基于机器视觉的自定位导引的光学检测芯片及检测系统

    公开(公告)号:CN118275432A

    公开(公告)日:2024-07-02

    申请号:CN202410408909.4

    申请日:2024-04-07

    摘要: 本发明公开了基于机器视觉的自定位导引的光学检测芯片及检测系统,其芯片包括:起始检测单元、检测单元、样品区域单元、定位标记单元、导航单元和终止运动单元;所述起始检测单元,用于读取二维码图案和设置识别标记及机器扫描时候的空间扫描步长;所述检测单元,用于定位所述识别标记、导航所述识别标记和定位样品区域;所述样品区域单元,用于提供样品放置区域;所述定位标记单元,用于确定所述检测单元的位置;所述导航单元,用于导航所述检测单元的下一步运动方向;所述终止运动单元,用于终止所述检测单元运动。本发明有效提高检测的自动化水平和检测效率。

    一种基于混合语义嵌入的异常轨迹识别方法

    公开(公告)号:CN116884022A

    公开(公告)日:2023-10-13

    申请号:CN202310865473.7

    申请日:2023-07-14

    摘要: 本发明公开了一种基于混合语义嵌入的异常轨迹识别方法,该框架有效解决现有异常轨迹识别方法不能捕捉轨迹中的序列信息和不同OD‑pair之间的共性信息的缺陷,能够有效挖掘历史轨迹中的时空特征并融合多类语义信息。该框架由三个模块组成:混合语义特征提取模块、序列处理模块和预测模块。使用词嵌入捕捉轨迹的类别语义,利用图卷积网络获取轨迹地理语义。由于多种语义容易混淆模型的识别能力,自适应混合语义融合门调控类别语义和地理语义的最优信息权重系数。其次,带注意力机制的门控循环神经网络学习轨迹的序列特征,并将类别、地理混合语义特征和序列特征信息融合以实现轨迹的准确识别。准确、高效地检测异常轨迹可以有效抑制出租车司机的欺诈行为,保障出租车乘客的安全与利益。

    基于机器视觉的铁路扣件缺陷在线检测与识别方法

    公开(公告)号:CN116757990A

    公开(公告)日:2023-09-15

    申请号:CN202310029435.8

    申请日:2023-01-09

    摘要: 本发明公开了一种基于机器视觉的铁路扣件缺陷在线检测与识别方法,属于铁路技术领域。所述方法包括以下步骤:系统初始化,设置摄像机触发机制,该步骤采集高铁扣件区域的二维图像,根据先验值设置下次摄像机拍照的触发条件,然后,对采集到的下一帧图像图像进行边缘检测,平移后与标准图像进行模板匹配,找到最佳像素,修正预设拍照触发条件,所述机制可保证待检扣件位于最优成像区域;图像预处理,对所拍摄的二维图像进行预处理,首先进行中值滤波,然后对中值滤波后的图像进行双边滤波,以改善成像效果;扣件缺陷检测,对经过预处理后的图像进行二值化图像分割,然后进行模板匹配,判断待检扣件是否有缺陷;扣件缺陷识别。采用轻量型神经网络,将判别有缺陷的扣件图像识别。本发明可充分降低现有扣件检测与识别方法的成本和计算量,弥补现有检测方法的缺陷,成本较低,实用性强。