四足动物行走的运动特征自动识别在动物的仿生学、行为识别、疾病预测，以及个体身份识别等方面都有着非常广阔的应用前景。基于计算机视觉技术，结合深度学习方法，针对四足动物的行走运动，建立了一种四足动物行走步态参数自动提取方法。利用视频帧分解技术对采集的四足动物行走视频进行处理，得到各帧四足动物行走图像；基于改进DeeplabV3+语义分割模型提取运动目标；在此基础之上，结合四足动物行走步态及其时空特性分析，以目标体轮廓中心点-边界距离曲线为基础实现运动角点的检测及匹配。为有效地解决四足动物运动特征参数提取的问题，建立了一种基于四肢运动角点至参考点距离变化曲线的运动特征分析方法。实验结果表明，所提方法能较好地实现四足动物运动角点的检测，对犀牛、水牛、羊驼运动角点检测的最大误差分别为32，27，19 pixel，运动角点匹配关系准确，步态周期、步态频率的计算误差小于2%，步态顺序输出正确，步幅的计算误差最大为2.85%。

烟雾图像检测是及早发现火灾的一种重要手段。针对传统LBP(Local Binary Patterns) 特征与Gabor特征的融合算法存在鲁棒性和检测率低的问题,提出一种TDFF(Triple Multi Feature Local Binary Patterns and Derivative Gabor Feature Fusion)的烟雾检测算法。采用T-MFLBP(Triple Multi Feature Local Binary Patterns)算法分别对像素间不同灰度差值以及非均匀模式中特殊位置的像素进行编码计算,可以捕捉更清晰的纹理特征;然后利用高斯核函数的一阶偏导数提取Gabor特征,从而优化提取图像边缘灰度信息的性能;最后对融合后的特征进行训练,可以提高最终分类的准确性。实验结果表明,TDFF算法具有较强的鲁棒性,烟雾图像的检测率也显著优于未改进的传统算法。

瓶装矿泉水在出厂前需要检测里面是否存在悬浮物颗粒,目前主要是靠人工观察,这种方法费时费力,而且依赖人工的主观感觉,检测效果不好。针对这一问题,基于机器视觉技术,建立了一种瓶装矿泉水中悬浮物颗粒自动检测方法,包括图像采集、悬浮物颗粒目标识别、数量统计及尺寸参数检测等图像分析处理流程。在此基础上,设计了瓶装矿泉水中悬浮物颗粒自动检测装置,阐述了该装置的结构及工作原理,进行了瓶装矿泉水中悬浮物颗粒检测实验。检测实验结果表明,本文提出的方法可从定性和定量两个方面对瓶装矿泉水中是否存在悬浮物颗粒进行检测,悬浮物颗粒数量统计准确,悬浮物颗粒的尺寸检测的最大误差为0.28 mm,相对误差小于6.8%,具有较高的精确度。将上述装置及方法用于瓶装矿泉水出厂前检测,具有检测准确、节约人力、工作效率高、操作简单的特点。

针对管道内壁缺陷深度检测的问题,建立了一种基于电涡流主动热激励的红外热成像管道缺陷深度检测方法。阐述了红外热成像管道缺陷深度检测的机理,针对埋地管道检测对热激励的特殊要求,设计了参数可调控的电涡流热激励实验装置,按照管道内壁形状制作了检测试件,通过基于电涡流的主动热激励实验,分析了谐振频率、提离高度、输入电功率这3个重要参数对热激励效率的影响,并得出它们的优化值。在此基础上,对预先设计带有不同深度缺陷的检测试件进行主动热激励,并获取其红外热图像,通过分析热图像数据发现,缺陷与非缺陷区域间灰度均值的差值随缺陷深度的变化而变化,一在定条件下二者呈单值对应关系,且具有较好的线性度。利用这一规律,通过实验数据拟合建立了槽形缺陷和圆形缺陷的深度检测模型,实验测试显示所建立的模型具有一定的检测精度。研究结果表明:在优化的电涡流主动热激励条件下,可以通过红外热图像计算出缺陷深度,所提出的基于电涡流主动热激励的红外热成像管道缺陷深度检测方法具有可行性。