本文已获得授权 近些年来，随着互联网技术的发展与迅速普及，人工智能已成为国内外众多学者的研究对象，其中智能巡检该领域已被电力、铁路、供水、炼油等部门广泛应用于日常生活中。因此，利用智能巡检系统部分或全面替换人工巡检，针对各个领域的需求不同设计一套适合于本领域的智能巡检图像识别系统就变得尤为重要。本文以变电站巡检系统为基础，设计实现一套智能巡检图像识别系统。并且为了提高系统巡检效率，增强用户体验，本文提出一种基于卷积神经网络的图像识别算法，将智能巡检系统与其相结合，从而实现巡检图像的自动识别。本文主要研究内容如下： 围绕输电线路图像数据共享及智能巡检系统实现了巡检系统图像识别框架设计，研发实现了系统图像管理、视频管理、分析识别等核心功能。利用卷积神经网络技术实现变电站巡检图像识别任务，研究了卷积神经网络经典结构，采用双边滤波与图像分割算法对图像进行预处理，采用经典卷积神经网络结构和CIFAR-10数据集，完成了巡检图像种类丰富、背景多层次情况下的图像检测与识别。通过观察识别结果，本系统对于所采集图像的识别的准确率达到了预期效果。

图像识别技术在国家安全、公安、交通、金融、工业化生产线、食品检测等诸多领域具有广泛的应用前景。现有的图像识别系统基本是面向计算机应用，其方案是：采用图像采集卡(或直接网络相机接入)、在PC机上运行图像处理算法来实现。但由于大部分图像识别系统要求数据量大、算法复杂、对实时性要求高，基于PC的应用系统不仅体积大、成本高、实时性能力差，而且有时不能满足特殊应用环境(例如印刷车间)的需求。

基于msp430的简易图像识别系统的设计

具有学习功能的VB数字识别系统（附源代码）

针对目前水稻病害图像识别系统依赖于数码相机和计算机，缺乏便携性和实时性的问题，设计了一个款待基于Android手机的水稻病害害图像辨认出别系统。系统通过分水稻稻瘟病，胡麻斑病，干尖线虫病，白叶枯病四种病害的颜色，形状，纹理特征，采用图像预处理，图像增强，图像分割，特征提取以及图像识别的处理实验结果表明，系统准确率可及性9 3 .7 8％ ，正检率9 6 .2 2％ ，误检率6 .2 2％ ，方法，实现基于图像识别的及时准确诊断水稻病害类型的目的。 ，虚警率1 0.5 6％，平均诊断用时2 0.8 0 2秒。该系统能有效地拍摄并诊断水稻病害，Swift，准确地给出病害防治措施。

行业分类-作业装置-一种图像识别系统以及图像识别装置.zip

观鸟 基于深度学习的鸟类图像识别系统，使用Keras，TensorFlow，OpenCV和Flask。 介绍 由业余摄影师和机器学习爱好者创建的“观鸟”项目是野生动物摄影师面临的一个简单问题的解决方案：一种识别照片中鸟类的方法。 该应用程序是使用Keras和TensorFlow开发的，其中Flask用于Web应用程序。 InceptionV3用作基本模型，并使用转移学习和微调技术进行了培训。 可以在找到实时应用程序 用法 设置 可以通过以下命令安装运行Flask应用所需的库。 使用画中画： pip install -r requirements.txt 使用Conda： conda install numpy scipy h5py Pillow Click Flask itsdangerous Jinja2 MarkupSafe Werkzeug tensorflow pip i

基于改进的多算子融合的图像识别系统设计.zip

MATLAB源码集锦-基于改进的多算子融合的图像识别系统设计

字符图像识别系统的预处理算法设计与实现 毕业论文