针对人工检测编织袋缺陷的正确率低与效率较低的问题,提出一种高效的在线检测编织袋缺陷方法。该方法在线采集编织袋图像并进行图像处理,消除干扰项,准确检测编织袋的缺陷。使用均值滤波器、灰度开闭操作对图像进行预处理,消除图像中干扰缺陷检测的黑白条纹与灰度不均匀,降低噪声。使用差分图像二值化对图像进行背景分割,提取出孔洞缺陷、拉丝缺陷,以及过大的丝线缝隙、褶皱和黑色物。同时,进行开闭运算处理,将断裂的缺陷连接起来并消除过大的丝线缝隙,避免小缺陷的漏检。利用特征提取与缺陷检测消除褶皱和黑色物的干扰,检测出孔洞和拉丝缺陷。实验结果表明,500个试样检测的平均正确检测率达到97.20%,检测效率为720 m/h,检测结果正确率高,效率高。

针对复杂背景下运动目标检测失检率高的问题,提出了用于复杂背景目标检测改进的基于RGB颜色分离的背景差分目标检测方法。主要是对RGB三通道图像独立进行背景差分运算,阈值二值化后合并三通道前景图像,得到完整前景目标图像;再利用检测的边缘对前景图像进行修正,消除光照变化带来的噪声;RGB三通道使用自适应权值的递推算法进行背景更新。最后采用实验室采集的图像序列进行了仿真实验,结果表明,该方法在复杂场景下有效识别颜色差异,避免了灰度值相近而造成的目标缺失,提高了检测精确性。

数字图像在临床影像、媒体传播、犯罪分析、科学分析等几乎所有领域都有不可避免的作用。 “一张图像等于一千字”这句话恰如其分，因为图像比文本具有更多的表达能力消息。 在所有调查中，由于强烈的观察，“眼见为实”，照片总是被视为“事件发生的证据”。 因此，图像被认为是“真理”。 通常，如果图像是使用任何图像捕获设备从实际场景或情况中原始记录或捕获的，则该图像是真实的。 捕获的图像应在真实意义上进行捕获的同时传达源头的原始情况或场景。 近几十年来，由于现代照片内容更改软件工具的可访问性，转换图像内容非常容易，因此图像的真实性和完整性微薄，数字图像中的篡改因此不需要任何专业技能。 本文介绍了对近期图像伪造检测技术的现代方法论评估和分析。 还简要介绍了在伪造检测技术的每个阶段中使用的各种方法。 为了直接参考，提供了比较表。 该主题评论论文旨在帮助研究人员就伪造检测的持续进展提供有用的理解和现代化信息。

提出了一种视频烟雾检测方法，利用烟雾颜色、运动方向以及纹理等特征区分烟雾，并在检测烟雾的同时找到火源位置。引入暗原色先验方法提取出与烟雾颜色相似的区域作为烟雾候选区;通过分析图像局部纹理特征估计图像块的运动方向，排除运动方向向下的非烟雾区域，从而缩小烟雾候选区;将烟雾候选区的一系列特征作为支持向量机的输入，分类为烟雾和非烟雾;根据被检测出的烟雾在视频帧中的具体位置以及对应位置出现烟雾的频数估计火源在视频帧中的位置。与相关算法的实验结果进行了比较，证明了该算法的有效性。

双向晶闸管的结构及工作原理 　　双向晶闸管是由N-P-N-P-N五层半导体材料制成的，对外也引出三个电极，其结构如图所示。双向晶闸管相当于两个单向晶闸管的反向并联，但只有一个控制极。 　　双向晶闸管与单向晶闸管一样，也具有触发控制特性。不过，它的触发控制特性与单向晶闸管有很大的不同，这就是无论在阳极和阴极间接人何种极性的电压，只要在它的控制极上加上一个触发脉冲，也不管这个脉冲是什么极性的,都可以便双向晶闸管导通。 　　由于双向晶闸管在阳、阴极间接任何极性的工作电压都可以实现触发控制，因此双向晶闸管的主电极也就没有阳极、阴极之分，通常把这两个主电极称为T1电极和T2电极，将接在P型半导体材

随着基于数据融合的目标检测在军事以及自然防护等领域广泛应用,越来越多的研究希望通过对检测融合系统进行优化或引入新的检测融合方法来更好地进行目标检测,从而推动相关领域的发展.基于数据融合的目标检测具有重要的学术意义和应用价值,为此,从先进的检测技术到优化创新的前沿论文等方面详细介绍基于数据融合的目标检测方法的最新研究进展.首先对融合定义、模式及其优缺点展开讨论,并总结目前该领域所面临的挑战;然后从传感器辅助方法、融合层次方法两个方面对相关研究方法进行详细的分类阐述,综述该领域的研究现状,并对所介绍的文献从检测性能、复杂程度、成本大小、检测目标(数量、动态、维度)等方面展开归纳总结;最后进行全文总结并对该领域的研究前景进行展望.

孤岛问题是威胁分布式发电系统并网安全运行的一个关键问题，因而系统必需具备及时检测出孤岛的功能。通过分析常用的自动相位偏移孤岛检测方法，针对DSP应用环境下检测时间较长，对系统电能质量影响较大等问题，提出一种基于改进自动移相法的快速孤岛检测方法。该方法根据孤岛发生后电流相位角与公共点频率之间的关系，调节扰动相位的正反馈，从而快速检测出孤岛，在一定负载条件下不存在检测盲区。仿真结果表明了改进算法的有效性与快速性，具有一定的工程应用价值。

基于机器视觉的换向器表面质量自动化检测方法研究

摘要：软件定义网络（software defined networking,SDN）是一种新型网络创新架构，其分离了控制平面与转发平面，使得网络管理更为灵活。借助SDN控制与转发分离的思想，在SDN基础上引入一个集中式安全中心，在数据平面设备上采集数据，用于对网络流量进行分析，通过熵值计算和分类算法判断异常流量行为。对于检测到的网络异常情况，安全中心通过与SDN控制器的接口通告SDN控制器上的安全处理模块，进行流表策略的下发，进而缓解网络异常行为。通过本系统可以在不影响SDN控制器性能的情况下，快速检测网络中的异常行为，并通过SDN下发流表策略对恶意攻击用户进行限制，同时对SDN控制器进行保护。

DeleRace（deep-learning-based data race detection）：首先使用工具 WALA 从多个实际应用程序中中提取指令、方法和文件级别中多个代码特征，对其向量化 并构造训练样本数据；；然后通过ConRacer 工具对真实数据竞争进行判定进而标记样本数据，并采用SMOTE 增强算法使正负数据样本分布均衡化；最后** 构建 CNN-LSTM 的深度神经网络 **，加以训练构建分类器，进而实现对数据竞争的检测。