123,123

基于機(jī)器視覺(jué)輪廓提取的平滑處理算法[其他][其他]

在利用機(jī)器視覺(jué)提取眼鏡鏡片輪廓過(guò)程中會(huì)有環(huán)境干擾光造成誤差，影響輪廓的光順與精度。為了修復(fù)此誤差，提出了一種新的擬合算法：先尋找特征剔除受環(huán)境干擾光影響的輪廓部分，然后對(duì)被剔除的部分進(jìn)行基于三次B樣條曲線的保形插值。實(shí)驗(yàn)結(jié)果表明，經(jīng)過(guò)該平滑擬合算法的處理，基于機(jī)器視覺(jué)的輪廓提取系統(tǒng)提取的標(biāo)準(zhǔn)圓輪廓數(shù)據(jù)的最小二乘圓擬合的均方差減少了80%～90%,圓度誤差減少了70%～80%，說(shuō)明該擬合算法能顯著提高系統(tǒng)提取的輪廓數(shù)據(jù)的光順與精度。

發(fā)表于：2021/4/21 9:25:00

人臉屬性識(shí)別系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn)[人工智能][消費(fèi)電子]

目前，精確地進(jìn)行人臉識(shí)別在現(xiàn)實(shí)場(chǎng)景中得到了大量的應(yīng)用，如監(jiān)控、門禁等，而只針對(duì)人臉屬性進(jìn)行的識(shí)別在娛樂(lè)、安防和社交媒體領(lǐng)域同樣有著廣泛的應(yīng)用。因此，基于深度卷積神經(jīng)網(wǎng)絡(luò)MTCNN進(jìn)行人臉檢測(cè)，基于Resnet50網(wǎng)絡(luò)進(jìn)行人臉屬性的識(shí)別，同時(shí)使用Python語(yǔ)言設(shè)計(jì)開(kāi)發(fā)實(shí)現(xiàn)人臉屬性識(shí)別應(yīng)用界面的系統(tǒng)。通過(guò)數(shù)據(jù)實(shí)驗(yàn)，該系統(tǒng)使用基于深度卷積神經(jīng)網(wǎng)絡(luò)的人臉屬性識(shí)別模型在性別、年齡以及種族屬性的識(shí)別上準(zhǔn)確率分別達(dá)到了97.32%、71.64%及92.13%，同時(shí)人臉屬性識(shí)別應(yīng)用系統(tǒng)能夠穩(wěn)定地運(yùn)行，具有一定的應(yīng)用價(jià)值。

發(fā)表于：2021/4/20 9:50:00

一種基于QR分解的觀測(cè)矩陣優(yōu)化方法[其他][其他]

在壓縮感知理論中，最為關(guān)鍵的問(wèn)題是觀測(cè)矩陣的構(gòu)造。影響圖像重建質(zhì)量的因素包括觀測(cè)矩陣列向量間的獨(dú)立性以及觀測(cè)矩陣與稀疏基間的互相關(guān)性?；诖颂岢隽艘环N優(yōu)化算法。該算法采用QR分解以增大觀測(cè)矩陣列獨(dú)立性，同時(shí)對(duì)利用等角緊框架(Equiangular Tight Frame，ETF)收縮的Gram矩陣進(jìn)行優(yōu)化，通過(guò)更新每次梯度下降的方向，加快收斂速度，從而減小觀測(cè)矩陣與稀疏基間的互相關(guān)性。仿真實(shí)驗(yàn)結(jié)果顯示，在信號(hào)稀疏度或觀測(cè)次數(shù)相同情況下，該優(yōu)化觀測(cè)矩陣的方法在提高圖像重建質(zhì)量與穩(wěn)定性方面都有一定優(yōu)勢(shì)。

發(fā)表于：2021/4/20 9:40:00

基于EEMD分解與PCA-FCM聚類的岸橋減速箱故障診斷方法[其他][其他]

針對(duì)岸邊橋式起重機(jī)(岸橋)減速箱特征提取以及故障診斷問(wèn)題，提出了一種集合經(jīng)驗(yàn)?zāi)B(tài)分解(EEMD)與主成分分析(PCA)-模糊C均值(FCM)聚類的減速箱故障診斷組合方法。首先，通過(guò)EEMD分解將減速箱非線性、非平穩(wěn)振動(dòng)信號(hào)分解為若干個(gè)固有模態(tài)函數(shù)(IMF)，提取每個(gè)IMF分量的多維故障特征；然后，使用主成分分析法對(duì)故障特征進(jìn)行降維，并分析了減速箱振動(dòng)信號(hào)的特征值與故障模式之間的關(guān)系，通過(guò)模糊C均值聚類算法對(duì)減速箱的狀態(tài)進(jìn)行識(shí)別。實(shí)驗(yàn)結(jié)果表明，EEMD-PCA-FCM方法對(duì)減速箱的3種狀態(tài)有很高的識(shí)別準(zhǔn)確率，表明該方法是一種準(zhǔn)確有效的減速箱故障診斷方法。

發(fā)表于：2021/4/19 11:58:00

一種基于云的軟PLC系統(tǒng)架構(gòu)研究[其他][工業(yè)自動(dòng)化]

在工業(yè)自動(dòng)化領(lǐng)域，工廠的控制常由可編程邏輯控制器(PLC)執(zhí)行。隨著自動(dòng)化應(yīng)用越來(lái)越小型化、柔性化，在這些領(lǐng)域使用、設(shè)計(jì)并維護(hù)一個(gè)完整的、基于硬件的PLC是不經(jīng)濟(jì)的，基于云的軟PLC可以成為控制即服務(wù)的解決方案。介紹了一種基于云的多實(shí)例、可擴(kuò)展的軟PLC系統(tǒng)架構(gòu)，并基于該模式評(píng)估了系統(tǒng)的實(shí)時(shí)性和可擴(kuò)展性。最后，對(duì)未來(lái)工業(yè)應(yīng)用中基于云的控制現(xiàn)場(chǎng)場(chǎng)景提出了展望。

發(fā)表于：2021/4/19 11:38:00

Softing將CNC數(shù)據(jù)集成到工業(yè)邊緣應(yīng)用中[通信與網(wǎng)絡(luò)][物聯(lián)網(wǎng)]

　　Softing擴(kuò)展了其基于Docker（容器虛擬化）技術(shù)的dataFEED edgeConnector產(chǎn)品系列。新的edgeConnector 840D可支持訪問(wèn)SINUMERIK 840D控制器的數(shù)據(jù)，并使其通過(guò)OPC UA和MQTT在邊緣設(shè)備或虛擬環(huán)境中可用。這可以在云環(huán)境和工業(yè)物聯(lián)網(wǎng)中靈活地集成本地OPC UA客戶端和MQTT代理。

發(fā)表于：2021/4/17 22:43:39

對(duì)NBC-128的安全性分析[其他][其他]

NBC算法是由徐洪等人設(shè)計(jì)的基于廣義Feistel結(jié)構(gòu)的分組密碼算法，支持128/128、128/256和256/256 3種分組和密鑰尺寸，其非線性部分采用16 bit S盒。對(duì)分組長(zhǎng)度為128 bit的兩個(gè)NBC版本算法進(jìn)行了改進(jìn)的安全性分析。針對(duì)不可能差分攻擊，修正了原有分析過(guò)程，可以分析17輪NBC-128/256、15輪NBC-128/128；對(duì)于多維零相關(guān)攻擊，擴(kuò)展了攻擊輪數(shù)，可以分析19輪NBC-128/256、16輪NBC-128/128，針對(duì)NBC-128/256的結(jié)果在輪數(shù)上是已知最長(zhǎng)的；對(duì)于積分攻擊，給出了新的12輪積分路線，需要的數(shù)據(jù)量低于原有結(jié)果。

發(fā)表于：2021/4/16 9:26:00

基于疊加擴(kuò)頻頻譜中心技術(shù)的抗欺騙干擾研究[其他][其他]

針對(duì)機(jī)載多天線收發(fā)系統(tǒng)(Multiple Input Multiple Output，MIMO)面臨存在虛假指令的欺騙干擾威脅導(dǎo)致性能下降甚至失鎖問(wèn)題，提出了一種基于疊加擴(kuò)頻頻譜中心技術(shù)檢測(cè)欺騙干擾方案，最后通過(guò)試驗(yàn)驗(yàn)證了該方案的可行性，對(duì)MIMO抗虛假指令欺騙干擾性能的提升具有實(shí)際意義。

發(fā)表于：2021/4/16 9:20:00

基于可穿戴傳感器的實(shí)時(shí)心電檢測(cè)方法研究[其他][其他]

為了實(shí)時(shí)監(jiān)控人體的心電信號(hào)，以胸帶作為穿戴載體，設(shè)計(jì)一個(gè)可穿戴心電檢測(cè)系統(tǒng)。內(nèi)嵌于胸帶的心電傳感器采集佩戴者心電信號(hào)，通過(guò)藍(lán)牙傳輸至移動(dòng)設(shè)備應(yīng)用程序，實(shí)現(xiàn)心電信號(hào)及心率的實(shí)時(shí)顯示。所實(shí)現(xiàn)的心電檢測(cè)算法基于自適應(yīng)閾值，檢測(cè)心電信號(hào)的R波并計(jì)算實(shí)時(shí)心率。設(shè)計(jì)和實(shí)施了實(shí)地實(shí)驗(yàn)以檢測(cè)系統(tǒng)和算法性能。結(jié)果表明，心率檢測(cè)算法的R波檢測(cè)錯(cuò)誤率為-1.99%，較好地適應(yīng)了可穿戴心電傳感器采集的信號(hào)。

發(fā)表于：2021/4/15 23:08:00

基于多特征融合的商品識(shí)圖匹配算法研究[其他][其他]

隨著近幾年無(wú)人超市的不斷發(fā)展成熟，自助購(gòu)物越來(lái)越普及。如果商品售出后沒(méi)能及時(shí)補(bǔ)充，會(huì)影響消費(fèi)者的購(gòu)買意愿。為提升商品圖像識(shí)別的準(zhǔn)確率，采用多特征融合的方法，即將多種算法的特征聯(lián)合，形成優(yōu)勢(shì)互補(bǔ)。采用融合SIFT特征和灰度共生矩陣特征的方法完成貨架商品圖像的匹配。實(shí)驗(yàn)表明，該方法對(duì)比灰度共生矩陣方法準(zhǔn)確率提升20.6%，對(duì)比SIFT算法和PCA-SIFT算法準(zhǔn)確率分別提升8.9%和5.6%；處理時(shí)間對(duì)比以上三種算法略有增加。此方法還可用于分析貨物受歡迎程度以及確認(rèn)哪些柜臺(tái)需要加貨等，從而及時(shí)有效地對(duì)短缺的商品進(jìn)行補(bǔ)充。

發(fā)表于：2021/4/15 23:03:19