导读:本文包含了智能检测分类论文开题报告文献综述及选题提纲参考文献，主要关键词:YOLOv2网络,扫地机器人,密集连接,神经网络
智能检测分类论文文献综述
宁凯,张东波,印峰,肖慧辉[1]（2019）在《基于视觉感知的智能扫地机器人的垃圾检测与分类》一文中研究指出目的为了提高扫地机器人的自主性和智能化程度,为扫地机器人配备视觉传感器,使其获得视觉感知能力,通过研究有效的垃圾检测分类模型与算法,实现对垃圾的定位与识别,引导扫地机器人对垃圾进行自动识别与按类处理,提高工作的目的性和效率,避免盲动和减少能耗。方法选择检测速度较快的YOLOv2作为主网络模型,结合密集连接卷积网络,嵌入深层密集模块,对YOLOv2进行改进,提出一种YOLOv2-dense网络,该网络可以充分利用图像的高分辨率特征,实现图像浅层和深层特征的复用与融合。结果测试结果表明,智能扫地机器人使用本文方法可以有效识别不同形态的常见垃圾类别,在真实场景中,测试识别准确率为84. 98%,目标检测速度达到26帧/s。结论实验结果表明,本文构建的YOLOv2-dense网络模型具有实时检测的速度,并且在处理具有不同背景、光照、视角与分辨率的图片时,表现出较强的适应和识别性能。在机器人移动过程中,可以保证以较高的准确率识别出垃圾的种类,整体性能优于原YOLOv2模型。(本文来源于《中国图象图形学报》期刊2019年08期）
李丹,金媛媛,童艳,白国君,杨明[2]（2019）在《基于支持向量机的输液袋智能检测与缺陷分类》一文中研究指出针对目前医疗输液袋印刷过程中存在的漏印、错印等影响医疗品质的问题,提出了一种基于支持向量机的输液袋智能检测与缺陷分类方法。通过对生产过程中常见的医疗输液袋缺陷特征的分析,选取品名偏移、品名旋转和品名污迹作为缺陷分类目标,将候选区与监测区位置关系、候选区与监测区旋转角度和填充度这叁种特征作为支持向量机的输入向量训练分类器。实验中使用径向基核函数结合一对一分类法,以平均运算时间和识别准确率作为评价指标进行对比实验,实验结果表明,所提方法识别准确率可达96.7%,满足企业生产的要求。(本文来源于《激光与光电子学进展》期刊2019年13期）
陈晓东,郭培源[3]（2018）在《基于高光谱智能检测及支持向量机分类的香肠品质判定》一文中研究指出针对市面上的香肠,基于高光谱分析对香肠中的亚硝酸盐、过氧化值和挥发性盐基氮含量进行研究,从而对香肠的可食用性进行判定。根据样本的理化检测值,将样本分为两类,可食用(数字0代替)和不可食用(数字1代替)同时把34组香肠样本划分为校正集(17组)和验证集(17组)。首先对光谱数据进行提纯去冗余信息,对其进行最小分离变换(MNF),提取纯净端元(PPI),最后进行N维可视化变换(n-D Visualizer),通过所得平均光谱的包络分析,得到两个有效光谱分析区间,即500nm~600nm和775nm~950nm。结合理化实验所测得的亚硝酸盐、过氧化值、挥发性盐基氮含量,建立偏最小二乘回归模型进行回归分析,所得模型的交叉验证均方根误差(RMSECV)分别为0.388、0.60、0.878,使用模型对验证集样本进行预测。最后建立支持向量机分类模型,分别通过特征波段值和预测指标值两种方式对验证集样本进行可食用性判别,结果表明利用回归模型预测数据所得到的分类建模准确率较高,为82.3%。(本文来源于《中国食品添加剂》期刊2018年08期）
彭建新[4]（2018）在《基于智能分类算法的数据质量检测》一文中研究指出为了实现海量数据的数据检测、有效存储和后期的访问控制,设计了基于频率的数据特征值采集方法及基于支持向量机的数据智能分类算法,采用搜集来自真实数据中心应用环境的数据样本进行实验验证。结果表明,改进后的智能分类算法能达到较好的数据识别准确率,该方法具有较强的实用性,可用于机房数据质量管理和大数据分析。(本文来源于《济南大学学报(自然科学版)》期刊2018年05期）
郭佳佳[5]（2018）在《智能视频监控中的运动目标检测与分类算法研究》一文中研究指出随着多媒体技术的快速发展,视频监控系统在公共安全领域发挥着越来越重要的作用,但传统视频监控极大地浪费了人力物力,已经不能符合时代的发展需求,所以视频监控急需向智能化的方向发展。运动目标的检测与分类一直都是智能视频监控中的关键技术。由于监控环境的复杂多变以及目标特征的局限性,目前的运动目标检测与分类算法依然面临着很多难题,所以本文针对智能视频监控中的运动目标检测与分类进行了相应的研究。1.本文根据高斯混合背景模型和帧差法,提出了一种基于GMM(Gaussians Mixture Model)和帧差法的运动目标检测方法。该方法首先提出了一种融合GMM和帧差法的新型图像组合算法,解决了传统GMM和帧差法融合造成的噪声以及目标内部空洞等问题。然后该方法加入了图像修补技术,在空间上对运动目标进行补偿,获得了更好的目标形状。最后该方法运用形态学知识对运动目标进行处理,得到了精确的运动目标图像。实验结果表明,本文提出的运动目标检测方法可以有效的解决运动目标检测不完整、目标内部空洞以及噪声等问题,在后续的运动目标分类过程中起着至关重要的作用。2.本文提出一种多特征融合的运动目标分类方法,解决了单一特征分类识别率低下的问题。多特征由静态特征和动态特征联合取得,其中静态特征包括运动目标的长宽比、边缘以及基于块的HOG(Histogram of Oriented Gradient)特征。本文提取的HOG特征不仅考虑块内的梯度方向,而且考虑块内梯度的几何位置,使得提取的目标形状信息更加准确。运动特征采用基于光流的空间熵,该特征是基于光流方向以及光流强度提出的,特征维数较小,同时考虑了目标的局部运动方向和速度,因此可以很好的表述目标的局部动态特征。实验结果表明,本文提出的多特征融合的方法比其他的特征方法具有更高的分类准确率。3.为了解决多目标的分类问题,本文构建了一种基于统计学习的二叉树决策支持向量机作为运动目标分类的分类器。由于特征向量维度和训练数据集较大,本文采用批处理增量式支持向量机代替传统的SVM(Support Vector Machine)进行二分类器的训练,提高了分类器的学习效率,解决了传统SVM的竞争性分类问题。(本文来源于《西安电子科技大学》期刊2018-04-01）
刘汝翠[6]（2016）在《基于自动智能分类器的图书馆乱架图书检测》一文中研究指出整理乱架图书是图书馆日常维护工作的一个重要组成部分。人工检测图书乱架不但费时费力而且极容易出错。为此,设计了一种结合深度学习中的SoftMax回归算法和书脊图像特征识别相结合的乱架检测算法,算法主要包括书脊定位分割、字符识别、语义特征提取以及分类判决等环节,实现了自动高效的图书乱架检测。实验数据表明本文提出的检测算法能达到近98%的检测准确率,并且还具备速度快、几乎不需要人工干预等优势,能大大降低图书馆日常图书清点工作的劳动强度。(本文来源于《现代商贸工业》期刊2016年25期）
陈泓佑[7]（2016）在《智能视频监控中的目标检测及分类技术研究》一文中研究指出近年来,对于传统视频监控系统的智能化水平的提高成为视频监控系统中的技术升级的核心任务。而对于运动目标的分类识别技术及基于规则的运动目标行为分析技术的研究成为了视频监控智能化的重要研究内容之一。它们属于高层次图像语义分析,目前还面临许多难点,最主要还是因为低层次和中层次的图像信息源带来的影响。本文重点研究了基于几何特征的运动目标分类识别技术及基于绊线检测规则的运动目标行为分析技术,主要的工作有:(1)针对运动目标外轮廓对目标分类识别中的几何特征提取的影响,设计了一种精度更高的运动目标外轮廓提取方法。首先通过GMM前景检测方法得到粗步确定的运动目标区域,然后通过含标记的分水岭方法进行外轮廓区域粗步定位,最后通过基于HVS空间阴影去除方法及目标重构方法进行外轮廓区域精确定位,从而提取出精确的外轮廓。实验结果表明,能够得到更精确的外轮廓。(2)为提高基于几何特征的目标分类识别方法的平均识别率,设计了一种改进方法。首先,在模式类的预定义上,依据目标的外轮廓形态差异,将预定义的模式类进一步细分成子模式类;其次,在特征提取上,先提取出高维度特征,再使用伪划分的方式形成子特征向量组来多角度描述目标;最后在分类器分类策略上利用上述子特征向量组的分类结果综合判定得到最终分类结果。实验结果表明,该方法对预定义的4个模式类(人、小汽车、电动车、小人群)有好的结果,平均识别率达到了99.48%,相对于传统方法提高了1.8%到4.0%左右。(3)针对当前绊线检测方法的智能化水平较低的情形,设计了一种面向智能视频监控的智能方法。该方法首先利用运动目标的轨迹信息和计算几何算法完成单向和双向绊线检测;通过扩展定义轨迹异常规则,完成对可疑目标的判别;其次利用运动目标分类识别方法分类获取违规目标的类别;最后通过与违规目标关联的多种基础信息和事件生成机制,生成面向智能视频监控中可用的违规事件。实验结果表明,该方法有较好的检测效果,事件信息平均正确率达到91.6%。(本文来源于《西南科技大学》期刊2016-05-30）
章振周,邱建忠[8]（2016）在《钮扣智能检测和分类机的研制》一文中研究指出就钮扣智能检测和分类机的研制提出方案和实践效果分析,通过机器视觉系统和伺服电动机精确控制技术等自动化技术的应用,成功解决了钮扣人工分色及人工质检的困难问题,实现钮扣智能检测和分类,大大提高了钮扣的生产效率,也保证了成品的检测合格率。(本文来源于《电气时代》期刊2016年04期）
欧阳文[9]（2016）在《面向智能驾驶的交通标志检测和分类算法研究》一文中研究指出交通标志识别系统作为智能驾驶系统的重要组成部分,在先进驾驶辅助、交通标志自动维护、无人车自动驾驶等多方面都具有重要作用,是智能驾驶系统研究的关键和基础。然而,真实的道路交通环境复杂多变,光照条件、天气状况、局部遮挡、多个标志聚集、视角倾斜、背景色相似干扰等问题使交通标志识别系统的研究面临许多困难,实时性的要求也使得实际的应用远未达到成熟地步。本文在总结交通标志识别技术研究现状基础上,分析了交通标志识别技术研究的难点以及现有方法存在的问题,对交通标志检测算法和交通标志分类算法进行了创新研究,主要工作包括:第一,针对现有交通标志检测算法对光照和形变敏感、分割阈值难以选择而导致检测准确率不高、鲁棒性较差,或难以满足实时的要求,提出了一种基于选择性搜索的交通标志检测方法。该方法采用改进的分层分组算法获取交通标志目标假设区域集合,然后直接对该假设区域集合进行方向梯度直方图(Histogram of Oriented Gradients,HOG)特征提取和训练,不再对图片进行穷举搜索。其中,在改进的分层分组算法中使用了权值组合的相似度策略对分割区域进行合并,以便得到更多更好的交通标志目标假设区域集合。实验结果表明,该方法具有鲁棒性强、检测准确率高、实时性更好等优点,有一定的现实应用潜力。第二,针对现有基于卷积神经网络的交通标志分类算法网络结构复杂,网络训练和标志识别的过程耗时长,难以满足实时应用要求以及对多尺度交通标志的识别鲁棒性较差等问题,提出了一种快速多尺度卷积神经网络交通标志分类算法。该算法采用更简单的网络结构,自动学习交通标志的多尺度特征,并在训练中采用矫正线性单元(Rectified Linear Units,ReLu)减少耗时,使用Dropout策略防止过拟合。实验结果表明,该方法能够分类出各种尺度大小的交通标志,在保证高分类准确率的同时,实时性也得到了较大的提升。第叁,在上述研究的基础上,设计并实现了一个交通标志识别原型系统。该原型系统对输入的交通标志能进行实时的检测和识别,有一定的应用价值。(本文来源于《重庆邮电大学》期刊2016-04-10）
孙创开[10]（2016）在《基于机器视觉的彩钢板缺陷检测和智能分类研究》一文中研究指出随着家电产品消费市场的火热,作为家电产品原材料之一的彩钢板也随之得到日益广泛的应用。家电产品上使用的彩钢板表面质量标准相较于其他方面用途的钢板更加严格,本课题针对这一市场需求,利用视觉检测技术设计出一套彩色钢板表面缺陷检测以及缺陷类型分类系统。该系统主要的结构由:缺陷图像采集、缺陷图像处理、缺陷特征选择和提取以及缺陷类型分类识别四大部分组成。在检测、识别分类过程中对遇到的关键技术问题都在理论和实践两个方面做了深入的研究,本文主要完成的工作如下:1.根据每类缺陷的特征选择相适应的照明方案。在最大程度上突显缺陷特征的原则指导下,图像采集系统采用明、暗场相结合方式进行照明。根据检测系统的实际需求和实验室现有条件自行设计制作出一套光照亮度连续可调的LED漫反射光源装置。2.检测系统软件部分采用多线程结构。该软件系统由图像采集线程、图像处理线程、缺陷信息数据库线程构成,并通过一个总线程控制器分别实现对各个线程运行的控制,确保整个缺陷检测系统能够在高效、精确、稳定的状态下运行。3.根据缺陷成因和形貌特征深入研究了图像预处理以及分割算法。经过实验对比分析,中值滤波和图像灰度拉伸作为图像预处理算法;本文针对不同缺陷特点综合运用阈值分割、Canny边缘检测分割、分水岭分割算法和形态学等方法成功地将缺陷从背景图像中分离出来。4.研究了缺陷特征选择和提取方法。按照模式识别对特征选择标准的原则,本文将几何、拓扑、灰度统计、形状和纹理这五类特征组成的特征向量作为分类器的输入。为提高特征向量数据对分类识别的有效性,随后又运用剔除离群点和特征分量归一化方法对这些原始特征分量进行优化处理,使这些特征分量具有更加良好的分类能力。5.设计出了基于多层感知器模型的BP神经网络分类器模型。该分类器经过首次训练和再次改善训练之后能够对油斑、麻点、划痕、油漆亮斑和砂纹面带状色差带这五类缺陷进行较准确的识别,其中麻点和划痕的识别率可以达到100%。实验结果表明本文设计的彩钢板表面检测与分类系统对关键技术的解决方法是有效的、可行的,对彩钢板表面质量检测具有一定的参考价值和启发作用。(本文来源于《天津科技大学》期刊2016-03-01）
智能检测分类论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
针对目前医疗输液袋印刷过程中存在的漏印、错印等影响医疗品质的问题,提出了一种基于支持向量机的输液袋智能检测与缺陷分类方法。通过对生产过程中常见的医疗输液袋缺陷特征的分析,选取品名偏移、品名旋转和品名污迹作为缺陷分类目标,将候选区与监测区位置关系、候选区与监测区旋转角度和填充度这叁种特征作为支持向量机的输入向量训练分类器。实验中使用径向基核函数结合一对一分类法,以平均运算时间和识别准确率作为评价指标进行对比实验,实验结果表明,所提方法识别准确率可达96.7%,满足企业生产的要求。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
智能检测分类论文参考文献
[1].宁凯,张东波,印峰,肖慧辉.基于视觉感知的智能扫地机器人的垃圾检测与分类[J].中国图象图形学报.2019
[2].李丹,金媛媛,童艳,白国君,杨明.基于支持向量机的输液袋智能检测与缺陷分类[J].激光与光电子学进展.2019
[3].陈晓东,郭培源.基于高光谱智能检测及支持向量机分类的香肠品质判定[J].中国食品添加剂.2018
[4].彭建新.基于智能分类算法的数据质量检测[J].济南大学学报(自然科学版).2018
[5].郭佳佳.智能视频监控中的运动目标检测与分类算法研究[D].西安电子科技大学.2018
[6].刘汝翠.基于自动智能分类器的图书馆乱架图书检测[J].现代商贸工业.2016
[7].陈泓佑.智能视频监控中的目标检测及分类技术研究[D].西南科技大学.2016
[8].章振周,邱建忠.钮扣智能检测和分类机的研制[J].电气时代.2016
[9].欧阳文.面向智能驾驶的交通标志检测和分类算法研究[D].重庆邮电大学.2016
[10].孙创开.基于机器视觉的彩钢板缺陷检测和智能分类研究[D].天津科技大学.2016