猕猴桃的自动化分级中最为复杂、费时的是表面缺陷检测.猕猴桃果实表面缺陷主要包括碰压伤、划伤和日灼,检测过程包括缺陷分割和缺陷识别两个阶段.猕猴桃机器视觉采集系统采用近红外光源采集图像,并对采集图像中值滤波法去除图像采集过程中受到的各种噪声的干扰；图像分析获取最佳阈值,最后图像分割得到猕猴桃果实表面的黑色斑点区域,包括真正的缺陷区域和梗萼区域.通过试验表明,近红外光源能有效提取猕猴桃果实表面的划伤、腐烂伤和日灼缺陷,而且近红外光源图像有效地避免了传统光源图像的反射亮斑区域,通过实验结果,分析针对分割出的可疑缺陷区域如何正确识别,可利用双金字塔数据形式的盒维数快速计算方法,提出描述该区域粗糙度和纹理方向性的特征参数,依此来区分真正缺陷和梗萼区域.

通过在ip iq 算法的基础上增加一个对应于零序分量的零轴分量，形成ip iq i0 运算方式，这样可解决零序分量的问题，但会使检测方法的复杂程度大大增加。经推导，ip iq 检测法可直接应用于不对称三相四线制系统中，无需先剔除零序分量，同样能够正确检测出基波零序、负序及谐波分量，仿真结果证明其结论的正确性。

在作业现场的安全管理中, 对于非施工人员围栏跨越的监管一直是必不可少的. 但目前施工场地普遍存在作业面广、施工人员管理困难等问题, 导致人工监察的方式效率低下. 而基于视频的人体行为检测技术作为计算机视觉领域重要的研究热点, 在公共安全监控方面有着广泛应用. 因此针对传统人工监察的不足, 结合当前计算机视觉技术, 提出一种智能化的围栏跨越违规检测与识别方法. 该方法通过监控不断获取视频帧, 以视频帧组成的剪辑作为输入, 使用三维卷积和二维卷积分别提取时序和空间特征, 将两部分特征融合后进行分类和边界框回归. 最后通过设置对比试验以验证此方法效果, 实验结果表明, 该方法具有一定的泛化性.

本文提出了一种基于树和基于令牌的方法相结合的高速，高精度代码克隆检测方法。 重复的程序代码（称为代码克隆）的存在是降低软件质量和可维护性的主要因素之一。 如果一个代码片段包含错误（错误），并且将它们复制并修改到其他位置，则必须更正所有错误。 但是在大型复杂软件中查找所有代码克隆并不容易。 对于代码克隆检测已经做了很多研究工作。 代码克隆检测主要有两种方法。 一种是基于令牌的方法，另一种是基于树的方法。 基于令牌的方法速度快，所需资源更少。 但是，它无法检测所有类型的代码克隆。 基于树的方法可以检测所有类型的代码克隆，但速度慢且需要大量计算资源。 本文提出了这两种方法的组合，以提高检测代码克隆的效率和准确性。 首先，将通过基于令牌的快速而轻量级的方法来提取一些代码克隆的候选对象。 然后，将使用可找到各种代码克隆的基于树的方法来更精确地检查选定的候选对象。 开发了原型系统。 该系统接受源代码并在第一步中对其进行标记化。 然后将基于令牌的方法应用于此令牌序列以查找代码克隆的候选对象。 在提取了几个候选者之后，选定的源代码将转换为抽象语法树（AST），以应用基于树的方法。 一些示例源代码用于评

提出了一种基于卷积神经网络的前方车辆检测方法。首先，根据车底阴影特征，运用基于边缘增强的路面检测算法以及车底阴影自适应分割算法来分割并形成车底候选区域，以解决路面灰度分布不均及光照条件变化问题；其次，运用针对道路交通环境的卷积神经网络结 构，建立图像样本库进行网络训练；在此基础上，采用基于卷积神经网络识别的方法以验证并剔除被误检测为车底阴影的候选区域，进而确定真正的车辆目标；最后，修改网络为三分类识别，以验证本文方法的强扩展性的优势。实验结果表明：本文提出的车辆检测方法能够很好地区分车底阴影和非车底阴影干扰，有效地提高车辆检测的准确率和可靠性，降低误检率。

基于元算子的深度学习框架缺陷检测方法

GB∕T 7106-2019 建筑外门窗气密、水密、抗风压性能检测方法，2020年11月正式施行，此版为正式版本扫描件，绝对官方

一种改进型数字图像中直线特征的快速检测方法，用matlab编写的，感兴趣的同学可以学习

根据小波变换具有多分辨率，混沌系统对噪声的强免疫力和对周期微弱信号的敏感性等特性，通过对小波阈值去噪方法和混沌Duffing振子方程的改进，提出小波阈值去噪和混沌系统相结合的微弱周期信号检测新方法。该方法利用小波变换的平滑作用对包含噪声的信号进行有限离散处理，并根据小波分解尺度确定阈值去噪深度，然后把重构的信号作为周期策动力的摄动并入混沌系统，采用混沌振子阵列实现在噪声背景下微弱信号的检测，并采用梅尔尼科夫方法作为混沌判据。该检测方法克服了以往小波分解对尺度确定的盲目性和阈值选择的不合理性以及对混沌临界状

在语音信号的识别、去噪等过程中通常只需对有声段进行处理，并且对语音段和噪声段可能需要采取不同的处理方法。相关函数描述的是随机信号在不同时刻取值的关联程度，由于噪声的随机性，噪声的相关函数和语音的相关函数有很大的不同，利用此不同点可以进行语音的端点检测。基于此提出了自相关函数的语音端点检测方法，并对比了经典的双门限法——基于短时平均能量和短时平均过零率的双门限判决法。实验表明该方法具有较高的准确性，并且在较低信噪比下能取得比短时平均能量和短时平均过零率的判决法更好的效果。