|
搜索
搜 索
高等教育领域数字化综合服务平台
汽车牌照自动识别系统
本项目由摄象机、图象采集卡、通用微机、红外车辆检测器和识别软件组成，能自动完成实景下车头图象的获取、牌照的分割和识别，可用于收费站、停车场、加油站、出入口等场所，实现车辆的自动监控、自动登记、自动查询等功能。本项目的技术也可推广应用于集装箱、货运列车的自动抄号等。本项目具有广阔的应用前景，但是技术难度很大，目前已达到实用程度，希望投资者与合作单位投资共同开
西安交通大学
2021-01-12
通信信号调制方式自动识别系统
随着电磁环境日益密集复杂，通信信号调制方式识别成为无线电管理的重要任务。利用通信信号调制方式识别系统可以便于监测无线电台是否严格遵守分配的工作参数限制，同时侦听非法电台的干扰并识别信号的调制类型，从而确保无线电通信的正常秩序。 本系统采用接收信号的高阶累积量作为主要特征，利用人工神经网络实现了对22种不同调制方式（包括7种模拟调制方式和15种数字调制方式）高效自动识别，可用于接收机I、Q数据的识别，识别正确率高。 本系统可以应用于无线电监测与无线电管理、通信侦查、电子对抗、信号认证、干扰识别和频谱管理等领域。
大连理工大学
2021-04-13
移动互联网未知应用自动识别系统
本技术成果克服了现有技术的不足，提供了一种对未知 应用（包括恶意软件）进行自动发现、自动聚类、自动分析、自动识别的技术
中山大学
2021-04-10
钢轮毂焊缝缺陷X射线自动识别系统
该系统可对钢轮毂中的焊缝缺陷进行自动识别和判断，并对缺陷大小进行自动统计，从而自动判断是否合格。其控制软件具有图像采集、数据通信、数据及工艺文件存储、合格不合格统计及数据库查询、图像的自动处理与模式识别、加密、打印及帮助等功能。
北京交通大学
2021-04-13
基于图像的焦炭光学组织自动识别系统
成果简介通过光度计采集不同偏光下焦炭显微图像， 采用图像处理的方法焦炭提取图像中颜色、 纹理、 分形、 区域及边界等特征， 并采用模式识别的方法， 实现焦炭光学组织的自动分类与识别。成熟程度和所需建设条件硬件平台及软件系统均已构建， 算法已得到实验验证。 作为成熟产品， 软件尚需要进一步优化， 软硬件需要联调。技术指标识别准确率： 各向同性与各向异性>95%， 片状 98%， 纤维状 99%， 镶嵌状>95%。
安徽工业大学
2021-04-14
音乐情感自动识别及自动标注系统
网络音乐以其使用率一直位居中国互联网应用前三甲的宝座，音乐已经成为用户通过搜索引擎搜索的前三大类内容之一，用户比例高达41.6%，大部分综合搜索引擎都已经提供针对音乐的垂直搜索功能。互联网上日益庞大的用户规模以及海量的数字音乐要求高效的音乐检索手段和令用户满意的检索体验。 本系统采用多模态情感回归的方法，实现音乐情感的自动标注，并通过音乐情感词作为中间桥梁，实现音乐情感维度信息到情感类别的映射，间接实现了音乐情感的分类。因此本系统能够同时满足对音乐情感维度信息和类别信息自动标注的需求。
北京大学
2021-02-01
电子自动检测识别系统
全自动检测技术是当前最热门的技术之一，应用场合十分宽阔。本成果将图象捕获、运动目标提取、车辆牌照定位辨识、牌照字符自动分割识别、电信网无线通讯、多路控制信号协调等技术有机地结合起来，实现了网络与无线通信、图象处理与自动识别、网络管理与数据更新等多种技术的优化组合。
西安交通大学
2021-01-12
竹片色差自动识别及分选系统
研发阶段/n技术简介：针对目前竹制品、竹地板生产厂家主要是依靠肉眼人工进行竹片颜色分级，劳动强度大，分级效率低的状况，开发了一种基于机器视觉技术的竹片色差自动识别系统，采集竹片图像，送至计算机中进行处理，并将处理结果按照竹片分类标准做即时判别，最后把判别信息传送到控制系统，控制分选装置动作，将竹片推入到相应的收集料箱，从而实现竹片色差的自动识别。特点：本系统识别速度快，每根竹片检测时间小于300ms，准确率高，原色竹片平均识别准确率＞95%，炭化竹片平均识别准确率＞90%，可以根据用户需要设置所需识
华中农业大学
2021-01-12
人类属性自动识别技术
通过机器学习方法对个人的各种属性，如身份、年龄、姿态、表情、颜值、行为等进行自动识别和分析，广泛应用于人机交互、推荐系统、智能监控、安全控制等诸多领域。包括3D手势姿态识别、基于静态图像的人体行为识别等技术。
东南大学
2021-04-11
智能表记识别系统
项目简介： 本项目针对复杂的实际工业环境，基于机器学习最新理论成果和机器视觉基本原理，研究并实现了具有较强鲁棒性的变电站传统机械式电表远程智能读数系统。首先通过图像的预处理对电表区域进行初步定位，然后在此有效范围中利用电表指针的几何形状特点对其进行精准定位，最后通过指针与表盘刻度的相对位置计算电表读数，最终实现了在复杂环境下对电表快速、可靠、精确地远程智能读数，代替了低效的传统人工抄表和数据录入，具有可推广应用的工业价值。 运用机器学习和计算机视觉技术，首先获取指针式仪表表盘图像，然后采用数字图像处理技术提取和识别目标，最后实现指针式仪表示值的自动判读，从而避免人工判读示值工作量大、容易出错等问题。本项目的主要工作内容有：电表特征配置、指针类表计读数判别、建立前馈式神经网络模型、图像智能化判断。 由于工业环境复杂多变，在数据采集过程中不定期地会出现各种故障和干扰。这些极端情况下所采集到的图片若进入系统进行智能读数分析，所得到的分析结果往往是不可信或者无意义的。所以，根据图像的像素分布特点进行分析，系统将自动拒绝对质量过差的问题图像进行分析判断，并向变电站工作人员发送相关警告提示。在提高系统读数结果可靠性的同时，及时发现设备问题并通知工作人员，有利于尽早排除故障、防患于未然。主要技术指标：识别正确率：92.5%；识别速度<3s。 应用范围：项目目前已进入产业化阶段，成果权属为我校独自拥有。
四川大学
2021-04-11