-
题名基于视觉导航系统的标志识别方法
被引量：2
- 1
-
-
作者
杨淑莹
董洁
曹作良
-
机构
天津理工学院计算机科学与工程系
-
出处
《天津理工学院学报》
2002年第3期31-33,共3页
-
基金
天津市自然科学基金资助项目 (9836 0 2 311)
-
文摘
探讨了基于视觉导航系统的标志识别方法 .采用基于特征分类的方法对标志进行识别 ,适用于变化的环境 ,能有效排除由于光源所引起的各种干扰 ,处理速度快 ,满足自引导车实时跟踪和导航的需要 .
-
关键词
视觉导航系统
自引导车
标志识别
特征分类
移动机器人
图像识别
-
Keywords
automatically_guided_Vehicles
indicator recognition
characteristic sorts
-
分类号
TP391.41
[自动化与计算机技术—计算机应用技术]
TP2
[自动化与计算机技术—计算机科学与技术]
-
-
题名一种基于深度学习的空调机房设备状态检测算法
- 2
-
-
作者
贾乾然
许鹏
李俊杰
-
机构
同济大学机械与能源工程学院
-
出处
《建筑科学》
CSCD
北大核心
2023年第2期162-170,共9页
-
文摘
为规避空调机房人工巡检的固有缺陷,推动建筑运维智能化、无人化发展,此篇文章基于深度神经网络Mask-RCNN,提出了1种应用于巡检机器人的机房设备状态检测算法,通过精心选取特征并解释,分别利用多目标识别、实例分割、关键点检测的方式,实现了对控制面板指示灯状态、加药箱液位以及机械表指针读数的检测与识别。测试集实验结果表明,该算法可以精确识别设备状态,其中指示灯识别准确率达到98.7%,相对液位误差及相对角度误差分别控制在10%以及1%以内,具有广阔的应用前景。
-
关键词
机器视觉
指示灯识别
液位识别
机械表识别
Mask
RCNN
-
Keywords
computer vision
indicator recognition
liquid level recognition
pointer meter recognition
Mask RCNN
-
分类号
TU831
[建筑科学—供热、供燃气、通风及空调工程]
-
-
题名无人值守表针实时视觉自动识别与分析方法
被引量：4
- 3
-
-
作者
常发亮
许有才
乔谊正
-
机构
山东大学控制科学与工程学院
-
出处
《电子测量与仪器学报》
CSCD
2006年第2期35-38,共4页
-
基金
国家自然科学基金(编号:60104009)
山东省自然科学基金(编号:Z2005G03)资助项目
-
文摘
本文提出了一种基于计算机视觉的实时表针方位自动检测方法及其在变配电无人值守中表针指示数据自动读取中的应用。在图像预处理的基础上,采用迭代阈值法对表盘图像二值化,对二值化图像进行细化处理,利用HOUGH变换求取表针的当前位置和方向,依此在子像素分辨率下实时计算表针指示数据和越限报警。该方法可用于变配电无人值守视频监控系统中。实验结果表明了该方法的有效性和好的鲁棒性。
-
关键词
计算机视觉
HOUGH变换
表针识别
变配电系统
-
Keywords
computer vision, Hough transform, indicator recognition, electric power transform and distribution system.
-
分类号
TP391.41
[自动化与计算机技术—计算机应用技术]
TM63
[自动化与计算机技术—计算机科学与技术]
-
-
题名基于稀疏自编码神经网络的抽油机井故障诊断
被引量：13
- 4
-
-
作者
仲志丹
樊浩杰
李鹏辉
-
机构
河南科技大学机电工程学院
洛阳乾禾仪器有限公司
-
出处
《西安科技大学学报》
CAS
北大核心
2018年第4期669-675,共7页
-
基金
河南省高等学校重点科研项目(15A460023)
国家自然科学基金(50906022)
-
文摘
针对传统示功图识别方法对抽油机井进行故障诊断存在人工选取示功图几何特征,识别准确度低等问题,提出一种基于稀疏自编码神经网络的示功图智能识别模型。采用无监督学习方式的稀疏自编码器构建特征学习网络自动提取无标签示功图训练集图像特征,然后采用有标签示功图训练集对softmax分类器进行有监督训练,最后通过稀疏自编码神经网络对学习到的有标签示功图测试集特征进行分类并给出故障诊断结果。结果表明,将稀疏自编码神经网络应用于示功图识别,测试准确度能够达到99.44%,优于其它分类模型。稀疏自编码神经网络直接从像素层面提取所需要的特征,不需要人为选定设计特征,为提高示功图识别准确度提供了帮助,进而解决了抽油机井故障难以准确诊断的难题。
-
关键词
稀疏自编码器
示功图识别
故障诊断
深度学习
无监督学习
-
Keywords
sparse auto-encoder
indicator diagram recognition
fault diagnosis
deep learning
unsuper-vised learning
-
分类号
TE938
[石油与天然气工程—石油机械设备]
TP183
[自动化与计算机技术—控制理论与控制工程]
-
-
题名机器视觉在油气勘探开发中的应用现状
被引量：11
- 5
-
-
作者
马文礼
李治平
卢婷
孙玉平
张静平
邓思哲
-
机构
中国地质大学(北京)能源学院
中国地质大学(北京)非常规天然气能源地质评价与开发工程北京市重点实验室
中国石油勘探开发研究院
中国华腾工业有限公司
-
出处
《科学技术与工程》
北大核心
2018年第17期112-119,共8页
-
基金
国家科技重大专项课题(2016ZX05037-006)资助
-
文摘
作为人工智能正在快速发展的技术分支,机器视觉在油气勘探开发中的作用越发显著,已成为"智慧油田"建设不可或缺的组成部分。首先简述了机器视觉技术,然后分析了机器视觉在油气勘探开发领域的应用现状,并重点介绍了基于深度学习的机器视觉技术的应用;最后对机器视觉在油气勘探开发中的应用前景进行了分析。研究表明:相对于人工图像识别,机器识别要更准确、高效;一般原始图像越复杂、解释要求越高,对图像预处理技术、特征提取算法要求越高;仅以形态形式表示信息的图像识别相对简单,原始图像的二值化处理是关键;当大量信息蕴含在图像纹理、色彩中时,智能解释的难度要大得多;基于深度学习的机器视觉技术实现了自动特征识别,未来将在油气勘探开发领域发挥重要作用。
-
关键词
示功图识别
油藏描述
地震解释
油气藏工程
油气勘探开发
机器视觉
深度学习
-
Keywords
indicator card recognition
reservoir description
seismic interpretation
reservoir engi-neering
oil ＆ gas exploration and exploitation
machine vision
deep learning
-
分类号
TE319
[石油与天然气工程—油气田开发工程]
-
-
题名基于颜色属性的信号指示灯检测识别
被引量：6
- 6
-
-
作者
胡灿林
肖尚华
-
机构
四川大学计算机学院
-
出处
《现代计算机》
2018年第5期75-78,89,共5页
-
文摘
信号指示灯检测识别是根据信号指示灯的颜色、形状等特征分析图像内容,找出信号指示灯位置并加以识别的过程。提出一种基于颜色属性的信号指示灯检测识别方法,通过将输入图像从原始RGB颜色空间映射到11维颜色属性空间,进行颜色特征的有效提取。实验结果表明,该方法能较好地检测出指示灯位置并识别指示灯开关状态。
-
关键词
指示灯检测识别
颜色属性
特征提取
-
Keywords
indicator Detection and recognition
Color Names
Feature Extraction
-
分类号
TP391.41
[自动化与计算机技术—计算机应用技术]
-
-
题名一种基于视频图像识别的服务器故障辅助诊断系统
被引量：4
- 7
-
-
作者
唐琳
王顺阳
王永刚
张天冉
董月娇
-
机构
国网山东省电力公司德州供电公司
国网山东省电力公司禹城市供电公司
远光软件股份有限公司
-
出处
《科技通报》
2020年第8期58-61,86,共5页
-
基金
国网山东省电力公司科技项目(编号:5206081800Y7)。
-
文摘
读懂服务器面板上图标及指示灯信号对运维人员来说是一项特殊的工作技能,面对复杂多样性的服务器图标和指示灯组合信号,提出了一种基于视频图像识别的服务器故障辅助诊断系统。首先建立服务器面板图形图标指示灯的故障特征库、进行模型训练和模型验证;采集故障视频、运用OpenCV这一计算机视觉库对视频进行逐帧解析,提取连续的关键帧,分析灯光颜色,并与故障特征库比对,综合故障特征给出诊断结论,并将诊断结果反馈给终端用户。
-
关键词
服务器故障
指示灯识别
视频解析
图像识别
计算机视觉
OPENCV
-
Keywords
server failure
indicator signal recognition
video parsing
image recognition
computer vision
OpenCV
-
分类号
TP391.41
[自动化与计算机技术—计算机应用技术]
TP368.5
[自动化与计算机技术—计算机科学与技术]
-
