WIKI资讯
WIKI资讯
摘要： 针对化纤外观缺陷检测使用基于深度学习的语义分割方法，总结了自2014年以来基于深度学习的典型语义分割方法，并在此基础上应用到化纤外观检测项目上，取得了不错的效果。 01 化纤外观缺陷检测背景 化纤作为纺织制造的原料，由化纤生产企业进入下游纺织企业前会收卷形成丝饼，但在丝饼生产中会有不同程度的损伤，如产生油污、毛丝、绊丝、断丝等表面缺陷，这些缺陷会直接造成下游纺织企业生产的产品质量不高。油污会影响织物的外观以及上色；毛丝会使织造效率降低，同时使织物表面产生瑕疵；绊丝不仅会影响化纤的包装外观，而且在化纤后续加工容易产生断头和毛丝；而断丝则直接导致化纤的不连续。因此需要对化纤丝饼进行影响织物质量的表面缺陷检测，以确保化纤出厂质量。目前大部分生产厂家通过人工来检测化纤外观缺陷，既费时费力又不能保证质量，使用机器视觉代替人工检测对化纤生产企业是迫切需要的。 化纤外观缺陷主要包括油污、碰毛、纸管破损、绊丝、毛......阅读全文
摘要： 针对化纤外观缺陷检测使用基于深度学习的语义分割方法，总结了自2014年以来基于深度学习的典型语义分割方法，并在此基础上应用到化纤外观检测项目上，取得了不错的效果。 01 化纤外观缺陷检测背景 化纤作为纺织制造的原料，由化纤生产企业进入下游纺织企业前会收卷形成丝饼，但在丝饼
不同生长阶段顶视相机角度下进行稻穗分割近日华中农业大学和华中科技大学联合作物表型研究团队在《Plant Methods》杂志上发表题为：Panicle-SEG: A robust image segmentation method for rice panicles in the field b
基于CNN的语义分割应用于沟槽轮廓图像以研究作物根系分布情况由于土壤中的养分和水分分布不均，影响作物生长和产量的根系体系是土壤根系分布的重要组成部分。耕地中的养分分布取决于耕地面积，耕作方法和施肥系统。为此，根系分布受耕作和施肥影响。 现代农业通常使用高输入设备，使位于地表附近的耕层土壤变
据Nature最新报道，艾伦细胞科学研究所（Allen Institute for Cell Science）发布的网站Allen Cell Explore，包含数千个干细胞的三维立体图像，不止是发现每个细胞的独特外观，通过深度学习算法，该研究所还对细胞的外观进行了预测。改变一个基因对细胞整体而
近日，中国科学院沈阳自动化研究所与英国爱丁堡机器人中心合作研究取得新进展，提出了一种在动态、非结构环境下基于深度强化学习的移动机械臂自主作业方法，将最新的人工智能学习理论成功应用于真实的复杂移动机械臂控制。相关研究成果发表于期刊Sensors。 机器人在空间、陆地和水下等大量动态、非结构环境下
美国普渡大学的研究人员开发出一种基于热映像的计算机图像分割算法，可使计算机迅速识别出物体的外形，即便其发生扭曲或轻度变形也不会受到影响。该技术将使机器视觉与人类视觉更加接近，可广泛应用于图像搜索、医疗影像以及无人机制造等多个领域。详细研究结果将分为两篇论文，在6月21日至23日举行的IEEE(美
近日，中国科学院空天信息研究院数字地球重点实验室研究员王超团队首次公开了SAR图像船舶检测数据集。该数据集来自于多源、多模式SAR图像。基于此数据集，该团队实现了复杂背景下的商船检测与分类一体化深度学习处理系统，在无需海陆分割的基础上，实现商用船舶的近实时自动检测与分类，为我国国产高分3号的业务
蛋白质是生命活动的物质基础和主要承担者，许多重要的蛋白质以复合物或多聚体形式参与信号转导、离子转运、免疫响应等众多生理过程，蛋白质的化学计量组成与其生物功能的调控及多种疾病的发生发展密切相关。因此，在生理条件下定量表征蛋白质的化学计量比（亚基组成数或蛋白聚集状态），对于研究蛋白质的相互作用、阐明
在Google I/O 2016的主题演讲进入尾声时，谷歌的CEO皮采提到了一项他们这段时间在AI和机器学习上取得的成果，一款叫做Tensor Processing Unit（张量处理单元）的处理器，简称TPU。在这个月看来，第一代的TPU处理器已经过时。在昨天凌晨举行的谷歌I/O 2017
能够进行数据推理的第二代TPU第一代的TPU只能用于深度学习的第一阶段，而新版则能让神经网络对数据做出推论。谷歌大脑研究团队主管Jeff Dean表示：“我预计我们将更多的使用这些TPU来进行人工智能培训，让我们的实验周期变得更加快速。”“在设计第一代TPU产品的时候，我们已经建立了一个相对