|
搜索
搜 索
高等教育领域数字化综合服务平台
X 射线视觉系统
已有样品/n随着电子技术的飞速发展， 封装的小型化和组装的高密度化以及各种新型封装技术的不断涌现， 于是对检查的方法和技术提出了更高的要求。 X射线视觉系统不仅可对不可见焊点进行检测， 如BGA（球栅阵列封装） 等， 还能对检测结果进行定性、 定量分析， 可以及早发现故障。
中国科学院大学
2021-01-12
手术视觉导航定位系统
团队研发了手术视觉当行定位系统，采用多相机系统对带有视觉标签的手术 器具进行实时定位和目标跟踪，视觉标签采用非对称分布的红外反射球，支持有 源和无源两种视觉标签。其中高速高分辨率红外摄像机采用内置 850nm 红外光源 阵列，120 万像素红外 CCD，配合宽焦距范围镜头，视场角度可达 90°以上。为 减小系统延时，提高手术医生的体验感，研究基于 FPGA 的视觉数据并行计算定 位算法，在相机本地通过 FPGA 快速计算得到单视角的定位数据，配合高速以太 网标准的数据传输总线，能够达到 200 帧以
上海理工大学
2021-01-12
基于视觉特征的视频指纹检测及视频序列匹配方法及系统
本发明提出一种基于视觉特征的视频指纹检测方法，具体为： 按照帧间相关性对视频序列分段，在分段中提取关键帧；在各关键帧 中提取视频特征；利用像素点特征字典对像素点分类；对各关键帧分 别进行多次不同数量的分块，在各子块中依据像素点的分类结果统计 像素点特征字典各元素的出现次数，得到该子块的特征向量；将所有 子块的特征向量拼接得到关键帧的高维视频指纹；对各高维视频指纹 进行降维；将各视频片段关键帧的低维视频指纹按照时间先后顺序连 成关键帧视频指纹串。本发明还提供了基于上述指纹检测方法的视频 匹配方法。本发明通过对视频内容的关键信息进行有效描述，在不影 响匹配率的情况下，大大降低了算法的复杂度，有效提高了检测效率。
华中科技大学
2021-04-11
基于对象随机游走的遥感图像视觉显著性检测方法及系统
一种基于对象随机游走的遥感图像视觉显著性检测方法及系统，包括进行多尺度分割，并在每个尺 度下分别对颜色特征相似的邻接区域进行合并;对于每个尺度下的分割结果，分别提取每个分割区域的 视觉特征，构建当前尺度下的对象集合;对于每个尺度下的对象集合，通过对象间的特征差异计算对应 的边缘权重，并计算注意焦点在对象间的转移概率，获得注意焦点的转移概率矩阵，分别根据注意焦点 的转移概率矩阵计算注意焦点在所有对象间的平稳分布，由该平稳分布中每个对象对应的概率进一步计 算视觉显著性并归一化，获得当前尺度下的归一化视觉显著图;融合各个尺度下的视觉显著图，即可获 得该遥感图像最终的视觉显著图。
武汉大学
2021-04-13
计算机视觉检测技术的QR码检测识别方法
本发明主要由计算机、数字摄像机、补光装置和声光提示装置组成,数字摄像机的视频信号输出给计算机,接受到视频传感器输入后计算机控制补光设备和声光提示设备,计算机内安装有QR码智能检测模块,通过循环读取扫描视频中的帧数据,检测其中的QR码图形,并提取和译码。
四川大学
2021-04-10
基于机器视觉的稻麦常见病害自动检测与测报系统
采用机器精测替代人工调查，突破了稻麦病害精准化检测难题，规范了病害监测过程。解决当前病害测报无法有效保存信息的问题，实现稻麦病害高效测报与防治服务，使农田用药更加精准，降低种植成本，保护生态环境。可广泛应用于我国稻麦病害的诊断、测报与防治方案制定， 以及农作物病害大数据分析等领域的研究与实践过程。
扬州大学
2021-04-14
一种 RFID 天线毛刺和污点缺陷的视觉检测系统及方法
本发明公开了一种用于对 RFID 天线毛刺和污点缺陷执行视觉检测的方法，包括：对摄像装置执行标定之后，通过其与条形或背光光源的配合，对待检测的各个 RFID 天线拍摄图像；采集所拍摄的天线图像并将其与天线模板图像相匹配以获得预对齐信息；根据天线模板图像上的 ROI 区域并结合预对齐信息，从天线图像中扣取对应的毛刺和污点检测区域；对所抠取检测区域和 ROI 区域分别执行二值化处理，然后执行图像相减处理；对相减处理后的残余图像执行 blob 分析，由此判定毛刺和污点缺陷结果。本发明还公开了相应的视觉检测
华中科技大学
2021-04-14
立体视觉盘煤系统
一般来说，燃料成本约占燃煤发电企业总发电成本的70%－80%。可见，燃料成本是发电厂生产经营和经济核算的中心环节。因此，燃料的现代化管理水平对火力发电厂的生产安全、经济、稳定以及提高企业的经济效益有着重要意义。火电厂的燃煤管理是生产管理的重要环节之一，只有准确、迅速测量出煤场存煤量，才能对电厂进行成本核算、经济效益评估和科学的管理。传统盘煤方式主要采用人工丈量的方法。这种方法不仅费时费力、不准确，而且易受气象条件影响。
东南大学
2021-04-10
基于机器视觉的路面病害检测关键技术
路面病害分为表面破损（如裂缝）、路面变形（如沉降）和结构病害（如层间脱空）三大类。该技术以路面检测成果为全卷积神经网络的输入信号，对于表面破损，其输入为多功能检测车拍摄的路表图像；对于路面变形，输入为三维检测车测取的三维路面模型；对于结构病害，输入为探地雷达信号图像。通过海量数据的训练、测试，可实现上述三类病害的自动化识别、分类和测量，为路面养护工程提供数据支撑。此外，该技术在保证与人工识别结果相同的精度下，可将数据处理速度提高千倍以上。
华东交通大学
2021-05-04
视觉信息系统为核心的视觉信息产业链
西安交通大学
2021-04-10