教学课程资源库 更多>>

关键词： 计量泵频率   网帘频率   接收距离   熔喷非织造布   孔隙形状   偏心率   固靠性   数字图像处理  

摘要： 为探究制备工艺参数(计量泵频率、网帘频率和接收距离)对熔喷非织造布孔隙形状的影响,采用单因素实验制备多种聚丙烯熔喷非织造布。以偏心率和固靠性对孔隙形状进行表征,并基于数字图像处理技术对指标值进行测量。结果显示:计量泵频率对孔隙固靠性影响较大,但对孔隙偏心率无明显影响。随着计量泵频率的增加,孔隙固靠性先降低后增加。当计量泵频率为18 Hz时,孔隙固靠性最低。随着网帘频率的增加,孔隙偏心率先增加后降低(当网帘频率为8 Hz时,孔隙偏心率最大),而孔隙固靠性则单调增加。随着接收距离的增大,孔隙固靠性和孔隙偏心率均降低。研究结果对研制性能优良的隔声、绝缘和过滤非织造材料具有一定的参考价值。

关键词： MOOC+SPOC   对分课堂   数字图像处理   通识教育  

摘要： 将传统教学方法、现代化教学新方法有机的结合起来,把互联网大时代下的现代化教学工具与传统教学课堂相辅相成的结合,发挥各自的优势,提高了教学效果,让学生收获更多的知识,培养出更多元化的优秀人才。将基于MOOC+SPOC的教学模式引入到传统数字图像处理理论教学过程中,有效解决了传统教学环节中存在的问题,为学生提供了更加灵活、高效的学习环境与平台,具体表现在:(1)引入虚拟高水平教学团队,提高了整个教学团队的水平;(2)整合了学生的零散学习时间,提高了课堂教学的效率;(3)使课堂氛围变得活跃,调动了学生的学习的积极性,发挥了所有学生的潜在能力;(4)教师及时得到教学效果的反馈,便于进行教学内容和教学环节的调整。

ISBN: (纸本)9787122399847

关键词： 冶金工业   数字图像处理   粒子滤波   Inception-v3   烧结火焰图像  

摘要： 在冶金行业中,稳定、优质的烧结生产过程是高炉冶炼的重要保障。烧结生产过程与烧结终点状态的特征信息都蕴含于烧结火焰图像中,其判断方式主要依赖于人工经验。由于烧结机尾环境恶劣,且人工经验判断存在主观因素的差异性,准确有效的对烧结火焰图像进行火焰区域跟踪和细粒度分类,有利于分析烧结过程状态,实现对烧结终点状态的有效判断,为烧结生产过程提供及时可靠的指导信息,具备较强的工程实际意义。针对烧结火焰图像采集环境中存在大量烟雾、粉尘颗粒等,对图像进行各向异性扩散去噪处理与图像增强,弱化背景特征,增强图像的特征表达能力。为有效的对烧结断面图像火焰区域进行跟踪,在经典粒子滤波算法基础上引入图像的RGB颜色空间作为粒子状态转移的特征。针对粒子退化现象和样本贫乏问题,优化粒子权重和粒子舍弃与重采样策略,实现对火焰区域有效跟踪,进而分析烧结过程状态。在构建细粒度分类数据集工作中,对烧结火焰图像进行数据扩增并做数据均衡化处理,为后续网络模型的泛化性能打下基础。对比经典卷积神经网络模型在数据集上的分类准确率,结合烧结火焰图像特征分布于不同的空间尺度选择Inception-v3作为骨干网络。进一步使用迁移学习方法和正则化处理,包括L2正则化、标签平滑和Dropout,加快模型迭代收敛的同时防止模型出现过拟合现象。实验结果表明,改进的粒子滤波算法跟踪火焰区域像素面积稳定在90%以上,跟踪效果良好且持续稳定,基于Inception-v3的多尺度CNN模型在烧结火焰图像细粒度分类上准确率达到98.91%。烧结火焰图像的火焰区域跟踪和细粒度分类为实际烧结生产的过程状态分析与终点状态判断提供理论依据,有效的提高烧结工艺生产效率和质量。图34幅;表8个;参56篇。

关键词： 粗集料   形态特征   路面抗滑性能   三维激光扫描   数字图像处理   机器学习  

摘要： 良好的路面抗滑性能是安全行车的重要保证,其主要由路表的宏微观纹理提供,而集料是路面材料中的重要组成部分,对形成路表的宏微观纹理有重要贡献,集料形态特征与路面抗滑性能息息相关。因此,对集料形态特征及其对路面抗滑性能的影响开展研究,可以为精确评价集料形态特征从而预测路面抗滑性能提供有力理论支撑。目前常用的路面抗滑性能测试方法摆式仪法和铺砂法存在受人为因素影响大、测量效率低、只能进行单点测试等缺点,不能精确表征路面抗滑性能,有必要提出新的精准测试路面抗滑性能方法,针对集料形态特征与路面抗滑性能的关系研究可以为基于集料的路面抗滑性能测试新方法奠定基础。为此,本文基于棱角性及表面微观纹理提出了表征粗集料形态特征的评价方法,通过对实际道路长期检测及相应的室内模拟试验,研究了路面抗滑性能及集料形态特征变化规律,并建立两者间的关系模型。首先,选取6条北京市不同等级、不同路面类型的代表性道路进行为期2年的长期路面抗滑性能检测并进行原位取芯,分析不同因素对路面抗滑性能的影响。结果表明,不同类型混合料的路面表面抗滑性能差异较大,提升混合料中粗集料含量及最大公称粒径可有效提升路面抗滑性能,此外,混合料的空隙率、流值及是否添加再生料对路面抗滑性能也有不同程度的影响。其次,针对室外芯样回收的表面层粗集料及室内通过洛杉矶磨耗粗集料,分别通过数字图像处理、三维激光扫描及三维形貌轮廓测量技术获取其二维图像、三维数字模型及表面纹理图像,采用相应指标评价其棱角性及表面纹理,分析其变化规律。结果表明,二维棱角性评价方法效率高、操作简便,但受集料摆放形态影响大,不适于评价集料棱角性变化情况,而三维棱角性评价方法及集料微观纹理评价方法均能较好的表征集料形态特征变化。最后,利用皮尔逊相关系数法及灰关联熵分析优选出与路面抗滑性能相关性及关联性较好的粗集料形态特征指标,通过多元线性回归及机器学习的手段分别建立二者间的线性及多元感知机模型。结果表明,球度DS、形状因子SF、算术平均偏差R、轮廓均方根偏差R、最大轮廓峰高R、最大轮廓谷深R、轮廓的总高度R与路面抗滑性能相关性及关联性较好,多层感知器模型可基于上述指标有效预测路面抗滑性能,预测准确率达80%。

关键词： 原淀粉   浆液性能   浆纱品质   再生毛羽   数字图像处理  

摘要： 经纱上浆在织造生产中起着关键作用。高性能变性淀粉、PVA、聚丙烯酸类浆料混合是纺织工业中常用的浆料调配方式,然而随着企业能源节约和环境保护意识的提高,研究并应用环保型浆料浆纱技术成为环保生产要求的一个关键点。本项目完善了一种原淀粉浆料调配和浆纱工艺,即以淀粉为主浆料,并辅以少量助剂的原淀粉上浆工艺,从而有效地解决了含PVA浆纱环保性差的问题,大大简化浆料配方的同时优化调浆工艺,减少调浆时间,降低用浆成本。另外,原淀粉工艺的浆液性能、浆纱品质好,生产车间可以在较低的湿度下进行织造并保持较高的织造效率,提升了车间的环境舒适性,并减少空调系统能耗,与此同时,提升了浆纱、织造、退浆染整生产过程的环保性。本论文主要针对原淀粉浆料浆纱工艺与其他三种工艺的浆料制备、调浆工艺、浆液性能、浆纱品质和织造车间参数等进行对比分析,采用数字图像处理的方法对浆纱被覆率与浸透率进行计算并总结被覆率、浸透率与浆纱品质的关系,提出织机上分段取样法验证原淀粉工艺的浆纱织造性能,并对原淀粉工艺的实际生产效益做出综合评价,为原淀粉浆料制备及其浆纱工艺技术在实际生产中的应用提供理论依据。主要工作和结论如下:(1)通过对四种工艺的浆料配方、调浆工艺和浆液各项指标进行综合的对比分析得出:原淀粉浆料工艺较其他三种工艺配方简单,由主浆料和浆料助剂组成,简化了调浆工艺,调浆时浆料各组分投递简单,且无需分批投递,降低了调浆难度,调浆时间缩短了10 min,提高了调浆效率;原淀粉浆料工艺浆液性能优良,其中浆液温度95°C,浆液p H为7.2,浆液粘度降低了27%-59%,浆液粘度热稳定性达95.86%,粘附力提高了10%左右,浆液含固量为10.88%。(2)通过对四种工艺的浆纱性能测试得出:原淀粉浆纱工艺的浆纱品质整体优于其他三种工艺,浆纱上浆率下降了30%-33%,回潮率提高了20%-37%,断裂强力提高了21%-34%,强力增强率提高了62%-127%,减伸率减少了17%-34%,耐磨次数提高了23%-56%,浆纱增磨率提高了38%-93%,纱线毛羽指标原淀粉工艺与其他三种工艺接近;原淀粉浆纱工艺对纯棉纱线的上浆效果整体优于含涤纶、粘胶纱线。(3)采用数字图像处理技术,使用MATLAB软件通过图像灰度化、降噪、增强的预处理方法得到清晰、对比度高的浆纱截面图像,并使用图像二值化、面积滤波、灰度填充、图像相减、闭合运算等数学形态学方法对浆纱切片的被覆率与浸透率系统性的分析计算,为评价浆纱被覆率与浸透率提供一种快速便捷的方案,并且通过该方法分析得到原淀粉工艺浆纱较其他工艺被覆率下降25%-34%,浸透率提高36%-48%,该工艺具有“低被覆、高浸透”的特点,并总结分析得出“低被覆、高浸透”有利于提升浆纱品质。(4)采用机上分段取样法评价原淀粉工艺浆纱的织造效果,原淀粉工艺浆纱各区段取样的断裂强力降低率最高为15.80%,断裂伸长率降低率最高为9.28%,3mm以上再生毛羽指数最高为3.23,最终织造效率在94%-96%,该工艺经纱织造效果好;经过对四种浆纱工艺生产车间的织造效率、环境、成本及环保性进行统计与检测,原淀粉浆料浆纱工艺车间织造效率高,车间湿度低至65%左右,经纱能在低湿度环境织造,用浆成本与空调成本降低,减少了生产成本,退浆废水的BOD5/COD得到提升,生物降解性好。

关键词： 机器视觉   导光板缺陷检测   数字图像处理   深度学习   改进YOLOv5s  

摘要： 导光板作为背光模组的核心组件广泛应用于家电、汽车仪表等各行各业之中。目前,导光板质量的检测基本都以人工视检为主,近年来机器视觉技术高速发展,在工业领域广泛应用。本课题以此为切入点,通过研究实现了一种高速且高准确率的导光板缺陷检测与识别软硬件系统,具有重要的研究价值。本文以12-17寸的大尺寸导光板为研究对象,针对目前导光板缺陷检测领域存在的问题以及难点,综合使用需求,开发了一套以缺陷检测为核心的导光板缺陷检测与识别软硬件系统。最后通过实验验证了本文缺陷检测系统的可靠性,具体研究内容如下:（1）针对导光板的光学特性以及缺陷特征,设计了一套导光板缺陷检测视觉方案,确定了机器视觉系统的硬件选型方案:线阵相机、线阵相机适配镜头、多角度线光源、运动平台。通过系统硬件平台的搭建来获取导光板图像。（2）针对检出率99%和12s/pcs的实际生产需求,综合考虑准确率和实时性因素对导光板缺陷检测算法展开研究。本文首先设计了一种基于传统数字图像处理的算法,通过中值滤波、阈值分割、形态学处理等操作进行导光板缺陷检测。然后针对传统检测算法准确率低、适应性差的问题,研究了基于深度学习的导光板缺陷检测算法,分别对几种经典的深度学习算法进行比较研究,通过自建导光板缺陷数据集上的测试结果,选择准确率最高的YOLOv5s模型进行改进。（3）提出了一种改进的YOLOv5s网络用于大尺寸导光板缺陷检测。首先,将导光板图像进行分图处理,然后在主干部分和特征融合部分集成Transformer和注意力机制Coordinate Attention,并选择Meta-ACON激活函数。最后,基于自建数据集LGPDD进行了大量实验。实验结果表明,LGP缺陷检测算法的平均精度（m AP）可以达到99.20%,并且FPS可达77。（4）依托上述研究结果,设计并实现了导光板缺陷检测与识别系统软件,成功完成系统部署与集成,对一类客户的热压线上的导光板进行测试后,结果表明本系统能够在11s/pcs对尺寸为17英寸的导光板中的亮点、划伤、异物、磕碰伤、脏污等缺陷具有99%准确率的实际检测效果,满足导光板实际的生产需求。

关键词： 数字图像处理   深度学习技术   道路裂缝图像   卷积神经网络  

摘要： 加快我国建设成为交通强国，是中共中央一项战略性决策，是社会主义新时代进一步做好现代交通运输基础工作的总战略抓手。交通运输部统计资料表明，截止至2022年4月26日，全国高速公路总里程已达528万公里，基本构成了以公路为骨架、以普通干线为脉络、以农村公路为基础的全国公路网。目前城市道路发展建设总体速度也已明显趋于平缓，随着道路使用年限的不断增加，采取公路安全设施精细化、实施公路灾害防治工程、强化养护工程设计等系列措施显得尤为重要。在各种类型的路面病害中，道路裂缝是最常见的一种。目前日常的路面检测工作通过人工实地走查完成，而这种方法不但耗时费力，同时还产生了很大的安全隐患。　　因此为了解决人工检测道路裂缝方法中耗时费力等问题，本文对道路裂缝问题进行了研究并实现了从采集路面图像后到检测结果输出的一系列过程。为了提高裂缝图像质量，本文考虑了以下几个问题：第一，在采集阶段由于设备在使用过程中会产生噪声，需要先对图像进行降噪;第二，拍摄阶段由于光线不均匀而造成的亮度不佳，需要对图像的明暗亮度进行调整;第三，为了扩充数据集，需要对图像数据进行旋转、改变分辨率等系列操作。本文使用Labelimg制作道路裂缝数据集，并将图像分为五种属性。　　本文采用了名为Yolov4的深度学习算法，对道路裂缝图像数据进行训练和测试，从而实现对道路裂缝的检测和识别。为了提升深度学习算法的性能，本文依次进行了如下操作：模型数据预处理、网络模型参数初始化、调整训练过程中的学习速率和迭代次数等。本文采用Python中自带的Pyqt5库设计GUI界面，并设计了一套基于Windows平台的应用程序，名为“道路裂缝识别软件”，该软件能够实现基于深度学习技术对道路裂缝进行检测和识别，并能在较短的时间内给出裂缝的类型、宽度、高度、面积和识别分数等属性信息。　　本文的创新之处主要有两个方面：第一，先对采集的道路裂缝图像进行传统的图像处理操作，在确保图像质量的基础上，再对裂缝图像数据集进行扩充，然后运用深度学习算法Yolov4对裂缝图像进行训练与测试，使得道路裂缝识别的MAP值达到74.78%，FPS达到36.83。第二，本文从用户使用的便利性和拓宽裂缝识别应用领域的角度出发，设计了一款自动化识别道路裂缝的应用程序，能够达到以可视化的形式及时准确地判断出裂缝的类型、长宽、面积等属性信息。

关键词： 数字图像处理   干密度   压实度检测   花岗岩残积土   孔隙  

摘要： 21世纪以来,中国公路运输和建设行业迅猛发展,公路里程大幅扩大。高等级公路建设质量要求高,路基压实的好坏对公路建设的质量影响大。传统路基压实度检测方法存在耗时长、代表性差和破坏性等缺点,难以满足当前公路发展的需要。数字图像处理技术经快速发展,已成为一种非接触、精确度高的光学测量手段,能为土木工程的定量化研究提供便利。本文拟以广连高速花岗岩残积土为研究对象,采用数字图像处理方法提取压实土样图像的特征几何参数,并经统计分析建立图像参数与干密度的精确数学关系及其判别模型,从而实现对压实度的无损检测。花岗岩残积土内孔隙多、矿物成分复杂,且孔隙和矿物边界模糊,采用常规数字图像方法难以精确提取与干密度相关的有效参数信息。本文经过对花岗岩残积土土样压密过程孔隙变化规律分析,得出图像中空隙像素面积Se和空隙占比E是与干密度变化最密切的两个判别参数。同时研究数字图像处理方案以精确提取参数信息,即对原始图像进行灰度转换后,运用直方图均衡化增强图像对比度,再经局部自适应阈值法的二值化处理,最后对二值图像中前景部分进行轮廓识别和面积计算,可实现对图像参数的定量分析,并解决了图像光照不均和明暗差距大等问题。为克服图像的孔隙边界模糊性和难以采集有效图像数据的困难,研究提出了在室内试验中通过制备透明试验模具和采用定距定方位的立面图像采集方法,为保证试验的高分析精度提供了原始图像基础。对大量图像样本统计学分析证实两个判别参数与干密度呈良好的线性关系,据此建立了双参数干密度判别模型。检验试验证实,在误差≤0.01g/cm3下,模型判别准确率超80%,成功实现了室内条件下对试样干密度判别,为运用数字图像方法进行压实度的无损检测提供了理论基础。工程现场土质条件更复杂,以室内研究为参考建立新的研究方案。研究确立Se和土体干密度呈幂函数关系,依此建立幂函数干密度判别模型。依托广连高速花从段高路堤工程,提出施工现场的压实度检测方案并实地检测,研究表明:分析样本数量越多判别准确率越高,在干密度误差≤0.01g/cm3和压实度误差≤1%下,单个测点的干密度和压实度判别准确率不高;以10测点均值代表的区域干密度和压实度判别准确率均为100%。