为了使机器视觉系统中各类待检产品获得清晰图像,给调焦系统提供优良的评价依据,针对图像清晰度评价时易受到噪声干扰等问题,提出了一种基于小波变换高频系数的清晰度评价算法。该算法首先采用小波分解变换求得待测图像的细节分量,然后基于梯度平方法对各方向细节分量的变化快慢进行评价,最后根据纹理方向特征综合三个方向的高频系数的变化快慢,实现对图像清晰度评价。通过实验,验证了小波变换分解层数对清晰度评价的影响,并选取了第三层小波分解变换的高频系数作为评价的依据。为了验证所提出的算法,通过工业相机对样品进行连续变焦取像,并向该组图像中加入了均值为0,方差为0.01的高斯白噪声作为含噪样本,基于Matlab软件,分别采用梯度平方法、FISH算法、variance函数和提出的评价算法对两组样本进行清晰度评价测试。结果表明,提出...

由于铸件自动化打磨作业中存在点云数据过冗余等问题,导致数据处理时间过长,影响加工效率。为了提高点云处理的计算效率,提出一种基于线性耦合曲率的点云精简方法,以兼具效率和精度。对源扫描点云构建K-d树数据结构,并提出更稳健的线性耦合曲率特征模型以提取特征域;在此基础上,利用改进空间二分法快速精简非特征域;最后融合特征域和精简后的非特征域,得到最终精简结果。结果表明:该方法可得准确的精简比,拟合曲面模型仅存在微小的数据空洞。在90%精简比、2.7%噪声比条件下,保形性误差为0.867 mm,优于传统的点云精简方法,能够实现铸件点云的高效精简。

采用小波变换和奇异值分解相结合的方法对环境激励下结构的模态参数进行识别。首先对环境激励下的时不变结构的加速度响应进行协方差分析得到时域协方差响应，利用小波变换将协方差响应转换到时／频域中，沿每一个尺度点提取协方差响应的小波系数阵，然后对提取的小波系数阵进行奇异值分解得到奇异值和奇异向量，最后从重构的奇异值和奇异向量中识别出结构的模态参数。文章通过3自由度系统数值算例分析了该方法的抗噪性能，结果表明该方法具有很好的抗噪能力，在15dB噪声干扰下能够稳定和准确地识别出结构的模态参数，且比直接用小波变换方法识别的结果更准确；并通过东海大桥主航道斜拉桥模态参数识别的例子进一步验证该方法的实际应用可行性。

在实际工程应用中,有限的故障样本数量及噪声都影响轴向柱塞泵故障诊断的效果,所以,如何提高模型在小样本、噪声条件下轴向柱塞泵故障诊断的性能是一个亟待解决的问题。在样本数量有限、噪声条件下,采用基于深度学习的故障诊断方法会出现过拟合、诊断准确率下降的问题,为此,提出了一种小样本条件下基于原型网络的轴向柱塞泵故障诊断模型(方法)。首先,搭建了轴向柱塞泵故障诊断模型,并等量随机抽取了每个故障的样本以构建多个任务,模型使用一维卷积神经网络作为主干,每个任务中包含当前模型、支持集、查询集;然后,利用模型将样本映射到特征空间,在特征空间中,模型使用支持集的同类样本构建了原型点,并逐个将查询集样本与多个原型点进行了距离度量,实现了轴向柱塞泵不同故障的分类;最后,为了验证基于原型网络的轴向柱塞泵故障诊...