关键词： 模式识别   采摘机械手   运动控制   图像处理   AM5728  

摘要： 利用模式识别中的图像处理技术,采用TI公司Sitara系列的AM5728处理器,通过视觉系统和舵机驱动方法,实现了一套采摘机械手控制系统。试验结果表明:该采摘机械手控制系统,能够实现对目标果实的准确采摘,正确采摘率为89%,采摘一个苹果耗时9s,系统具有速度快、准确性高和可行性强等特点,能够满足一般的果实采摘,具有很好的实用性。

关键词： 局部放电   PD类别   模式识别  

摘要： 本文主要介绍PD类别的发展过程及其发展对电力行业发展所产生的重要影响,同时详细介绍脉冲电流法的检测原理和适用范围。研究变压器内部的局部放电监测和放电模式识别,能保障电力变压器正常可靠经济运行、为其检修工作提供技术支掌。但局部放电模式的研究还处于初级阶段,还需要更加广泛、深入的研究才能更好地运用到电力行业,发挥它更大的作用。

关键词： 深度学习   机器学习   模式识别   特征提取   人工神经网络  

摘要： 深度学习通过组合低层特征形成更加抽象的高层表示属性类别或特征,以发现数据的分布式特征表示,具有强大的学习和高效的特征表达能力,成为人工智能领域的研究热点,近年来发展十分迅猛。首先介绍了深度学习的特点及其与浅层学习的区别,并详细介绍了深度学习的国内外发展现状和典型的深度学习网络模型,重点介绍了深度学习技术中一些关键环节处理方法。

关键词： 鱼类识别   卷积神经网络   迁移学习   模式识别  

摘要： 针对大多数应用场景中,大多数鱼类呈不规则条状,鱼类目标小,受他物遮挡和光线干扰,且一些基于颜色、形状、纹理特征的传统鱼类识别方法在提取图像特征方面存在计算复杂、特征提取具有盲目和不确定性,最终导致识别准确率低、分类效果差等问题,本文在分析已有的VGG16卷积神经网络良好的图像特征提取器的基础上,使用Image Net大规模数据集上预训练的VGG16权重作为新模型的初始化权重,通过增加批规范层(Batch normalization,BN)、池化层、Dropout层、全连接层(Fully connected,FC)、softmax层,采用带有约束的正则权重项作为模型的损失函数,并使用Adam优化算法对模型的参数进行更新,汲取深度学习中迁移学习理论,构建了FTVGG16卷积神经网络(Fine-tuning VGG16 convolutional neural network,FTVGG16)。测试结果表明:FTVGG16模型在很大程度上能够克服训练的过拟合,收敛速度明显加快,训练时间明显减少,针对鱼类目标很小、背景干扰很强的图像,FTVGG16模型平均准确率为97. 66%,对部分鱼的平均识别准确率达到了99. 43%。

关键词： 电缆终端   局部放电   放电特性   相位谱图   模式识别  

摘要： 为研究应力锥顶部台阶处附着的金属片对电缆终端电场畸变程度的影响,基于电场分析探讨了终端悬浮电位缺陷的局部放电发展过程。首先,建立了静电场下电缆终端悬浮电位缺陷的有限元仿真模型,进行了相关的电场理论计算,结合不同缺陷长度对电场畸变程度的影响,分析了沿径向方向电场强度最大值的分布规律;其次,构建了110 kV电缆终端悬浮电位缺陷物理模型,建立了电缆终端局部放电试验平台,获取了悬浮电位缺陷放电信息;最后,根据放电特性划分局部放电发展阶段,分析了各阶段局部放电相位谱图特征,阐述了终端悬浮缺陷局部放电发展过程。结果表明:缺陷部分最大电场强度出现在电缆本体XLPE、金属片、应力锥的交界处,金属片缺陷的长度与电场的畸变程度成正比例关系,且最大场强值已超过设计控制值。通过试验表明悬浮电位缺陷导致电场发生严重畸变,从而引发明显的局部放电现象,且不同电压下的局部放电相位谱图具有明显特征,为电缆终端局部放电模式识别提供了缺陷样本数据。

关键词： 哮喘   用药模式   医疗费用   大数据   中国  

摘要： 目的对我国哮喘患者的临床用药模式进行识别和评价,分析哮喘患者的医疗费用情况,从而为临床合理使用提供参考依据。方法数据来源于中国20家医院医院信息管理系统(HIS系统),在系统中收集2013年1月1日至2016年12月31日诊断为哮喘的成年患者,符合纳入和排除标准的患者纳入分析,提取用药模式并采用分类器对用药模式进行分类,以用药链条为单位对哮喘患者的医疗费用进行分析。结果本研究最终纳入哮喘患者153 868例,其中门诊患者135 079例,住院患者22500例。单次用药模式和长期用药模式中,哮喘患者门诊治疗均以单药治疗为主。长期用药模式中,门诊患者以稳定用药情况为主,住院患者中单药治疗和联合用药模式数量相当,J45.1类和J45.9类疾病以单药治疗为主,J46类疾病用药以联合用药为主,门诊患者中最常见的治疗模式为布地奈德福莫特罗稳定用药,住院患者中最常见的治疗模式为多索茶碱单药治疗。门诊哮喘患者前10位用药链条中,次均哮喘药品费用占次均总就诊费用比均较高,其中,最高为75.9%,最低为21.5%。住院哮喘患者前20位用药链条中,次均哮喘药品费用占次均总就诊费用的比例相对较低,其中,最高为5.4%,最低为0.3%,在住院患者常见的用药模式中,次均哮喘药品费用最高的为多索茶碱、孟鲁司特钠与布地奈德联合用药。结论我国哮喘患者治疗以西药为主,用药模式比较复杂,用药组合相对分散,门诊患者的药品费用相对于住院患者更高。

关键词： indoor positioning   machine learning   pedestrian dead reckoning   stride length estimation   smartphone mode recognition  

摘要： Stride length and walking distance estimation are becoming a key aspect of many applications. One of the methods of enhancing the accuracy of pedestrian dead reckoning is to accurately estimate the stride length of pedestrians. Existing stride length estimation (SLE) algorithms present good performance in the cases of walking at normal speed and the fixed smartphone mode (handheld). The mode represents a specific state of the carried smartphone. The error of existing SLE algorithms increases in complex scenes with many mode changes. Considering that stride length estimation is very sensitive to smartphone modes, this paper focused on combining smartphone mode recognition and stride length estimation to provide an accurate walking distance estimation. We combined multiple classification models to recognize five smartphone modes (calling, handheld, pocket, armband, swing). In addition to using a combination of time-domain and frequency-domain features of smartphone built-in accelerometers and gyroscopes during the stride interval, we constructed higher-order features based on the acknowledged studies (Kim, Scarlett, and Weinberg) to model stride length using the regression model of machine learning. In the offline phase, we trained the corresponding stride length estimation model for each mode. In the online prediction stage, we called the corresponding stride length estimation model according to the smartphone mode of a pedestrian. To train and evaluate the performance of our SLE, a dataset with smartphone mode, actual stride length, and total walking distance were collected. We conducted extensive and elaborate experiments to verify the performance of the proposed algorithm and compare it with the state-of-the-art SLE algorithms. Experimental results demonstrated that the proposed walking distance estimation method achieved significant accuracy improvement over existing individual approaches when a pedestrian was walking in both indoor and outdoor complex environmen

关键词： 变压器绕组变形   在线监测   分布式光纤   布里渊光时域反射计   模式识别   极限学习机  

摘要： 绕组变形是变压器内部的常见故障之一,传统的绕组变形检测方法均属于离线检测,且无法识别故障形式。针对以上问题,提出了基于分布式光纤传感的变压器绕组变形检测方法,研制了光纤复合式绕组模型,模拟局部鼓包、内凹和绕组松动等变形情况,利用布里渊光时域反射计(Brillouinopticaltimedomainreflectometer,BOTDR)测量光纤应变变化情况,最后通过极限学习机(extreme learning machine, ELM)对检测信号进行模式识别。试验结果显示:光纤在绕组中有一定的预应力,光纤应变曲线的变化对应不同的绕组变形形式,该方法对正常绕组和不同变形形式的绕组识别准确率均为90%以上。分布式光纤传感技术能够有效实现变压器绕组变形检测,为变压器绕组变形在线监测和故障诊断提供了新的思路。

关键词： 火灾检测   卷积神经网络   图像处理   城市火灾   模式识别   深度学习  

摘要： 在图像型火灾检测方法中,火灾特征的选取有一定的随机性和复杂性,仅仅依靠低层次的图像特征难以完整地描述复杂背景下的火灾图像。将深度学习技术应用到火灾检测领域,提出基于卷积神经网络的火灾检测方法,搭建包含3层全连接层的网络模型,使用Relu函数作为激活函数;然后基于Tensorflow平台实现该网络结构模型。在公开的火灾数据库上进行实验,结果表明,所提方法的火灾检测效果优于传统的图像型火灾检测算法,避免了由于选取特定火灾特征进行检测识别带来的局限性。

关键词： 计算机软件   模式识别系统   智能开发  

摘要： 论文首先分析了计算机软件技术在模式识别系统,智能开发中的应用方向,从功能分层与模块管理两方面开展。但是基础上重点探讨模式识别系统,智能开发研究中,计算机软件技术的应用功能,以及开发需要完善的功能基础,可以作为模式识别系统设计的技术参照。