针对6G时代将会是移动通信与人工智能紧密结合的时代，产生数量庞大的边缘智能信号处理节点的趋势，提出了一种可部署于资源受限的边缘设备上的高效智能电磁信号识别模型。首先，通过绘制电磁信号的星座图将电磁信号具象为二维图像，并根据归一化点密度对星座图上色以实现特征增强；然后，使用二值化深度神经网络对其进行识别，在保证识别准确率的同时明显降低了模型存储开销以及计算开销。采用电磁信号调制识别问题进行验证，实验选取常用的8种数字调制信号，选择加性高斯白噪声为信道环境。实验结果表明，所提方案可以在信噪比为-6～6 dB的噪声条件下获得96.1%的综合识别率，网络模型大小仅为166 KB，部署于树莓派4B的执行时间为290 ms，相比于同规模的全精度网络，准确率提升了0.6%，模型缩减到

利用keras框架来实现语义分割，进行更准确的图像识别

图像素描效果

文本侦测与识别

图像去雾效果

vs平台上的车辆识别系统工程，可完美运行，内有对不同场景的车牌号的识别，值得一看，学到的东西肯定很多

程序是基于Matlab实现的，对于初学者，通俗易懂，直接下载就可以用，如果电脑的GPU性能不佳的情况下，利用Matlab可以实现YOLOV3的算法对目标识别。

本设计介绍基于数字图像处理的车牌识别系统。本设计主要应用数字图像处理方法进行车牌识别，主要包括图像预处理、车牌定位、倾斜校正、字符分割、字符识别五大模块。在完成车牌识别功能的基础上，本系统进一步加入了形态学操作、边框处理算法，能够在光照变化较大、背景较复杂的实际条件下，提高车牌识别率，同时，本设计添加了语音播报系统，能够对识别过程、识别结果进行语音播报，拓展了系统的功能。经过实际测试，本系统能够很好的完成车牌识别任务，车牌识别成功率达100%。

马铃薯图片库，1000多张

图像划痕识别，增加长度，宽度识别等功能，使用OPECV3.2.1库