出发,选择车载机械臂的清洁方式,开发视觉算法计算太阳能板位置信息并控制执行机构完成清洁任务。本文的主要工作内容如下:首先设计机械臂末端清洁装置,使用湿式清洁表面灰尘;然后分析滚刷的转动扭矩,合理选择电动机功率。其次计算灰尘颗粒与太阳能板之间存在的作用力,取半径最大的灰尘颗粒计算作用力的值,并对滚刷进行有限元静力分析,验证滚刷表面的清扫力大于灰尘颗粒与太阳能板之间的作用力。执行机构选择安川工业机器人,通过矩阵描述机械臂末端姿态以及不同关节坐标系之间的变换关系。参考D-H模型对机器人进行建模,对机械臂进行正逆运动学分析并推导求解过程。分析关节空间和笛卡尔空间下的插补方式,借助MATLAB对直线和圆弧插补进行仿真。设计了基于数字图像处理提取太阳能板轮廓的算法。首先利用小孔成像模型解释空间中的一点与图像中像素点之间的对应关系,并给出矩阵变换关系。然后分析不通滤波算法实现原理,并选择适合本文图像处理滤波算法。其次通过阈值分割和色彩空间转换,实现对太阳能板轮廓的大致分割,再经过形态学处理获得最终的完整轮廓。经实验验证,能够满足实时性要求。最后对视觉系统进行相机标定,得到相机的内参数矩阵。针对数字图像处理在面对图像中的像素点与太阳能板轮廓边缘相近,分割效果表现不佳问题,进一步提出了利用深度学习中语义分割进行轮廓提取的方法。首先使用Res Net-50作为灰尘分类模型主干网络,判断太阳能板表面是否存在灰尘,并改变Res Net-50的Conv-1卷积层,引入注意力机制提高分类的准确率;其次对存在灰尘的太阳能板,选择Deep Lab V3+作为语义分割的模型,在此基础上选择Vo VNet27-slim更换原模型的主干网络,采用GSConv卷积替换3×3卷积层,将Decoder结构中的卷积模块改为MBConv以提高检测速率。数据集的制作是通过实验室拍照以及补充网络上相似图片,增强后的数据集数量分布为训练集5600张、验证集700张和测试集100张。最后提出基于中心投影的深度测量模型,经实验验证最大误差仅为32mm,该模型能够满足实际工况需求。

关键词： 液态水   数字图像处理   分割遗传算法   吸湿快干  

摘要： 液态水在织物中的传输性能决定着面料的吸湿快干性能,进而影响服装穿着的舒适度。剧烈运动时,人体产生的汗液需要快速排出,因此对织物的吸湿快干性能有着较高的要求。本文通过机器视觉记录织物表面液态水的传输过程,并采用图像处理技术对其传输行为进行分析,提出了传输域几何特征的精确测量算法,为图像处理技术在准确计量方面提供了新的解决方案。首先,本文以织物中液态水的传输过程为研究对象,以液态水传输域的演变过程和几何特征变化为核心。采用液滴法,搭建图像采集装置和开发纺织品吸湿快干过程检测系统。由该系统控制工业摄像头采集织物中液态水传输域图像。通过图像预处理技术对图像进行优化。其次,本文对遗传算法和Otsu算法进行了深入研究,包括算法的基本概念、原理和方法。通过研究,深入理解了这两种算法的特点。液态水在织物中形成的传输域图像具有时变性和边缘复杂性,这使得确定图像分割的最佳阈值变得困难,进而影响其形态特征的提取。为此本文将遗传算法和Otsu算法相结合,提出了分割遗传算法用于有效提取织物中液态水传输域图像。该算法利用遗传算法和Otsu算法的适应度函数,匹配不同织物中液态水传输域和背景区域的最佳分割阈值。同时,本文还对分割遗传算法的有效性、种群大小和迭代次数的影响进行了深入讨论。最后,本文对12种织物样品进行滴水扩散测试和水分蒸发性能测试,以评估它们的吸湿快干性能。其中,滴水扩散测试用于检测织物的吸湿性能,水分蒸发性能测试用于检测织物的快干性能。利用分割遗传算法成功提取出织物中液态水传输域的形态特征。探索传输域几何特征与织物结构参数的关系,测量织物中液态水传输域的面积,基于液态水传输域面积绘制面积时变曲线。基于测量数据,采用多元回归分析影响织物吸湿快干性能的因素,证明了方法的有效性。

关键词： 自主水下机器人(Autonomous Underwater Vehicle)   视觉伺服   模型预测控制   Canny算子   数字图像处理  

摘要： 近年来,自主水下机器人(Autonomous Underwater Vehicle,AUV),在测深测绘、检查、维修、探雷、环境监测、监视和干预等方面的应用取得了极快的发展,吸引了越来越多的学术界和工业界研究团队的高度关注。AUV是一个嵌入式系统,传感器需要经常维护,且载荷电源十分有限,对于执行复杂任务时,必须通过平台及时对其进行回收,以完成补充电量和传感器的维护。传统利用水面舰艇对AUV进行部署回收,不能保证回收平台的稳定性和隐蔽性,且在复杂的海况下更是无法完成回收。因此,近年来在水下设置对接平台以实现AUV的自主式对接回收成为一个重要的研究方向。无论何种对接方式在最后进行近距离对接操作时的高精度要求始终是一个研究难点。本文针对该难点进行研究,设计一套完备的水下机器人视觉对接回收系统。主要工作内容如下:(1)针对水下机器人对接任务中,由于水下环境复杂,光散射等问题导致的水下图像退化严重,使得对接图像质量较低,导致对接任务失败的问题。提出一种新的图像处理技术,提高水下图像的清晰度以及特征提取的精确度。设计一种改进的Retinex算法对水下图像进行处理,同时引入小波去噪的思想改进Canny算子算法用来对水下图像进行特征提取。最终通过实验与其他算法进行比较,验证了所提出算法的优势。(2)考虑水下深度不确定性问题,设计在线深度估计器,基于深度估计信息,建立了一种更加符合实际的水下六自由度AUV视觉伺服模型,后续仿真中验证了该模型相比于传统六自由度视觉伺服模型更加符合水下AUV对接系统应用需求。(3)针对水下AUV对接系统的运动控制问题,在建立的六自由度AUV视觉伺服误差模型(线性参变模型)基础上设计控制器。由于传统模型预测控制方法难以应用于参变模型上,提出了一种融合深度估计信息的QMM-MPC(Quasi-min-max Model Predictive Control–准最小最大模型预测控制)控制算法,保证视觉伺服模型的跟踪误差趋近于零。并在此基础上引进多李雅普诺夫函数min-max预测控制策略的思想来设计多李雅普诺夫函数上界,降低传统QMM-MPC算法在该领域下的强保守性,最终通过数字仿真结果表明了该算法的优越性。

关键词： 绝缘子   小样本学习   目标检测   缺陷识别   YOLOv7  

摘要： 随着我国经济社会的快速发展,电力需求不断增加,对电力传输的要求也在不断提高。绝缘子作为输电线路的重要组成部件,通常持续暴露在自然环境中,易发生自爆、破损、变形等各种故障,严重威胁电气设备的可靠运行,有必要高效精确地检测绝缘子健康状态。然而,绝缘子缺陷类型多样且不同类别缺陷的样本量差距较大,增加了缺陷检测的难度。针对此问题,本论文从基于深度学习的大样本目标检测算法和基于局部特征的小样本检测算法两个角度出发,分别针对不同量级样本的绝缘子缺陷识别方法进行研究,并提出了一种基于局部特征深度信息的绝缘子小样本缺陷检测方法,主要研究工作和内容如下:1.对于如绝缘子自爆等样本量充足的缺陷,本论文基于不同的训练样本量对比研究了九种基于大量样本训练的目标检测算法的检测精度。实验结果表明,YOLOv7效果最佳,当训练样本超过100张时,YOLOv7的AP50均超过0.97,AP75均超过0.86,mAP均超过0.62,平均推理时间为11.4ms,能够满足绝缘子缺陷检测中精度与速度的需求。此外,本文采用YOLOv7网络对大样本自爆与小样本破损两类缺陷数据集进行多类别检测,结果表明YOLOv7仅可识别大样本类别缺陷,无法实现小样本数据类别的检测。2.针对某些类别绝缘子缺陷样本量不足的问题,本论文提出一种结合旋转目标检测与局部特征深度EMD(Earth Mover's Distance)距离的小样本绝缘子缺陷检测方法。此方法结合了大样本绝缘子串识别和小样本缺陷检测,首先采用旋转Faster R-CNN算法提取绝缘子串区域,将检测出的绝缘子串分割成子块并构造子块局部特征,同时采用少量缺陷样本及正常样本构建原型特征,最后通过局部特征与原型特征之间的深度EMD距离判断绝缘子缺陷情况并实现缺陷的精确检测。该方法为小样本电力设备缺陷智能化检测提供了新的方法和思路。3.本论文对提出的小样本绝缘子缺陷检测方法进行了实验验证。首先采用样本量充足的玻璃绝缘子自爆数据集验证提出的小样本缺陷检测算法的有效性,然后对绝缘子破损缺陷进行识别以测试网络对真实的小样本数据集的检测效果。实验结果表明,本文所提出方法在采用2张、5张、10张缺陷样本的情况下,对玻璃绝缘子爆裂缺陷检测mAP分别能够达到0.51、0.55和0.65,对绝缘子破损缺陷的检测mAP则分别达到0.71、0.73和0.91,即采用少量样本可取得与常见目标检测方法数百张训练样本相近的效果。

关键词： 深度学习   目标检测   橙幼果   数字图像处理   果实损伤检测界面   智慧果园  

摘要： 橙是重要的水果品类和经济作物。橙幼果果情信息检测是制定果园管理策略的依据,对现代化、智能化果园生产具有重要意义。针对橙幼果果情自动化、规模化检测需求,本文提出基于深度学习的橙幼果识别和病虫害检测方法,主要研究内容及成果如下:(1)橙幼果背景去除方法研究。针对橙幼果颜色与背景相似导致传统方法识别困难的问题,提出了利用语义分割模型Seg Net去除图像背景以提高识别精度。首先建立橙幼果数据集,然后利用PSPNet、HRNet和Seg Net三种语义分割模型对数据进行处理,结果表明,Seg Net模型分割精度高于PSPNet与HRNet模型,其精确率、召回率、F1分数、MPA值和MIo U值分别为81.72%、82.06%、81.89%、81.17%和81.74%。基于学习率优化策略对Seg Net模型进行改进,改进后的模型的各指标分别为83.35%、84.79%、84.06%、82.34%和82.09%。对比原模型各指标分别提升了1.63%、1.73%、2.17%、1.17%和0.35%。所建模型实现了较高精度的橙幼果背景去除。(2)橙幼果目标识别模型建立。首先制作橙幼果识别数据集,数据集包含1500张经语义分割去除背景的图像,按3:1的比例划分训练集和测试集。对图像进行人工标注,使用数据增强的方法对数据集进行扩充后完成橙幼果数据集的构建。使用Faster-RCNN网络、SSD网络、单阶段检测模型YOLOv5s对橙幼果数据集进行训练,结果表明YOLOv5s模型的综合性能较优,其评价指标精确度、召回率、m AP值和平均识别时间分别为94.24%、96.98%、98.21%和0.067s。基于空洞空间卷积池化金字塔结构对YOLOv5s模型进行改进优化,结果显示改进后的模型即ASPPOLOv5s的各指标分别为96.82%、96.20%、98.93%和0.071s。经语义分割后的图像的识别率满足目标需求。(3)基于深度学习的橙幼果损伤检测。依据橙幼果的常见损伤,本文构建了1200张由橙炭疽病、橙溃疡病、黑斑病和正常果实按照1:1:1:1的比例组成的数据集,使用未改进的YOLOv5s模型和基于注意力机制改进的YOLOv5s模型对数据集进行训练,结果表明改进过后的模型的平均精确率、平均召回率和平均m AP值均对比YOLOv5s模型分别提升2.5%、1.6%和1.1%。(4)基于Py Qt5平台的橙幼果病虫害检测界面设计。为了能直观显示病虫害橙幼果的信息,本文设计了基于Py Qt5平台的橙幼果病虫害检测界面,该界面能显示图像尺寸大小、果实病虫害类别和灰度值信息。研究结果表明,本文所提橙幼果识别方法和检测界面能够为果园管理提供橙幼果数量和质量信息。

关键词： 喷雾   稳定性   二流体喷嘴   数字图像处理   快速傅里叶变换  

摘要： 随着科技的进步和发展,现代工业对喷嘴提出了更高的要求,二流体喷嘴因其能克服传统喷嘴的缺点,进一步提高喷雾质量而脱颖而出。但由于二流体喷嘴引入气相,并使之与液相在混合室内发生相互作用,因此其雾化效果存在天然的不稳定性。本文将试验和数据后处理技术相结合,针对二流体喷嘴,系统地研究了不同工况对喷雾稳定性的影响规律,这对于二流体喷嘴的发展具有重大的现实意义。本文以一种典型二流体喷嘴-内混式空气雾化喷嘴为试验研究对象,采用高速相机拍摄近喷嘴口处的液体碎裂形态,同时结合喷雾平均值图像和均方根图像分析了喷雾在对称形态上的稳定性。其中喷雾平均值图像是将多张图像对应像素点求平均值得到的图像,喷雾均方根图像则是求均方根得到的图像。结果表明:当液体流量较小时,喷雾的稳定性随着气液质量流量比ALR(Air-liquid Mass Ratio)的增大而增强,而当液体流量较大时,则与之相反。同样的,当ALR较小时,喷雾的稳定性随着液体流量的增大而增强;而当ALR较大时,也是与之相反。除此之外还结合了平均灰度序列和灰度重心序列的频谱图分析了喷雾在轴向和径向波动形态上的稳定性,结果表明:当液体流量较小时,液体的轴向和径向波动随ALR的增大先增强后减弱,在大液体流量工况下也是如此。在中小ALR工况下,液体的轴向波动随着液体流量的增大而增强,径向波动却与之相反;在大ALR工况下,液体的轴向波动随着液体流量的增大先增强后减弱,而径向波动却一直减弱。研究还发现轴向不同距离的液体轴向波动频率几乎相同,径向波动频率也是如此,但随着轴向距离的增大,其幅值也增大。当ALR工况较大时,液体轴向和径向波动的主频几乎相同,但轴向波动的幅值明显要比径向波动的大很多。本文采用马尔文激光粒度分析仪进行高频采样得到喷雾粒径数据,并对比分析了几种评价数据稳定性和离散度的指标。在时域上,选择变异系数来处理试验数据,在频域上选择采用快速傅里叶变换来对试验数据进行分析,以此来探究不同工况和轴向不同位置等因素对喷雾稳定性的影响。结果表明:综合所有的工况,小液滴的稳定性相对而言最好,中等粒径液滴的稳定性次之,大液滴的稳定性最差,中等液体流量和中等或偏大ALR工况时的喷雾稳定性最强;随着轴向距离的增大,中小液滴的稳定性逐渐增强,而大液滴的稳定性逐渐减弱。对液滴粒径数据的快速傅里叶变换结果表明:当固定液体流量而改变ALR工况时,频谱图中主频幅值的变化幅度较大,而主频频率的变化幅度较小;当固定ALR工况而改变液体流量时,随着液体流量的增大,主频的频率总是在增大,而主频的幅值却没有明显的变化规律;D和索特平均直径SMD(Sauter Mean Diameter)的数据经过快速傅里叶变换所得到的频谱图形状非常相似,但各频率对应的幅值均有所不同;当频谱图形状相近时,主频幅值的影响大于主频频率的影响,大于其余频率的影响。

关键词： 空芯光纤   数字图像处理   有限元法   光学特性评估   结构重建  

摘要： 空芯光纤具有传统光纤无法比拟的优异光学特性而成为光纤技术领域发展的前沿热点研究方向。但空芯光纤的复杂的微结构,不仅导致空芯光纤的制备难度高,而且制造的过程中不可避免的会出现制备结构与设计结构偏离,导致实际光学特性与设计性能出现较大的偏差。目前实际空芯光纤的特性主要采用传统光纤的测试设备直接测量得到,由于空芯光纤的微结构与传统光纤差异较大,测量结果的准确性会受限,急需探索实际空芯光纤光学特性的快速准确评估方法。本文针对实际空芯光纤特性的精确评估的需求,重点针对两种主要类型的空芯光纤—空芯光子带隙光纤(Hollow-Core Photonic Band-Gap Fiber,HC-PBGF)和空芯反谐振光纤(Hollow-Core Anti-Resonant Fiber,HC-ARF),开展实际空芯光纤结构重建及特性评估方法研究,研究工作对空芯光纤制备质量的提升及特性快速准确评估具有重要的意义及应用价值。论文取得的主要研究成果如下:1.针对实际HC-PBGF结构形变和电镜扫描图分辨率低等问题,提出一种实际HC-PBGF结构重建及特性快速评估的新方法。该方法利用图像处理技术结合光纤质量守恒模型重构光纤几何结构,并应用有限元法对重建光纤结构进行特性分析。应用提出的方法,对本课题组实际拉制的7-cell HC-PBGF结构进行重建和特性评估。研究结果表明,该方法可以对实际拉制的7-cell HC-PBGF结构进行有效重建及特性评估,损耗曲线的评估结果与实验测量结果基本一致。2.针对制备过程中HC-ARF中圆形包层孔畸变成椭圆形的问题,利用改进Canny边缘检测算法,结合基于弧撑线段的椭圆检测方法,提出一种实际HCARF结构重建及特性快速评估方法。研究结果表明,所提出的方法可以对实际拉制的HC-ARF结构进行有效重建及特性评估,损耗特性的评估结果与实验测量结果基本吻合。进而,与使用Hough圆检测方法重建的实际HC-ARF结构进行对比,对比结果显示,所提出的方法可以更快速、更有效的重建实际HC-ARF的结构。

关键词： 水产养殖   网衣   破损检测   深度学习   数字图像处理  

摘要： 在水产养殖中网衣可以有效控制鱼群的活动范围,便于集中管理,但网衣结构复杂,在养殖中极易受到风浪等自然天气的影响而发生破损,如果没有及时发现并修复,会使大量鱼群逃逸,造成严重的经济损失。传统的网衣破损检测需要专业的潜水员进行水下勘察,存在成本高、耗时多、人员安全等问题。本文利用数字图像处理技术和深度学习技术,对水下网衣破损位置和程度的识别方法进行研究,取得的研究成果如下:(1)破损网衣数据集的建立与增强。通过fifish v6水下机器人搭载的摄像头在白日和黑夜的环境下多角度、多距离拍摄网衣图片和录制网衣视频。通过提取拍摄视频的关键帧与拍摄的图片得到不同分辨率的网衣图片,对获取的图片从破损位置和破损程度上进行不同标签的人工标注,分别建立两组数据集。通过数字图像处理技术对建立好的数据集进行增强,达到增强图像对比度和扩充数据集的目的。(2)基于深度学习的网衣破损位置检测。基于一阶段检测模型YOLOv5s、YOLOv5m和二阶段检测模型Faster R-CNN对网衣破损位置数据集进行训练,结果显示,YOLOv5m的评价指标最好,其精准率、召回率、均值平均精度、平均识别速率分别为95.29%、96.06%、98.47%和11.34帧/s;YOLOv5s的评价指标次之,其精准率、召回率、均值平均精度、平均识别速率分别为93.67%、93.64%、98.05%和34.02帧/s;Faster R-CNN的评价指标最差,其精准率、召回率、均值平均精度、平均识别速率分别为72.38%、98.57%、95.56%和0.34帧/s,与前两个模型有较大差距。由于YOLOv5m的识别时间较慢,难以用于实时检测,故对YOLOv5s训练策略进行改进以获得更好的效果。通过将训练集图片进行尺寸变换和改用余弦退火学习率衰减等方法,训练策略改进后的YOLOv5s在精准率、召回率和均值平均精度上分别提高了1.52%、2.42%和0.46%,平均识别速率为34.10帧/s。(3)基于深度学习的网衣破损程度检测。基于不同的破损情况,本文将网衣的破损程度分为边缘破损(broken＿edge)、两眼破损(broken＿2)、三眼破损(broken＿3)、三眼破损以上(broken＿large)四种目标类别,使用改进训练策略后的YOLOv5s进行训练,训练后边缘破损、两眼破损、三眼破损和三眼破损以上的精准率分别为73.48%、64.71%、91.59%和98.99%,召回率分别为97.98%、99.00%、98.99%和98.99%。使用Faster R-CNN进行训练后边缘破损、两眼破损、三眼破损和三眼破损以上的精准率分别为58.33%、61.54%、91.30%和67.44%,召回率分别为36.48%、99.12%、84.00%和96.67%,评价指标明显弱于YOLOv5s。为了优化模型的检测性能,通过在原有网络结构中添加注意力机制的方法改进YOLOv5s模型,经过测试,在模型主干特征提取网络第8层添加CBAM注意力机制后模型边缘破损的召回率提升1.02%,两眼破损准确率提升3.10%,三眼破损准确率提升0.99%,召回率提升0.14%,平均识别时间为36.23帧/s。(4)破损网衣检测软件平台的开发。基于Qt Designer和PyQt5设计了破损网衣检测软件平台,该软件可以使用深度学习模型对图片或视频中网衣的破损位置和破损程度进行检测,并通过修改检测参数达到不同的检测效果,经过测试后的结果表明该软件界面能够满足检测的需求,具有一定的实用价值。

关键词： 湿法炼锌   搅拌   数字图像处理   Logistic回归模型   混合均匀性  

摘要： 湿法炼锌净化工艺是锌冶炼中一种非常重要的工艺。随着时间的推移,我国锌冶炼行业越来越难以获得品位高、杂质含量低的锌精矿。相反,铜、镉、钴、锗、铅等重金属与锌伴生的现象越来越普遍。因此,在湿法炼锌过程中,如果不能及时有效地利用含有金属元素的镉渣,将会浪费大量资源并造成严重的生态环境污染,其在环保和经济效益方面具有显著的优势,因此受到了广泛关注和研究。首先,本文搭建了顶吹-机械复合式搅拌实验平台,采用了一种Betti数量化算法,通过对其顶吹-机械复合式搅拌过程进行了实验,并利用数学分析软件对原始图像进行图像处理,原始图像经过灰度变换、高帽变换、滤波变换、二值化、开运算,最终得到用于计算Betti数的图像。其次,建立了顶吹-机械复合式搅拌气液两相混合均匀性Logistic回归模型,通过量化Betti数的积分面积来评价混合效果,实验过程中Betti数的变化符合Logistic回归模型,提出了Logistic积分面积拟合直线斜率6)和截距(7评价气液两相混合均匀性新指标,在不同的工况下,混合时间T与积分面积拟合直线的斜率6)、截距(7、积分面积S成负相关。实验结果表明,在顶吹-机械复合式搅拌中空轴电机转速为100rpm,浸没深度为12cm的工况搅拌混合时间最短。最后,基于前期的研究,在湿法炼锌净化实验中,通过反应动力学分析,离子、锌置换体系的反应速率受扩散控制,顶吹-机械复合式搅拌提高了扩散速率,可提高电化学反应速率,加速了湿法炼锌净化效率。顶吹-机械复合式搅拌的工况中空轴电机搅拌转速80r/min净化率最高,顶吹-机械复合式搅拌相较于蒸汽顶吹搅拌和机械搅拌分别提高了50.44%和9.48%,顶吹-机械复合式搅拌技术可以有效的提升搅拌反应釜的混合效率及净化率。