随着铝合金材料构件在各个领域的广泛应用，其内部缺陷的存在会导致产品不能正常使用甚至引起重大的安全隐患，所以对构件内部缺陷进行三维(3D)反演并判断缺陷形状日趋重要。以中心圆孔为内部缺陷的铝合金圆柱体作为研究对象，采用探头垂直入射的水浸式超声检测方法，将检测获得的时域信号经傅里叶变换得到频域关系后，依据检测构件缺陷位置和参考构件相同位置信号频域之间的关系，得到缺陷反演所需的散射场幅值的频域和时域数值，通过采用Born 近似方法对其内部缺陷进行三维反演研究。实验结果表明，尽管反演结果和实际相比，存在一定误差，但Born 近似方法仍旧能够较好地反演铝合金构件内部缺陷。

可以辨别图片、视频、实时摄像等，看谁戴不戴口罩

针对突发信号检测中能量检测方法检测概率低、循环平稳检测方法计算复杂等问题，为提高检测性能和处理实时性，提出了 一种适用于多信道突发信号的低复杂度联合检测方法。该方法依据初始能量检测的判决结果，对可能存在突发信号的频谱集合采用了一种频域简化的循环平稳检测方法，并依据判决流程给出了与传统方法在检测正确率和运算量上的对比函数。理论分析和仿真结果表明，该联合检测方法可有效提高突发信号的检测概率并降低计算复杂度。

基于matlab的水果检测系统

matlab蔡氏混泥土仿真代码蜂窝非线性网络 由 Leon Chua 开发的蜂窝非线性网络 (CNN) 的软件实现。 背景 - 我强烈推荐这套讲座。 他讨论了生物学、复杂性、混沌以及他首先将其理论化的一项非常重要的 ML 新兴技术，即忆阻器。 网络动力学 从上图中可以看出，这是一个动态系统，而不仅仅是一个查找表。 在 CNN 范式中，给出了一个 19 位基因作为网络对图像执行操作的模板。 可以看到一个简单的Matlab代码，如果你想跟随，一个python版本。 在 python 版本中，网络作为一个对象存在，我们可以将图像和基因发送到该对象。 在 CNN 范式中，基因基于生物学，其中基因决定了分子的构成以及系统的大部分行为和发展方式。 第一个数字 Z 本质上是偏差。 基因中的第 2 个到第 10 个数字 B 可以重新整形为 3 x 3 输入权重卷积。 第 11 到第 19 个数字包含 3 x 3 抑制权重卷积 A。随着时间的推移，网络为每个像素确定一个值。 在接收到输入图像后，像素i , j的激活是通过将所有像素最近邻居的输出乘以 A（即抑制），加上 B 和输入的乘积，然后加上 Z 来

气体流量计是较为常用的仪表设备。钟罩式气体流量标准装置是以空气作为介质，对气体流量计进行检定、校准和检测的计量标准装置。主要适用于速度式、容积式和差压式等气体流量计的检定、校准和型式评价工作，也可用于气体流量测量的研究工作。本文基于C8051F350单片机，改造现有的钟罩装置，设计一种气体流量计检测仪。

针对拓片得到的文字图像具有模糊细节多、效果差等特征,以及传统算法对其边缘检测的精度不高，根据拓片文字边缘独立于尺度传播的特性，提出了一种基于二进小波变换的拓片文字图像边缘提取和增强算法。首先用二进小波对拓片文字图像进行多尺度分解，再结合小波变换模值跨尺度传递的不同特性，进行多尺度下的图像边缘提取、增强和细化。实验表明，该算法克服了传统算法的不足，弱化了单尺度下噪声抑制与边缘细节提取精度之间的矛盾，从而具有更好的实用性。

针对红外船只图像较模糊导致的识别率低、识别速度慢等问题，提出了一种基于深度卷积神经网络(CNN)的检测算法。首先采用标记分水岭分割算法提取红外船只图像中的连通区域，并对原图相应的目标位置进行标记和归一化处理，提取候选区域。采用改进的AlexNet(一种深度CNN模型)进行船只目标识别，将提取的候选区域送入改进的AlexNet进行特征提取和预测，得到最终检测结果。分水岭方法可大大减少候选区域检测时间，以及减少深度CNN识别时间。利用实验室自制的红外成像系统获取近千张红外船只图像数据，并对其平移缩放形成的数据集进行仿真实验。结果表明，标记分水岭与深度CNN的结合，可有效识别船只目标，所提方法具有良好的性能，能够更加快速准确地识别红外船只目标。

C# OPENCV

车牌检测与识别数据集：包括训练车牌检测模型数据：车牌和非车牌图块大小是136*36。 训练字符识别模型数据： 车牌字符大小是20*20，包括：数字：0~9；字母：A~Z；省市简称：京、津、晋、冀、蒙、辽、吉、黑、沪、苏、浙、皖、闽、赣、鲁、豫、鄂、湘、粤、桂、琼、川、贵、云、藏、陕、甘、青、宁、新、渝， 文章链接：https://tuomasi.blog.csdn.net/article/details/123246627?spm=1001.2014.3001.5502