动车组高速运行下车号自动识别技术研究

通过分析目前主要的列车车号识别方法,从实际运用环境出发,研究高速动车组车号自动识别关键技术,并将该技术嵌套运用于高速铁路噪声自动监测系统.基于高速动车组车号自动识别关键技术分析,得出动车组高速运行下车号自动识别的关键技术主要为高精度图像获取技术、自动触发技术和图像识别技术.     

2种基于模式识别的环状燃气管网泄漏检测方法

为了将模式识别技术应用于环状燃气管网泄漏检测并找到合适的特征提取方法,以天津城建大学实验室环状燃气管网泄漏为例,将实验的28种工况作为测试样本,与之对应的模拟工况作为训练样本,采用提取压力图像特征向量法和节点压力矩阵法分别进行环状燃气管网的泄漏检测,采用支持向量机分类器将2种方法获得的特征向量进行训练与分类检验,进而将其分类准确率进行对比分析。研究结果表明:该2种方法均可用于环状燃气管网泄漏检测,提取压力图像特征向量法因有效地降低了特征向量的维度和数据波动的干扰,其结果更优。结合SCADA和GIS系统,可将该法应用于实际水、气、油管网泄漏检测和定位,有助于降低成本,提高检测效果。     

人机协作中安全手套佩戴检测的模式识别研究

为了更有效、智能地解决人机协作中的安全问题,以人手安全作为人机协作安全的代表,提出了一种基于模式识别技术的人机协作人手安全检测模型。人机协作中,安全手套对于人手保护不可或缺。模型首先通过机器对人手图像获取、人手特征提取形成人手状态训练集,再利用支持向量机训练形成人手安全分类器,以达到智能地判断人机协作中人手是否戴安全手套。选取人机协作现场照片为样本源,采集工人不安全行为场景数据,验证应用基于模式识别的方法智能检测人机协作中工人佩戴是否安全手套的可行性。实例验证结果表明,人手安全分类器可以有效地判断人手的安全状态并能及时控制机器,准确率达到96. 12%。     

智能分析技术在集成领域的应用解析

正一、智能分析技术在集成领域的发展现状智能分析技术属于人工智能中的模式识别,起源于计算机视觉技术、综合应用图像处理、目标检测与跟踪、模式识别等技术,对视频场景中的目标进行检测分析,实现图像质量诊断、人脸识别、车牌识别、视频检索等功能。智能视频分析技术可减少由于人员疏忽或离开错过的重要监控信息,使监控管理更加方便高效。安防智能化不仅仅指的是视频的智能分析技术,还包括系统和安全层     

脉冲涡流检测技术在工业管道检测中的应用

压力管道腐蚀减薄对工业生产造成重大安全隐患,而传统的无损检测方法不能有效地对带覆盖层的工业管道进行在线检测,本文从对脉冲涡流检测技术的最新发展综述出发,通过分析几种传统无损检测技术和几种无损检测新技术的特点,确定采用脉冲涡流检测技术对一批带保温层蒸汽管道进行腐蚀检测,在腐蚀位置再利用电磁超声检测和其他无损检测方法进行缺陷验证,从而可以准确检测出带保温层蒸汽管道的腐蚀情况。     

基于模糊神经网络的气瓶故障诊断

针对大容积无缝气瓶安全问题,提出了基于模糊神经网络的气瓶在线监测方法,并利用加速度传感器采集无损气瓶与损伤气瓶的振动信号,且将数据通过小波包分解获取故障特征参数,最后采用模糊神经网络进行模式识别验证方法可行性。诊断结果表明该算法能较好地对气瓶是否损伤做出较准确的判断,因此其适用于气瓶在线监测。     

一种基于无线通信技术的防盗系统

本文提出了一种基于无线通信技术的防盗系统,包括现场处理装置,外围设备(如感应器,报警装置,录音录像装置等)以及移动台,当有目标物进入监控现场时,现场处理装置将感应器获取的数据信息、摄像头获取的图像信息以及基于图像处理的模式识别的结果发送至移动台,移动台根据上述信息判断是否发出指令启动现场的报警装置,实现防盗和报警的功能.该防盗系统结构简单、成本低廉、人机交互性好,并且具有很高的自动化性能,可靠性高,能够大大减少误报率.     

火灾视频探测在地铁中的应用研究

随着近年计算机技术和图像技术的发展,在九十年代诞生的图像检测技术在火灾探测中得到了应用.本文介绍了基于图像识别的火灾探测技术VID(Video image detecdon)的发展,算法,技术特点以及与其他探测技术的比较.并结合地铁中的环境特点对VID系统在地铁空间的适用性进行了探讨.     

应力腐蚀裂纹的检出和定量——PAUT三向显示图解读

本文介绍了满足断裂力学验收条件要求、依据超声相控阵成像数据,对SCC(应力腐蚀裂纹)进行检测和测深定高的CI(计算机成像)技术应用的最新进展。详述用超声三向图像显示进行数据评定的过程和方法,包括B型显示(横断面视图)、C型显示(俯视图)和D型显示(纵断面视图)。数据评定解析使用由SCC试样获取的相控阵数据。此法强调以下三要素的重要性:1)波型选择对重建SCC图像的重要性;2)SCC端部回波识别对避免错判误定的重要性;3)纵断面视图对评估SCC深度轮廓。希望对国内承压设备在役无损检测和定量评价提供有用借鉴。     

天然气集输站泄漏监控系统研究

为克服目前天然气集输站站控系统存在的主要技术问题,探讨了建立泄漏监控安全系统的技术要求.该系统应用负压波检漏技术、模式识别技术和虚拟仪器技术,实现了.对天然气泄漏的信号检测、处理、传输和实时动态显示等.借助于这些技术开发的天然气泄漏监控系统,具有数据处理准确可靠,精度高,误报率低等特点.通过该系统,可以及时获取相关参数和信息,实现早期预警,降低天然气泄漏的事故风险.     

虹膜识别在肉类食品安全追溯系统中的应用及关键技术研究

为了提高大型动物肉类食品的安全性,在研究肉类食品供应链的安全管理的基础上,将大型动物的虹膜识别技术引入食品供应链管理中,构建基于虹膜识别的大型动物肉类食品安全可追溯系统,达到肉类食品安全信息查询及出现安全问题后的个体溯源的目的。借鉴人眼虹膜识别的相关技术,以牛眼为例对大型动物虹膜识别的相关算法和虹膜定位等关键技术进行研究,运用改进的Sobel算子对图像进行边缘检测;引入二次B样条曲线算法实现了牛眼虹膜的精确定位;分析牛虹膜纹理特征的分布特点,实现了虹膜特征区域的提取及归一化处理。研究成果对大型动物的虹膜识别研究和肉类食品供应链安全管理具有一定的参考意义。     

煤矿井下自燃火灾的图像识别及综合判据系统

煤矿自燃火灾的早期探测及预报是保证煤炭生产安全的有效手段。目前已有的各种预测预报技术,虽对煤炭自燃火灾的防治起到一定的作用,但对于不同煤质和不同地质赋存情况下的煤矿,单一探测方法的预测精度有限,在探测的准确性和有效性方面尚不能完全满足各种类型煤矿安全生产的需要。为了提高煤炭自燃灾害早期探测的可靠性,笔者提出一种以图像识别技术为基础的煤炭自燃发火探测方法,并进一步利用信息融合技术结合其他探测方法建立一套煤矿自燃发火综合判据系统,该系统有助于提高煤炭自燃预测的准确性,对煤矿的安全生产能发挥重要作用。     

一种基于LVQ神经网络与图像处理的火焰识别算法

针对传统火灾探测技术存在的不稳定、误判率高等缺点,通过分析室内火灾图像与常见干扰光源图像的特点,提出一种基于人工神经网络的火焰图像检测技术。对火焰图像的基本特性进行分析,利用火焰图像序列的面积重叠率和中心相对移动率以及颜色等信息,结合实现学习向量量化(LVQ)神经网络融合技术,对视频序列图像中火焰的自动检测。仿真试验结果表明,基于LVQ神经网络的信息融合算法的网络收敛速度较快,有较高的火灾火焰识别准确率。     

图象火灾监控中一个新颖的火灾判据

“边缘抖动”是早期火灾火焰的重要特性。本文基于这个特征，利用图象分析的方法，提出了一种崭新的火灾判据－尖角判据。尖角判据减少了误报和漏报，大大提高了火灾判别的可靠性及准确性。     

基于图像识别的建筑工人智能安全检查系统设计与实现

为提高建筑工人作业前安全检查的效率和效果,减少事故发生。以图像识别技术为核心支撑,提出了建筑工人智能安全检查系统的结构、功能及运行流程,并对系统运行效果进行了测试。研究和测试表明:该系统具备身份识别、安全装备检查、作业行为能力检查功能,能实现建筑工人作业前的自动、智能安全检查。该系统的身份识别正确率为83.75%、安全帽识别正确率为96.25%、安全带识别正确率为63.75%。该系统具有硬件投入低、检测速度快、准确性高、应用场景广泛的特点。     

基于深度学习算法的叉车危险操作行为检测

随着物流仓储行业快速发展及叉车数量的不断增多,针对叉车作业过程中存在的人员碰撞、挤压、坠落等潜在风险,迫切需要对危险行为进行及时检测和预警。为解决人员值守易漏报误报及传统方法检测精度低的问题,建立基于图像特征识别的叉车检测深度学习模型和算法。通过采集、处理现场视频图像素材,完成模型的训练及性能评价,建立相应的报警规则和报警阈值,搭建测试环境并进行仿真测试,开发相应的软件系统。结果表明:模型检测速率为130 ms/帧,人员靠近叉车准确率为85.6%,叉车举升人员准确率为83.7%,达到良好的实践效果。     

一种改进的帧差法实现火焰目标分割

针对传统船舶火灾报警系统采用的传感器在远离火灾源时很难探测到初期火灾的特性,提出了利用摄像头模式识别的方法来探测火源的构想,将顶置鱼眼摄像头作为图像传感器,在一个较大的范围内探测初期火灾,提出了一种基于火焰闪点位置的交叉性与聚合性的帧差算法,实现火焰目标分割识别.该方法是在实时视频流中,对连续两帧图像进行帧差,根据闪点位置的交叉性排除运动物体的干扰,再根据闪点的聚合程度排除一部分游离的干扰闪点,最后得到疑似火焰区域.对疑似火焰区域二值化、抽取轮廓、再由种子点位置确定火焰外形.此法能够高效地从视频图像中分割出火焰,从而为火灾的初期预防报警提供高效识别手段.     

基于无人机的火灾检测系统设计与实现

针对传统森林火灾检测手段响应速度慢、效率低、误报率高等问题,设计了无人机搭载的由云台和相机组成的图像采集平台,通过火灾智能识别技术,实时识别监测火灾的发生,并达到了自动抵近侦察及实时态势感知的效果。在火灾智能识别算法方面,提出了improved-YOLOv3算法,通过在特征交互阶段增加yolo层,加强了网络对特征的融合度,从而增加了网络的检测能力。通过与性能相似的网络进行对比测试,验证了改进算法的有效性。测试结果表明,提出的算法检测准确率高、漏检率低、推理速度快,能够适用于实际火灾现场监测。     

烟气湍流效应对火灾图像探测的影响

烟气是火灾过程的重要物理现象,烟气的湍流效应是火灾图像探测的重要影响因素,分析了烟气湍流反应对火灾图像探测的影响,得出了一些烟气湍流效应的图像特征,为多参数特征的火灾探测提供了理论依据。     

基于人工神经网络的火灾图象探测方法

提出了一种新型的火灾探测方法,基于ＢＰ神经网络的火灾图象探测方法。该方法利用了早期火灾火焰的形体变化特性,用图象处理的方法提取特征信息,最后利用人工神经网络来进行火灾判,别。