基于卷积神经网络的舰船图像类型识别

舰船图像类型识别是计算机视觉领域研究的热点,当前舰船图像类型识别方法存在误识率高、识别时间长等不足,为获得更优的舰船图像类型识别结果,提出基于卷积神经网络的舰船图像类型识别方法。首先提取舰船图像,对其进行增强、去噪、过滤处理,提升舰船图像质量,然后从舰船图像中提取识别特征,将其作为卷积神经网络的输入,舰船图像类型识别作为卷积神经网络的输出,建立舰船图像类型识别分类器,最后采用Matlab2017对5种类型的舰船图像进行仿真测试,卷积神经网络的舰船图像类型识别正确率超过95%,舰船图像类型的误识率和漏识别均低于5%,获得了理想的舰船图像类型识别结果,而且舰船图像类型识别性能远高于其他舰船图像类型识别方法,具有十分广泛的前景。     

基于嵌入式系统的舰船图像拼接技术

常规舰船图像拼接技术无法实现多环境的图像拼接,为此设计基于嵌入式系统的舰船图像拼接技术,对采集的舰船图像进行降噪处理后,利用均值法划分特征领域,通过特征领域构建尺度空间,利用尺度空间法则对图像特征进行配准处理,通过嵌入式系统中的换算函数对图像进行连接强化,实现舰船图像技术拼接。将设计的技术与常规3种图像拼接技术进行对比,在不同实验环境下,本文方法图像拼接能力明显好于3种传统方法。     

基于图像分割的船舶吃水深度检测方法

针对传统的船舶吃水深度检测方法精准度低的情况,提出基于图像分割的船舶吃水深度检测方法。以得到精准的舰船吃水值为出发点,采集舰船吃水图像,并进行动态模板匹配,减少舰船晃动对吃水深度检测的影响,在此基础上,对船舶水尺图像字符进行校正,计算吃水线位置,得到舰船吃水深度,以此实现船舶吃水深度检测。实验对比结果表明,此次设计的基于图像分割的船舶吃水深度检测方法比传统的吃水深度检测精准度高,具有一定的实际应用意义。     

基于LeNet-5的编组站站内机车车号识别系统的研究

编组站内机车车号的识别问题一直制约着本务机车综合管控技术的发展。为了解决这一问题,针对机车车次,机车类型自动识别问题进行研究。改进了基于卷积神经网络LeNet-5的识别算法,并收集了大量机车车次图像素材,通过图像预处理后,使用训练集进行模型训练,形成适用于机车车次识别的网络模型,通过使用python语言与.NET平台实现了机车车次识别系统的设计。实验表明,该方法对机车车号的识别达到了较高的识别水平。目前,车号识别系统已在中国铁路武汉局集团有限公司襄阳北站试验,高清图像素材从车站高清货检系统处获取,识别效果良好,为实现智慧型编组站提供了有力的技术支撑。     

日产RE4F02A型自动变速器电子控制系统的检修(续完)

3.3 变速器油温度传感器的检查 (1)用万用表欧姆挡检测油温传感器端子之间的电阻,应为2500Ω(20℃时)和300Ω(80℃)时。如果电阻值不符,需更换油温传感器;如果正常,则进行下一步检查。 (2)如果油温传感器检查为正常,则需拆开发动机舱内的电磁阀线束插接器,然后在冷态(20℃)时检测自动变速器电脑插接器33—35端子之间的电阻,应为2500Ω;预热变速器,在油温升高的同时,     

XML在汽车空调控制中的应用

本文阐述了应用XML的汽车空调控制系统的实现方法，应用该系统可以提高汽车空调控制的人工智能性以及系统的稳定可靠性。由于XML具有很强的可扩展性，将其移植到其他平台或者计算机中进行故障诊断以及对控制数据的分析都是十分方便的。另外，XML文档是标准的网络数据格式，为数据传输也提供了便利条件。     

丰田汽车维修技师培训教程(九)TCCS(丰田计算机控制系统)-Ⅶ

14 电负荷信号 这个信号检测什么时候大灯、后窗除雾器等接通。随车辆型号不同,这个信号的电路可以有许多电负荷信号,这些信号集合起来作为单个信号输入发动机ECU,如图54所示。或者也可以将每个信号分别地输入发动机ECU。这个信号用于控制ISC系统。     

数字化硬盘录像系统的软件技术研究

探讨硬盘录像系统的构建与程序设计技术，通过用Delphi设计一个金融保安硬盘录像系统的实例，讲述用图像摄取控件高效设计录像系统的面向对象的程序设计技术。