期刊文献+
共找到3篇文章
< 1 >
每页显示 20 50 100
一种利用结构光照明的高精度三维测量系统
1
作者 祁昊 董健 +1 位作者 赵楠 余毅 《液晶与显示》 CAS CSCD 北大核心 2024年第2期248-256,共9页
为了实现对微小物体的高精度三维测量,本文构建了一套基于结构光照明的三维形貌测量系统,对该系统所使用的相位编码算法、远心相机标定算法和投影仪标定算法进行了研究。首先,通过边缘提取算法获得二维平面标靶的特征点坐标,使用改进的... 为了实现对微小物体的高精度三维测量,本文构建了一套基于结构光照明的三维形貌测量系统,对该系统所使用的相位编码算法、远心相机标定算法和投影仪标定算法进行了研究。首先,通过边缘提取算法获得二维平面标靶的特征点坐标,使用改进的张氏标定算法完成远心相机标定,通过相位编码结构光得到相机像素与投影仪像素之间的映射关系。然后,由映射关系使投影仪也能捕获特征点的位置信息,进而完成投影仪标定。最后,基于立体视觉模型对被测物体进行三维重建。实验结果表明,标定后的测量系统视场大于2000 mm^(2),全视场的测量精度约为32μm,中心视场的测量精度为10μm。该系统具有良好的稳定性和重复性,能够满足大多数工业检测的应用需求,展示出广阔的应用前景。 展开更多
关键词 结构光 三维测量 远心镜头 高精度
在线阅读 下载PDF
量子遗传-神经网络算法的润滑油动力粘度值可见近红外光谱分析 被引量:7
2
作者 刘晨阳 唐兴佳 +3 位作者 于涛 王泰升 卢振武 鱼卫星 《光谱学与光谱分析》 SCIE EI CAS CSCD 北大核心 2020年第5期1634-1639,共6页
润滑油动力粘度是划分润滑油品质的重要依据之一,高铁变速箱润滑油需要进行实时、快速、无损的检测,因此提出一种基于可见近红外光谱微型模块结合量子遗传-神经网络算法对润滑油粘度值进行定量分析的新方法。不仅实现了高铁变速箱润滑... 润滑油动力粘度是划分润滑油品质的重要依据之一,高铁变速箱润滑油需要进行实时、快速、无损的检测,因此提出一种基于可见近红外光谱微型模块结合量子遗传-神经网络算法对润滑油粘度值进行定量分析的新方法。不仅实现了高铁变速箱润滑油动力粘度的无损快速实时检测,还进一步提高了对润滑油动力粘度预测的精度。微型光谱仪具有性能优良、体积小巧等优势,在便携式光谱无损检测方面用途越来越多。在这里,选用可见短波近红外和近红外波导光栅两种微型光谱模块进行光纤耦合,实现了330~1700 nm可见-近红外波段光谱拼接。首先我们采用该组合微型光谱仪对13种不同粘度的润滑油共78个样本进行光谱扫描得到原始光谱数据。原始光谱经过Savitzky-Golay卷积平滑后,再一阶求导,可以有效地消除基线漂移和背景噪声。然后采用主成分分析和马氏距离相结合的方法来识别浓度界外样本,剔除界外样本3个。最后采用BP(back propagation)神经网络和量子遗传神经网络两种回归算法分别建立定量分析模型,并对比分析了两种算法的性能。量子遗传算法是量子计算和遗传算法相结合地一种概率进化算法,采用量子染色体的形式,利用量子逻辑门进行全局搜索,从而可以利用量子遗传算法优化神经网络地权重和阈值,提高建模效率和精度。分别用BP神经网络算法和量子遗传-神经网络算法进行建模仿真,从75个样本随机抽取10个样本作为预测集,其余65个为建模集。在量子遗传寻优算法中,其种群数目设置为40,终止代数为200,寻优结果表明该算法在训练81代后可快速得到最优解。比较两种建模算法的预测结果,采用量子遗传-神经网络算法相比BP神经网络算法得到的粘度预测结果均方根误差从0.3455降低至0.0294,决定系数从0.8504升至0.9799,可知量子遗传-神经网络算法的预测能力明显强于BP神经网络。为进一步提高润滑油粘度的定量分析准确度和微型光谱模块应用于高铁齿轮箱润滑油在线、实时、快速检测提供了参考方法。 展开更多
关键词 可见-近红外光谱微型模块 润滑油 动力粘度 量子遗传算法 神经网络算法
在线阅读 下载PDF
基于遗传算法-支持向量机的兔肝VX2肿瘤光谱鉴别 被引量:7
3
作者 刘晨阳 许黄蓉 +3 位作者 段峰 王泰升 卢振武 鱼卫星 《光谱学与光谱分析》 SCIE EI CAS CSCD 北大核心 2021年第10期3123-3128,共6页
兔肝VX2肿瘤是一种快速生长的肿瘤模型,可以在多种器官如肝、肺、直肠等快速生长,常用于肿瘤研究。采用可见-近红外高光谱技术对四只兔子的兔肝VX2肿瘤和正常组织进行活体和离体的反射光谱检测,然后采用支持向量机分别实现了二分类(正... 兔肝VX2肿瘤是一种快速生长的肿瘤模型,可以在多种器官如肝、肺、直肠等快速生长,常用于肿瘤研究。采用可见-近红外高光谱技术对四只兔子的兔肝VX2肿瘤和正常组织进行活体和离体的反射光谱检测,然后采用支持向量机分别实现了二分类(正常肝组织和肝VX2肿瘤组织)和四分类(未出血活体正常肝组织、未出血活体VX2肿瘤组织、出血离体正常肝组织和出血离体肝VX2肿瘤组织)。根据其光谱反射曲线的特征,选择了400~1800 nm区间的数据为特征变量。为进一步提高分类准确率,分别采用5折交叉验证和遗传算法对支持向量机的核函数参数g和惩罚因子c进行了优化。其中5折交叉验证优化参数和分类结果为:二分类优化的惩罚参数c为4,核函数参数g为0.1250,其校正集和预测集的准确率都达到了100%;四分类中优化出的参数c为8,g为0.1211,其校正集和预测集的准确率分别达到了99.2424%和93.333%。遗传算法优化参数和结果为:二分类中优化的参数c为0.8456,g为0.0625,其校正集和预测集的准确率同样都达到了100%;四分类中优化的参数c为5.5307,g为0.0685,其校正集和预测集的准确率分别达到了99.2424%和100%。结果显示两种优化方法都取得了很好的效果,遗传算法优化参数对四分类的分类更为精确。为进一步提升算法速度,采用间隔选取变量的方法来不断减少特征变量,最终每隔100 nm谱段选择一个变量,共选择14个谱段作为特征变量。采用遗传算法优化支持向量机参数并对其分类进行了研究,结果表明:二分类和四分类的校正集和预测集结果准确率均为99.2424%,而且运行时间分别为11.4和20.0 s,与选择全波段的运行时间:340.3和491.0 s相比,说明多光谱技术可以进行肝VX2肿瘤组织和正常肝组织的鉴别,且分类准确率可达99%以上,而且运行时间缩短了很多。为未来多光谱技术在未来临床肿瘤诊断中实现肿瘤组织的快速实时在线检测和分类奠定了基础,显示出巨大的应用潜力。 展开更多
关键词 兔肝VX2肿瘤 可见-近红外光谱 遗传算法 支持向量机
在线阅读 下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部