1 浙江理工大学机械与自动控制学院, 浙江 杭州 310018
2 浙江工商大学信息与电子工程学院, 浙江 杭州 310018
针对车载导航导光板图像纹理背景复杂渐变、亮度不均匀、缺陷细微且类型多等特点,并根据导光板光学特性、网点排列、缺陷成像效果等,结合轻量化与级联深度学习网络提出了一种缺陷快速检测方法。首先,根据导光板缺陷分布特点,通过改进卷积层连接与特征图下采样的方法,设计一轻量化二分类网络实现疑似缺陷区域的快速分割;其次,利用改进的ResNet网络构建多分类网络,并提出两阶段网络级联的方法,对分割的疑似缺陷区域提取多样化特征实现缺陷的精确分类;然后,采用固定窗口在完整导光板图像上滑动,将滑动窗口图像裁剪后批量输入级联网络进行缺陷的粗定位与分类;最后,利用工业现场采集的导光板图像自建数据集,并以此为基础进行了大量实验。实验结果表明:与其他导光板缺陷检测算法相比,本文算法在准确率与检测时间上得到显著提升,检测平均准确率达到98.4%,单张检测时间提升到1.95 s,准确率、实时性均达到工业检测要求。
激光与光电子学进展
2021, 58(14): 1410009
华南理工大学自动化科学与工程学院, 广东 广州 510641
搭建了基于视频的掌纹掌脉联合识别系统。首先对掌纹掌脉采用新的注册和识别方式,用系统获取的手掌运动视频来代替传统采集方式所获取的静态图像,认证时手掌无需刻意停留,只需横扫而过,有效地增强了认证的亲和性。提出了将旋转视频和横扫视频进行融合注册的新策略,从而确保了注册特征的丰富性和完整性,增强了系统对不同认证姿态的稳健性。为了提升已注册用户的识别速度,提出一种级联融合策略来进行识别。构建了一个包含100个手掌、1200段带有运动模糊的掌纹掌脉视频数据库,并在数据库上进行了大量仿真,结果显示新系统在915 ms的期望耗时内能够达到1.51%的等误率,验证了所构建新系统的有效性和实用性。
机器视觉 生物特征认证 掌纹识别 掌脉识别 级联融合
