前言：想要寫出一篇令人眼前一亮的文章嗎？我們特意為您整理了5篇識別技術(shù)范文，相信會為您的寫作帶來幫助，發(fā)現(xiàn)更多的寫作思路和靈感。

識別技術(shù)范文第1篇

在之后，汽車技術(shù)中又出現(xiàn)了車輛可以自動識別路段限速標(biāo)志的技術(shù)。歐寶首先在Insignia上安裝了能夠讀懂限速交通標(biāo)志并報警車道偏離的系統(tǒng)，交通標(biāo)志識別功能能夠讀出路邊限速并把具體數(shù)字反映在儀表上。交通標(biāo)志大概在距離標(biāo)志100m時就能夠讀到，不會錯過任何一個限速標(biāo)志，讓駕駛員可以把精力更多地集中在駕駛上。

隨著主動巡航控制系統(tǒng)的出現(xiàn)，使長途駕駛更加輕松，大大緩解了司機(jī)長途駕駛的疲勞強(qiáng)度，營造出了更輕松的駕駛氣氛。主動巡航控制類似于傳統(tǒng)的巡航控制，同樣是保持設(shè)定的車速，不同的是新系y能夠自動調(diào)節(jié)車速以保證與前車有足夠的安全距離。系統(tǒng)通過雷達(dá)傳感器、數(shù)字信號處理器和控制模塊。司機(jī)設(shè)定所希望的車速，系統(tǒng)利用低功率雷達(dá)或紅外線光束得到前車的確切位置，如果發(fā)現(xiàn)前車減速或監(jiān)測到新目標(biāo)，系統(tǒng)就會發(fā)送執(zhí)行信號給發(fā)動機(jī)或制動系統(tǒng)來降低車速。當(dāng)?shù)缆非胺經(jīng)]車時又會加速恢復(fù)到設(shè)定的車速，系統(tǒng)會自動監(jiān)測下一個目標(biāo)。當(dāng)年TRW制造的77-GHz雷達(dá)能探測到150m范圍，車速的調(diào)節(jié)范圍從30km/ h到180km/h。德爾福76-GHz也能夠監(jiān)測到150m范圍，最低控制車速是32km/h。

由駕駛員設(shè)定車速和車距，當(dāng)系統(tǒng)監(jiān)測到前方車速減慢時還會提醒駕駛員。當(dāng)遇到前方車速很慢必須剎車時會發(fā)出聲音和視覺報警以提醒駕駛員。好處是可以便利地管理車速和車距，使巡航適合于更多的路況，營造一種更輕松的駕駛氣氛，可以在塵土飛揚(yáng)、冰面、白天、夜晚、雨、霧、雪各種駕駛環(huán)境使用，很少出現(xiàn)錯誤報警。寶馬的5系、7系，奔馳S級、奧迪A8、凱迪拉克XLR、無限Q45等車型都已經(jīng)提供主動巡航系統(tǒng)。

博世于2013年實現(xiàn)量產(chǎn)的博世中距離雷達(dá)傳感器（MRR）采用了在全球范圍永久分配給汽車?yán)走_(dá)的高容量77Ghz頻段，適用于全球車輛平臺。除此之外，博世第二代多功能攝像頭（MPC2）可以實現(xiàn)多重安全性和舒適，包括行人警告、前方碰撞警告、車道保持支持、道路標(biāo)志等，車輛制造商僅使用一個MPC2攝像頭即可將一系列駕駛員輔助功能集成到自己生產(chǎn)的車輛中，有效滿足立法者和行業(yè)組織所設(shè)立的不斷增加的安全標(biāo)準(zhǔn)。

在2015年的博世科技日上，博世展示了新一代自動緊急制動系統(tǒng)。作為預(yù)測性緊急制動系統(tǒng)在環(huán)視傳感器和ESP的集成系統(tǒng)之上，盡量減少車與車，或者車與任何弱勢群體碰撞，并將危害降到最低。我們可以看看安裝在梅斯德斯-奔馳A200上的“自動緊急制動―城市/城間”系統(tǒng)。當(dāng)車速高于30km/h時，在預(yù)測性緊急制動系統(tǒng)中的雷達(dá)探測到與障礙物的距離非常接近時，系統(tǒng)會做好準(zhǔn)備進(jìn)入緊急制動程序。如果駕駛員未對危險情況作出反應(yīng)，系統(tǒng)會通過一個聽覺和/或視覺信號警告駕駛員，并隨之產(chǎn)生一個短促但可感知的間歇制動。然后緊急制動系統(tǒng)執(zhí)行部分制動，以降低車速并給駕駛員創(chuàng)造更多寶貴的反應(yīng)時間，一旦駕駛員踩下制動踏板，系統(tǒng)就會在制動時提供支持。為此，系統(tǒng)持續(xù)計算汽車為避免碰撞所需的減速度。如果系統(tǒng)識別到駕駛員的制動強(qiáng)度不夠，則會增加制動壓力使車輛盡可能在障礙物前停止，以最大限度地避免碰撞。如果駕駛員未做出任何反應(yīng)并且系統(tǒng)預(yù)估碰撞不可避免，則會觸發(fā)完全制動，以盡可能地減輕碰撞傷害。

還有一種“自動緊急制動-弱勢道路使用者”，顧名思義，就是遭遇車輛前方突然出現(xiàn)行人時，實現(xiàn)自動緊急制動。就像眼前的這輛一汽大眾高爾夫7，依靠立體攝像頭來判別突然出現(xiàn)的行人。這項功能在國內(nèi)也是很實用的，因為你很可能遭遇在街邊停放車輛的后面突然跑出一位行人的情況，再采取人工制動可能就晚了。歐洲新車安全評價規(guī)則（EuroNCAP）規(guī)定自2014年起，沒有配備相關(guān)駕駛員輔助系統(tǒng)的新車型就無法獲得五星安全評定，其中就包括自動緊急制動系統(tǒng)。中國新車安全評價規(guī)則也同樣強(qiáng)調(diào)安全的重視性――2018年新版CNCAP將會把自動緊急制動系統(tǒng)納入到評分體系中。

緊急制動系統(tǒng)通常需要借助雷達(dá)傳感器或是雷達(dá)與視頻傳感器相結(jié)合才能實現(xiàn)，而博世在2015年開發(fā)的立體攝像頭僅靠視頻數(shù)據(jù)便可實現(xiàn)緊急制動系統(tǒng)，這一系統(tǒng)已經(jīng)安裝在路虎全新發(fā)現(xiàn)運(yùn)動版。借助于感光鏡頭和視頻傳感器，攝像頭可以覆蓋50°的水平視野，并能在超過50m的距離進(jìn)行3D測量。一旦立體攝像頭識別出道路前方有車輛阻礙，緊急制動系統(tǒng)便及時進(jìn)入預(yù)備狀態(tài)。如果司機(jī)沒有做出反應(yīng)，系統(tǒng)就會啟動最大制動功能。緊急制動系統(tǒng)是目前最為有效的汽車輔助系統(tǒng)之一。在德國，緊急制動可避免高達(dá)72%因追尾造成的人身傷害。

在2016年春天的北京國際車展上，長安汽車展臺上的一輛銀色睿騁很是引人注目，因為它是從重慶長安研究總院出發(fā)駛上高速，途經(jīng)西安、鄭州總里程超過2000km來到了北京車展。這輛改裝的睿騁可以實現(xiàn)停走型自適應(yīng)巡航、自動沿著單車道進(jìn)行自動駕駛、高速公路的交通擁堵輔助等功能。此外在駕駛員提出請求或確認(rèn)后可以主動更換車道并實現(xiàn)超車換道。這輛睿騁的駕駛員輔助系統(tǒng)雷達(dá)傳感器等部件就來自博世。

長安睿騁配備了博世的高速公路輔助系統(tǒng)，5個中距離雷達(dá)傳感器加1個智能攝像頭的配置，輕松實現(xiàn)從重慶到北京長達(dá)2000km的自動駕駛長途試駕。通過配備博世的雷達(dá)傳感器（前/后）和智能攝像頭，該功能可在0～130km/h 的速度范圍內(nèi)實現(xiàn)高速公路部分自動駕駛，包括縱向和橫向的自動引導(dǎo)。當(dāng)角雷達(dá)和后雷達(dá)探測到變道的可能時，在得到駕駛員確認(rèn)后可實現(xiàn)自動變道，在極大程度上緩解了高速公路單調(diào)乏味的駕駛，從而實現(xiàn)安全、輕松的行駛。

識別技術(shù)范文第2篇

關(guān)鍵詞：足跡識別；步態(tài)識別；身份認(rèn)證

足跡是人自重和人體肌力通過足作用于地面等物質(zhì)客體上形成的痕跡。在沒有指紋及DNA等相關(guān)證據(jù)的現(xiàn)場，足跡極有可能是唯一的案件偵破突破口，其重要性不言而喻。足跡按照是否有深度或高度信息可分為立體足跡與平面足跡。立體足跡包含豐富的生理特征和行為特征，是足跡檢驗鑒定方面的重要研究對象。

一、國內(nèi)研究進(jìn)展

（一）人工足跡檢驗人工足跡檢驗以點、線、面幾何信息的形象描述為主，輔以人工的加工測量手段獲取足跡特征。一般人難于提取和識別這些特征，只有領(lǐng)域?qū)＜矣羞@方面的能力，因此這些特征也被稱為足跡“專家特征”。對于這些特征，由于領(lǐng)域?qū)＜业闹R結(jié)構(gòu)的差異，對于同一案件，專家結(jié)論可能出現(xiàn)對立的局面。因此，人工足跡檢驗結(jié)果不在法院直接采信的證據(jù)范疇內(nèi)。1.形象特征檢驗形象特征檢驗是直接比對足跡形象特征的方法，包括但不僅限于大小、寬窄、腳底拓?fù)浣Y(jié)構(gòu)、花紋、磨損等形象特征。這種方法直觀、容易掌握，對于同一環(huán)境、同一雙鞋有著不錯的比對效果。2.步法檢驗20世紀(jì)50年代馬玉林等人提出并實踐了步法檢驗，使用17種單腳步態(tài)特征和雙腳步幅特征進(jìn)行同一性認(rèn)定。由于該方法對足跡數(shù)量和質(zhì)量要求較高，對城鎮(zhèn)等足跡成痕環(huán)境較差的場所，適應(yīng)能力較弱。3.單足跡檢驗20世紀(jì)70年代，在步法檢驗的基礎(chǔ)上，對單足跡的特征提取及檢驗方法進(jìn)行了深入研究。這種測出單足跡的幾何特征，估計人的生理和行為特征，并進(jìn)行人身認(rèn)定的方法被稱為單足跡檢驗。該方法對于身高、年齡、性別、體態(tài)有較好的檢驗效果。但是，由于單足跡的重復(fù)率高，隨機(jī)性大，直接進(jìn)行認(rèn)定比較困難。4.單足跡比對檢驗單足跡比對檢驗相對于單足跡檢驗增加了兩枚足跡比較的環(huán)節(jié)，判定兩枚足跡是否為同一人所為。該方法適應(yīng)性較強(qiáng)，結(jié)論相對較可靠。但是，單足跡特征受成痕主體與成痕環(huán)境的影響大，提取與識別困難，只有少數(shù)領(lǐng)域?qū)＜艺莆赵摲椒ㄅc技術(shù)。5.磨損特征檢驗?zāi)p特征檢驗是用由運(yùn)動、生理結(jié)構(gòu)、動力定型等因素綜合作用形成的相對穩(wěn)定的鞋底磨損特征對鞋及人進(jìn)行同一性認(rèn)定的方法。它可用于不同種類鞋子認(rèn)定，是足跡檢驗技術(shù)的重大進(jìn)步，但是，在實際檢驗應(yīng)用中對磨損程度、磨損形態(tài)較難理解和掌握。

（二）定量化足跡檢驗20世紀(jì)80年代，痕跡檢驗技術(shù)的發(fā)展及技術(shù)革新需求促進(jìn)了足跡特征定量化技術(shù)的發(fā)展。周口市公安局王清舉與北方工業(yè)大學(xué)及公安部832廠等單位聯(lián)合研制了“CZG-1立體足跡高程測量儀”及換代產(chǎn)品“JLH-A面陣式深度數(shù)據(jù)測量儀”，用力學(xué)、模糊數(shù)學(xué)量化成趟足跡中步長、步寬、步角等特征，便于足跡檢驗，降低檢驗門檻。河北省雄縣劉樹權(quán)在20世紀(jì)80年代中期將力平衡及軌跡參數(shù)化運(yùn)用到足跡檢驗中，提出了足跡動力形態(tài)檢驗方法，與南開大學(xué)合作開發(fā)了“足跡計算機(jī)自動鑒定系統(tǒng)”。這兩種方法在量化足跡特征基礎(chǔ)上，研制了足跡鑒定系統(tǒng)，自動化程度高、學(xué)習(xí)使用起來更加方便，鑒定結(jié)果更加客觀公正。但是，這兩種方法依然是以步法檢驗為基礎(chǔ)，對動力定型所形成的運(yùn)步方式的參數(shù)化，足跡的提取、足跡特征的提取必須由人手工完成，自動化程度還不夠高，沒有擺脫足跡“專家特征”的約束。

（三）自動化足跡檢驗20世紀(jì)90年代以來，足跡檢驗受到了公安部的高度重視，重點攻關(guān)足跡分析和識別自動化技術(shù)。信息工程大學(xué)平西建團(tuán)隊從1995年開始研究立體足跡的檢驗鑒別。用傳統(tǒng)石膏制模方式采集立體足跡，在生物特征識別、三維數(shù)據(jù)分析、造型等方面的研究較深入。王淡用Bezier和B樣條曲面進(jìn)行足跡三維曲面重建。田越提出了基于曲線形狀分析的三維表面識別方法。應(yīng)用該技術(shù)，與河南省周口市公安局開發(fā)了“基于重壓面形狀分析的立體足跡造型與識別系統(tǒng)”，但是，該方法要求深度基準(zhǔn)面一致。肖著提出了表面法向量分布曲線識別法解決深度基準(zhǔn)面問題。該方法雖然能夠應(yīng)對基準(zhǔn)面不一致的問題，但是分布曲線特征屬于全局特征，忽略了局部特征，不適用識別復(fù)雜三維表面。丁益洪為了提高足跡采集分辨率，提出了立體足跡深度圖像分割方法。在此基礎(chǔ)上，考慮足部骨骼生理特征，提出了描述立體赤足跡三維表面形態(tài)特征的參數(shù)模型圖，用形狀特征參數(shù)化足跡模型。這種同一性鑒別實驗的正確率為79%。苗良在建立的立體足跡圖像坐標(biāo)系內(nèi)，將足跡的幾何特征及其拓?fù)潢P(guān)系參數(shù)化，通過統(tǒng)計分析得到了足跡與身高、年齡、性別、體型之間的關(guān)系。平西建團(tuán)隊對立體足跡的研究深入且有代表性，尤其在三維數(shù)據(jù)分析、造型方面。不過，由于用石膏制模方式采集立體足跡，效率較低。大連海事大學(xué)裴偉開展了基于多尺度Gabor變換的平面足跡檢索算法研究，在6000枚犯罪現(xiàn)場足跡庫中，取128枚64組足跡互相檢索，排在前20位的比例是85.2%，排在前100位的比例是100%。大連恒銳股份有限公司的“恒銳足跡自動識別系統(tǒng)”于2007年3月26日通過了公安部科技局組織的技術(shù)鑒定，鑒定結(jié)論為整體技術(shù)達(dá)到國際先進(jìn)水平，于2008年被公安部科技局確定為2008年度科技成果重點推廣項目。2010年9月“鞋樣本數(shù)據(jù)庫在線服務(wù)平臺”正式開通，數(shù)據(jù)庫保存了來自全國各地近千個品牌的男鞋鞋樣10萬余款，包含運(yùn)動鞋、皮鞋、休閑鞋等款式，目前為25萬余款。

二、國外研究進(jìn)展

國外足跡檢驗的歷史雖然沒有國內(nèi)那么悠久，但作為重要的痕檢證據(jù)，領(lǐng)域?qū)＜覍W(xué)者也開展了形式多樣的各種技術(shù)研究，促進(jìn)了足跡檢驗技術(shù)的發(fā)展和完善。Kanchan研究了足跡與人體年齡、身高、性別的關(guān)系，并給出人的足跡具有唯一性的結(jié)論。Massey用成年雙胞胎的足跡差異性進(jìn)一步印證了該結(jié)論。Hemy用足和足跡的10條直線分布特征估計人的性別，在200個成年樣本中，對男性識別較準(zhǔn)，交叉校驗使識別率從71%提高到91%。Periyasamy探討了足底壓力分布與性別的關(guān)系。Jasuja研究了人行走時步幅和身高的關(guān)系。Bertani研究了不同年齡、性別、腳支撐的老人的足弓類型對腳底壓力分布的影響，發(fā)現(xiàn)足弓越高腳底峰值壓力越大，非支撐腳比支撐腳的足弓高，隨著年齡的增大，足弓變低，女性的更低，這可能與腳底肌肉僵硬有關(guān)。Bouridane等用相位相關(guān)濾波器（PhaseOnlyCorrelation,POC）和組合相關(guān)濾波器（AdvancedCorrelationFilters,ACFs）中的無約束最佳權(quán)衡綜合鑒別函數(shù)（UnconstrainedOptimumTrade-offSyntheticDiscriminantFunction,UOTSDF）濾波器進(jìn)行足跡檢索，以峰值旁瓣比（Peak-to-SidelobeRatio,PSR）為指標(biāo)，在5200枚的足跡庫中的平均識別率為86.61%，不足在于POC對旋轉(zhuǎn)敏感，ACFs對噪聲敏感。Bouridane聯(lián)合Harris、Hessian和SIFT為新的縮放、旋轉(zhuǎn)不變算子，在300枚的足跡庫中，多種情況（旋轉(zhuǎn)、縮放、噪聲、殘缺及多種組合）的測試結(jié)果表明排在前10位的比例為68.5%—100%。由于聯(lián)合了多個檢測子，速度較慢；足跡庫較小，也并非現(xiàn)場庫。AmbethKumar用歸一化平面赤足跡加權(quán)方向差與位置差進(jìn)行識別，該研究使用的樣本集較小。Massey使用960個墨拓足跡，提取96000個形狀特征進(jìn)行識別，確定二維赤足足跡可進(jìn)行身份鑒別，但是該方法的特征提取自動化程度低，需人工干預(yù)。Zheng用行進(jìn)中動態(tài)變化的足壓力特征進(jìn)行鑒別。TRADEMARKTM是由CSIEquipment公司在2006年開發(fā)的一套足跡標(biāo)識分析識別系統(tǒng)。CSIEquipment公司聲稱系統(tǒng)是當(dāng)時唯一一套利用類別、大小、損傷、磨損識別足跡，自動將足跡與嫌疑人數(shù)據(jù)庫、犯罪現(xiàn)場數(shù)據(jù)庫比對的檢索系統(tǒng)。

“自動”是指比對和查詢過程。事實上，該系統(tǒng)仍需用戶根據(jù)分類或其它方式編碼。與其它足跡系統(tǒng)不同的是，它需要用戶指出查詢足跡出現(xiàn)特征的位置。SICAR是由英國Foster&Freeman公司在2006年開發(fā)的商用足跡檢索分類系統(tǒng)，已被英國警察部門及法醫(yī)部門采用。最新版是SICAR?6，可以在嫌疑人和犯罪現(xiàn)場數(shù)據(jù)庫檢索足跡。該系統(tǒng)將花紋特征分為線形、波形、曲折形、圓形、菱形和塊狀等類別，同其它半自動系統(tǒng)一樣，也需用戶把足跡人工分類并對足跡特征進(jìn)行編碼。Chazal建立了一種全自動足跡分類系統(tǒng)，用多個旋轉(zhuǎn)法向功率譜密度作為花紋特征。為了減少灰度變化率，高低頻信息被剔除，只保留足跡信息。Chazal測試了1000枚足跡，同組相似足跡排在第一位的比例為67%。ZHANG建立了一種基于輪廓邊緣特征信息的足跡識別系統(tǒng)，用邊緣方向直方圖檢索足跡圖像，檢索實驗在512枚足跡庫中進(jìn)行。他們用仿真的旋轉(zhuǎn)、尺度變換、高斯噪聲圖片，評價該方法在不同情況下的魯棒性，準(zhǔn)確率為85.7%。Pavlou用SIFT描述MSER提取的特征，用光譜特征精匹配，在374枚足跡庫中進(jìn)行檢索實驗，排在第1位的比例為87%，排在前8的比例為92%，但系統(tǒng)對信噪比的要求十分高。Gao使用多尺度曲率分析方法將鞋底花紋分為凸凹兩類，然后在多尺度空間用不斷修改足跡輪廓模型的方式剔除三維特征中的異常數(shù)據(jù)，實現(xiàn)特征提取和分類。Tang使用線、圓、橢圓等基本形狀特征和屬性關(guān)系圖檢索圖像。使用300枚真實場景的足跡圖像及2660枚變換后的圖像作為測試庫，排在前10%的比例為73%。Gamage開發(fā)了非常有代表性的三維激光足跡采集儀，由兩臺激光器和一臺攝像機(jī)構(gòu)成，X、Y、Z的軸向精度分別為0.2369mm、0.0438mm、0.5mm，掃面速度為1.2138mm/s，實驗中僅足跡掃面時間就為371.533秒，視頻分辨率為1920×1088，大小為1.03GB。整體而言，國外在足跡檢驗方面的特點是，起步晚，以研究平面足跡檢索檢驗為主，多是在小樣本非犯罪現(xiàn)場足跡庫中進(jìn)行檢索試驗，水平和國內(nèi)相當(dāng)。

三、結(jié)論與展望

足跡鑒別技術(shù)在幾千年的發(fā)展中，取得眾多研究進(jìn)步和技術(shù)突破，是經(jīng)得起歷史長河考驗的生物特征鑒別技術(shù)，在歷史舞臺上延續(xù)著其特有光芒的同時，也向人類提出了更高的要求。成痕主體、成痕環(huán)境的變化對痕跡采集及鑒別技術(shù)提出了新的挑戰(zhàn)。一方面，隨著罪犯的受教育程度及學(xué)習(xí)能力的提高，罪犯的反偵查手段花樣百出，現(xiàn)場能提取到的有效證據(jù)越來越少，很多情況下，足跡可能是唯一的現(xiàn)場遺留證據(jù)，足跡鑒別成了偵破案件的唯一希望。另一方面，足跡“專家特征”限制、采集自動化程度低、殘缺破損足跡困擾、理論基礎(chǔ)薄弱等問題嚴(yán)重影響了足跡鑒定的速度和精度，阻礙了案件的偵破。將更新、更優(yōu)的技術(shù)引入實戰(zhàn)，提高采集設(shè)備的自動化、小型化，“專家特征”的數(shù)學(xué)化、科學(xué)化，分析過程的智能化、網(wǎng)絡(luò)化，理論支撐的全面化、深刻化，特殊情況的專業(yè)化、綜合化是足跡識別技術(shù)的發(fā)展方向。（一）足跡高效采集將物聯(lián)網(wǎng)技術(shù)、片上實驗室技術(shù)應(yīng)用到足跡采集設(shè)備上，適應(yīng)復(fù)雜多變的成痕環(huán)境，克服常用足跡采集儀的笨重、昂貴、采集速度慢、精度低等缺點，快速準(zhǔn)確非接觸地獲取犯罪現(xiàn)場的立體足跡數(shù)據(jù)，為鎖定犯罪嫌疑人提供硬件保障。（二）步態(tài)與立體足跡互識別以生物控制論為指導(dǎo)，建立骨肌系統(tǒng)動力學(xué)模型及控制機(jī)制，揭示足造痕的本質(zhì)，實現(xiàn)立體足跡、步態(tài)、人的三點一線，完善足跡檢驗鑒定理論體系。（三）平面足跡與立體足跡互識別以人體解剖學(xué)為基礎(chǔ)，將增強(qiáng)現(xiàn)實技術(shù)與深度學(xué)習(xí)技術(shù)相結(jié)合，使自成體系的平面足跡特征與立體足跡特征能夠在統(tǒng)一的框架下互聯(lián)互查，實現(xiàn)跨平臺的特征刻畫與檢驗鑒定。（四）殘缺破損足跡與完整足跡互識別將數(shù)據(jù)挖掘技術(shù)與腦認(rèn)知技術(shù)相結(jié)合，透過現(xiàn)象抓住本質(zhì)，將殘缺破損足跡與完整足跡在特征空間配準(zhǔn)，實現(xiàn)殘缺破損足跡的檢驗鑒定。

參考文獻(xiàn)：

[1]Y.Tang,S.N.Srihari.Likelihoodratioestimationinforensicidentificationusingsimilarityandrarity.PatternRecognition,2014,47:945-958.

[2]S.Almaadeed,A.Bouridane,D.CrookesandO.Nibouche.Partialshoeprintretrievalusingmultiplepoint-of-interestdetectorsandSIFTdescriptors.IntegratedComputer-AidedEngineering,2015(22):41-58.

[3]W.Pei,Y.Y.Zhu,C.Liu,Z.Y.Xia.Non-uniformitycorrectionforSLMmicroscopicimages.ImageandVisionComputing,2009,27(6):782-789.

識別技術(shù)范文第3篇

【關(guān)鍵字】 生物識別 認(rèn)證 安全

一、引言

所謂生物識別技術(shù)就是指通過計算機(jī)與光學(xué)、聲學(xué)、生物傳感器和生物統(tǒng)計學(xué)原理等高科技手段密切結(jié)合，利用人體固有的生理特征和行為特征來進(jìn)行個人身份的鑒定[1]。生物識別技術(shù)可廣泛應(yīng)用于政府、軍隊、銀行、社會福利保障、電子商務(wù)、安全防務(wù)等[2]，因此對生物識別的技術(shù)發(fā)展進(jìn)行分析是非常必要的。

二、生物識別技術(shù)發(fā)展

在生物識別專利中，關(guān)于指紋識別的專利數(shù)量占到了49%，其次是面部識別33%，聲音識別9%，虹膜識別6%，從1990年至今，生物識別技術(shù)專利每年的申請量都呈遞增趨勢，根據(jù)專利數(shù)量申請人的統(tǒng)計，在生物識別領(lǐng)域，索尼，LG和三星的專利申請數(shù)量處于領(lǐng)先地位。

三星公司于1998年開始了生物識別的專利申請，CN1286787A提出了關(guān)于手機(jī)聲音識別的技術(shù)方案，其后的專利申請CN1399247A提出了提高語音識別率的技術(shù)方案，還有涉及指紋識別（CN1484425A）、（CN1689025A）、（CN101753869A）、（CN101562700A）、面部識別（CN1855118A）、（CN101408929A）、（CN101414348A）等。

索尼公司1996年的專利申請CN1151573A提出了聲音識別的方法，還有涉及面部識別的專利（CN101281595A）、（CN101377814A）、（CN102067127A）、（CN102334115A）、（CN102640149A），聲音識別專利（CN102576530A）、（CN102262644A）。

LG公司2002年的專利申請CN1430177A提出了虹膜識別的方法，其涉及的虹膜識別專利（CN1439998A）、（CN1452118A）、（CN1515952A），指紋識別專利（CN1674036A）、（CN1674037A）、（CN1829364A）以及面部識別專利（CN103546627A）。

隸屬于LG公司的樂金電子公司也相應(yīng)的申請了涉及虹膜識別的專利（CN1635536A）、（CN1790373A）、（CN1924886A）、（CN1924887A）、（CN1932839A）、（CN1936920A）、（CN1940959A）、（CN1874422A），指紋識別專利（CN1719453A）、（CN1805470A）、（CN17050474A）、（CN1766904A）、（CN1738463A）、（CN1797422A），聲音識別專利（CN1889035A）、（CN1941078A）等。

可見，不同的公司研究的側(cè)重點不一樣，三星公司的專利以指紋識別專利為主，索尼公司的專利以面部識別專利為主，LG公司的專利以虹膜識別專利為主。

國內(nèi)主要申請人是諸如北京航空航天大學(xué)等大專院校和華為和中興，北京航空航天大學(xué)的申請涉及基于生物特征

水印的安全認(rèn)證方法（CN102306305A）、（CN101262481A）；華為公司涉及使用生物證書進(jìn)行生物認(rèn)證的方法（CN101123499A），還有其他涉及相關(guān)專利（CN101075868A）、（CN101051895）、（CN103106736）等；

四川長虹電器股份有限公司涉及識別的專利（CN103607599A），還有其他涉及相關(guān)專利（CN103441909A）、（CN103279747A）。

總體而言，上述國內(nèi)申請的專利申請時間相對國外而言比較晚，可見，國內(nèi)的公司關(guān)于生物識別的研究比較晚，研究不夠。

三、展望

伴隨認(rèn)證智能化的步伐，生物識別技術(shù)走進(jìn)人們的視線。初期，生物識別技術(shù)發(fā)展緩慢，過程曲折，2006 年之后，生物識別技術(shù)研發(fā)環(huán)境相對成熟，該領(lǐng)域進(jìn)入快速發(fā)展期，更多的企業(yè)加入到該領(lǐng)域的競爭當(dāng)中，更多的新方案被提出。

參 考 文 獻(xiàn)

[1] 孫冬梅等. 生物識別技術(shù)綜述：電子學(xué)報，第29卷第12期，2001年12月.

識別技術(shù)范文第4篇

1基地專家遠(yuǎn)程操控

基地技術(shù)支持中心的專家通過遠(yuǎn)程錄井平臺操控現(xiàn)場小隊的計算機(jī)，根據(jù)巖屑定名和分析的需求，通過登錄現(xiàn)場計算機(jī)控制巖屑圖像采集儀的方式，對目標(biāo)巖屑進(jìn)行遠(yuǎn)程圖像拍攝，保存入庫并通過遠(yuǎn)程錄井平臺上傳至基地技術(shù)支持中心。

2巖屑遠(yuǎn)程識別分析

2．1巖屑圖像量化分析基地專家通過現(xiàn)場傳回來的巖屑圖像或通過登錄遠(yuǎn)程錄井平臺對現(xiàn)場拍攝的巖屑圖像進(jìn)行巖屑顏色、熒光和粒徑分析（圖1），量化巖屑顏色數(shù)據(jù)、熒光面積數(shù)據(jù)和粒度數(shù)據(jù)，為巖屑定名提供依據(jù)，并生成巖屑圖像報告。

2．2礦物成分識別基地專家為對巖屑圖像進(jìn)行遠(yuǎn)程巖性成分的識別，在拍攝過程中視巖屑顆粒大小確定不同的放大倍數(shù)，根據(jù)巖屑不同成分鏡下顯現(xiàn)的不同特征識別石英、長石等礦物成分及含量（圖3、圖4）；通過視頻語音系統(tǒng)與現(xiàn)場小隊人員互動交流，了解巖屑掉塊及清洗巖屑的難易程度，進(jìn)而通過專業(yè)知識、現(xiàn)場經(jīng)驗，結(jié)合區(qū)域標(biāo)志層及鄰井巖性特征，依據(jù)鉆時、定量熒光參數(shù)、地化參數(shù)、元素錄井參數(shù)、氣測全烴值、工程扭矩等參數(shù)變化特征，實現(xiàn)了巖屑成分遠(yuǎn)程識別。

2．3多井對比分析識別區(qū)域巖性通過遠(yuǎn)程錄井平臺，登陸現(xiàn)場采集系統(tǒng)，調(diào)出實鉆井巖屑剖面，通過多井對比分析系統(tǒng)將周圍鄰井進(jìn)行隨鉆地層對比分析

，查看標(biāo)志層、巖性、油氣顯示、層位變化、巖性組合、油水界面、對比關(guān)系等，判斷地層所鉆遇的層位界面、巖性和巖性組合特征，為實現(xiàn)專家遠(yuǎn)程識別巖性提供有效的依據(jù)。

3現(xiàn)場應(yīng)用

現(xiàn)場的巖屑通過遠(yuǎn)程識別技術(shù)得到了準(zhǔn)確的定名，對現(xiàn)場錄井的關(guān)鍵環(huán)節(jié)提供了保障，并在遼河油區(qū)的現(xiàn)場得到廣泛應(yīng)用。

3．1MG6－6－20井MG6－6－20井設(shè)計井深4373m，中生界角礫巖界面在4010m，設(shè)計要求揭開中生界角礫巖50m中途完井。2013年7月12日鉆至井深4080~4100m，在利用現(xiàn)場的錄井資料和相關(guān)參數(shù)進(jìn)行綜合判斷的同時，運(yùn)用多井對比系統(tǒng)進(jìn)行隨鉆地層對比、分析（圖5）?；丶夹g(shù)支持中心專家通過遠(yuǎn)程錄井系統(tǒng)，與現(xiàn)場進(jìn)行語音視頻溝通，同時對上傳的巖屑圖像進(jìn)行遠(yuǎn)程觀察描述，發(fā)現(xiàn)巖性、鉆時變化明顯：4090m之前巖屑中泥質(zhì)含量較多，顏色較深，巖性定為深灰泥巖；4090m之后巖屑中泥質(zhì)含量明顯變少，顏色變淺，巖性變純，成分以花崗巖塊為主，巖屑呈棱角狀，可見局部風(fēng)化現(xiàn)象，巖性定為淺灰色角礫巖。運(yùn)用遠(yuǎn)程巖屑成像系統(tǒng)已確認(rèn)巖性為角礫巖，經(jīng)多井對比系統(tǒng)進(jìn)行隨鉆地層對比分析認(rèn)為進(jìn)入中生界目的層；鉆時變小，可鉆性增強(qiáng)，證明進(jìn)入牙輪鉆頭易破碎的角礫巖上部風(fēng)化殼（圖6）。技術(shù)支持中心專家經(jīng)討論分析決定實施中途完井，后經(jīng)電測曲線證實專家決策正確。

3．2XG7－H265井基地專家通過遠(yuǎn)程錄井巖屑圖像觀察分析認(rèn)為，XG7－H265井的3872m和3874m兩包巖屑之間明顯是個地層界面，因為巖屑顏色和巖性明顯不同，成分多為石英、長石，巖屑逐包變純，因為巖屑顆粒形態(tài)也有所改變，以片狀居多；結(jié)合現(xiàn)場鉆時等參數(shù)和多井對比分析，基地專家一致認(rèn)為從3872m開始進(jìn)入潛山，巖性為混合花崗巖。后經(jīng)電測資料證實XG7－H265井從3872m進(jìn)入太古界地層（圖7），巖性為灰色混合花崗巖。

4結(jié)束語

識別技術(shù)范文第5篇

關(guān)鍵詞：無損檢測；射線檢測；焊縫；缺陷；自動識別

現(xiàn)代無損檢測技術(shù)在產(chǎn)品質(zhì)量控制和生產(chǎn)效率提升方面發(fā)揮著重要作用，常規(guī)無損檢測技術(shù)包括射線檢測、超聲檢測、渦流檢測、磁粉檢測等類型[1]，這些檢測技術(shù)各有優(yōu)勢，適用于不同的應(yīng)用場合。其中，以X射線檢測為代表的射線無損檢測技術(shù)具有高效、便捷、可定量判定等特點而受到廣泛應(yīng)用[2]。傳統(tǒng)的射線檢測主要通過膠片成像并判別缺陷，這種方法雖然技術(shù)簡單、分辨力強(qiáng)，但操作比較復(fù)雜、成像過程不好操作、檢測效率不高、難以實現(xiàn)自動化。近年來，數(shù)字化的射線成像系統(tǒng)應(yīng)用日益普遍，數(shù)字成像的最大優(yōu)點是便于缺陷的自動化識別，有效提高了檢測效率和自動化水平[3]?；诖耍疚囊院缚p缺陷檢測為例，對射線檢測的自動識別技術(shù)進(jìn)行了深入的探討。

1射線檢測基本原理

X射線是一種穿透能力極強(qiáng)的電磁波，通過穿透被測工件并檢測透射強(qiáng)度分布來反映工件內(nèi)部結(jié)構(gòu)信息，通過人工或自動分析，可以識別出缺陷的大小、尺寸和分布等情況。當(dāng)工件內(nèi)部存在缺陷時，由于缺陷與工件本身的材料往往不一致，因此對X射線的衰減程度是不一樣的，通過成像介質(zhì)在工作的另一側(cè)接收X射線的透射光并記錄下來，即可將缺陷的投影尺寸和形狀反射成像介質(zhì)上。射線檢測技術(shù)常常使用底片作為成像介質(zhì)，可以取得很高的分辨率，對氣孔、夾渣等缺陷有很高的檢出率，而且能夠準(zhǔn)確識別缺陷的性質(zhì)、數(shù)量、尺寸和分布情況。但對于具有方向性的缺陷，例如裂紋、分層，其檢出率則與射線穿透的方向有關(guān)，如果缺陷方向與射線穿透方向一致，則可能出現(xiàn)漏檢。隨著現(xiàn)代生產(chǎn)工藝水平的提高，各應(yīng)用場合都對檢測效率提出了更高的要求，例如生產(chǎn)流水線，要求實現(xiàn)自動化實時檢測，傳統(tǒng)的膠片成像技術(shù)顯著不再滿足需求。在此背景下，數(shù)字成像技術(shù)應(yīng)運(yùn)而生，為射線檢測缺陷的自動識別奠定了基礎(chǔ)。

2焊縫自動檢測的難點

焊縫檢測是無損檢測的重要應(yīng)用場景，也是無損檢測技術(shù)的優(yōu)勢應(yīng)用領(lǐng)域之一。材料在焊接時，由于工藝技術(shù)、設(shè)備條件、應(yīng)力變化、材料結(jié)構(gòu)、尺寸形狀等因素的影響，在焊縫中出現(xiàn)熱裂縫是十分常見的，而裂縫作為一種極度危險的缺陷類型，一旦在焊縫中發(fā)現(xiàn)則要求必須返修。在產(chǎn)品使用過程中，焊接件在高溫、高壓、腐蝕、疲勞、沖擊等惡劣環(huán)境下，也很基于射線檢測的焊縫缺陷自動識別技術(shù)研究孫文斐（濟(jì)南市計量檢定測試院，山東濟(jì)南，250101）摘要：本文介紹了射線檢測的基本原理，分析了射線檢測技術(shù)實現(xiàn)自動化的難點所在，分析焊縫檢測圖像的預(yù)處理過程和焊縫缺陷的特征提取方法，通過人工智能的方法實現(xiàn)了射線檢測的焊縫缺陷自動識別，取得了良好的效果。本文的研究可以為無損檢測技術(shù)的應(yīng)用提供借鑒，具有一定的現(xiàn)實意義。關(guān)鍵詞：無損檢測；射線檢測；焊縫；缺陷；自動識別中圖分類號：TH3文獻(xiàn)標(biāo)識碼：AResearchonAutomaticRecognitionTechnologyofWeldDefectsBasedonRadiographicInspectionSunWenfei(JinanMetrologicalVerificationandTestingInstitute,Ji’nanShandong,250101)Abstract:Thisarticleintroducesthebasicprinciplesofradiographicinspection,analyzesthedifficultiesofradiographicinspectiontechnologytoachieveautomation,analyzesthepreprocessingprocessofweldinspectionimagesandthefeatureextractionmethodofwelddefects,andrealizesradiographicinspectionthroughartificialintelligencemethods.Automaticidentificationofwelddefectshasachievedgoodresults.Theresearchinthisarticlecanprovideareferencefortheapplicationofnon-destructivetestingtechnologyandhascertainpracticalsignificance.Keywords:non-destructivetesting;radiographictesting;welds;defects;automaticidentificationDOI:10.16520/j.cnki.1000-8519.2022.04.007容易出現(xiàn)冷裂縫?？紤]到焊接件的生產(chǎn)規(guī)模通常很大，要求實時在線檢測，因此缺陷的識別過程也必須是自動化的。但是焊縫缺陷的自動識別有一定的難度，這主要是因為自動化識別涉及到圖像處理、信號分析、模式識別、人工智能等一系列技術(shù)，是一門綜合性的交叉技術(shù)。在射線檢測中，成像介質(zhì)上接收到的除了透射部分之外，還會包含許多雜亂的散射射線，使圖像信噪比降低，圖像對比度往往不高，這對于不規(guī)則線頭缺陷的識別造成了很大的不便。另外，由于焊縫缺陷類型較多，而不同的缺陷類型需要不同的識別算法和特征庫，不便于實際應(yīng)用。

3焊縫檢測圖像的預(yù)處理

檢測圖像的預(yù)處理是指在正式進(jìn)行自動判別之前，對質(zhì)量不高的圖像進(jìn)行初步的處理，提高圖像質(zhì)量的過程。X射線檢測圖像信噪比低、分辨率低、對比度低、灰度不均勻、邊緣不清晰，缺陷信息很有可能會湮滅在噪聲之中，缺陷判別難度很大。因此在焊縫檢測中，通常要對圖像進(jìn)行去噪等預(yù)處理。圖像降噪包括空間域和頻率域兩種方法，空間域方法包括領(lǐng)域平均法、中值濾波等；頻率域方法包括FFT、小波變換、低通濾波器等。

3.1小波去噪技術(shù)

小波去噪技術(shù)是基于小波變換理論的，它的數(shù)學(xué)本質(zhì)就是對一個母小波進(jìn)行伸縮和平穩(wěn)，對特定函數(shù)進(jìn)行最佳逼近。小波變換具有低熵性、多分辨率、去相關(guān)性和選基靈活性等優(yōu)勢，因而比傳統(tǒng)的FFT具有更好的時頻特性，在圖像信號處理領(lǐng)域得到廣泛的應(yīng)用。對于射線圖像來說，不同尺寸的缺陷在不同尺度中的小波系數(shù)也會有不同的體現(xiàn)，因此可以通過小波變換的方法對焊縫圖像進(jìn)行降噪處理。

3.2圖像增強(qiáng)技術(shù)

圖像降噪處理后，雖然噪聲得到了一定程度的消除，但原本的圖像在邊緣區(qū)域往往會變得模糊，這將對后續(xù)的特征提取帶來不良影響。因此可以采用圖像增強(qiáng)技術(shù)來銳化圖像邊緣，進(jìn)一步提高圖像的對比度。所謂圖像增強(qiáng)，就是根據(jù)實際需要，突出圖像中的特定信息，同時削弱圖像中無用的成分的一種處理過程。目前可以實現(xiàn)圖像增強(qiáng)的技術(shù)主要包括修整灰度、去模糊、平滑或消除噪聲等等方法，這些方法操作簡單、效果顯著，但在實際的使用中，為了提高圖像增強(qiáng)的效果，往往會采用幾種方法的組合。

3.3焊道識別

焊縫檢測主要針對焊縫區(qū)域的缺陷，對其它部位的缺陷不感興趣。但焊縫射線檢測的圖像區(qū)域往往較大，而區(qū)域中絕大部分是背景，焊縫只占了很小的一部分，因此在識別之前必須將識別區(qū)域準(zhǔn)確地鎖定在焊道區(qū)域上，這樣不僅可以減少其它區(qū)域的信號干擾，而且有效減少了處理的數(shù)據(jù)量，顯著提高處理效率。為了快速地在圖像中提取出焊道區(qū)域，本文采用了基于線灰度曲線的雙峰特性提取法，其基本思路是先計算出焊縫區(qū)域的大致中心線位置，然后再以這條中心線作為基準(zhǔn)，向兩邊各延伸一定的像素范圍作為焊道區(qū)域。由于圖像會在焊道邊緣區(qū)域產(chǎn)生突變，在像素曲線中表現(xiàn)為兩個峰值，因此在向基準(zhǔn)兩邊延伸的過程中，只要檢測到峰值的存在，就可以將該峰值所在的位置作為焊道的邊界，從而完成了焊道區(qū)域的自動識別。

4焊縫缺陷的特征提取

在一幅檢測圖像中會有大量的信息，但為了抓住圖像最本質(zhì)的特征，就需要對其進(jìn)行特征識別。在焊縫檢測中，就是要有效地提取出檢測圖像中的缺陷特征，但重要的特征往往很難識別，因此必須先掌握各種缺陷類型的基本特點。

4.1常見焊縫缺陷的分類

焊縫是一種特殊的材料和區(qū)域，它位于兩個待焊接件之間，通過高溫熔化焊接材料使兩個工件連接在一起。由于焊接過程中工藝技術(shù)、設(shè)備條件、應(yīng)力變化、材料結(jié)構(gòu)、尺寸形狀等因素均不相同，因此可能會出現(xiàn)各種不同的缺陷。根據(jù)不同的標(biāo)準(zhǔn)，可以將這些缺陷分為不同的種類，本文按照缺陷的性質(zhì)不同，將其大致分為裂紋、未焊透、未熔合、氣孔、夾渣等五大類。（1）裂紋。裂紋是受到焊接應(yīng)力和其它致脆因素的影響，在焊接區(qū)域的局部地區(qū)金屬原子結(jié)合力遇到破壞而出現(xiàn)的新界面。該界面將原本是一體的材料一分為二，宏觀上表現(xiàn)為焊接裂縫。根據(jù)裂縫的走勢不同，裂縫還可以進(jìn)一步劃分為縱向裂紋、橫向裂紋、弧坑裂紋等等。裂紋多出現(xiàn)于焊道上或熱影響區(qū)附近，在底片上表現(xiàn)為兩端尖狀的不規(guī)則黑色細(xì)線條。焊縫中是不允許任何形式的裂紋存在的。（2）未焊透。按照出現(xiàn)部分的不同，未焊透又可以分成根部未焊透、層間未焊透和邊緣未焊透三種。在焊縫中出現(xiàn)未焊透的問題不僅會嚴(yán)重降低焊縫強(qiáng)度和延伸率，還會大大提高裂縫的概率。未焊透在X射線檢測焊縫圖像上一般表現(xiàn)為規(guī)則的黑色線條，多位于焊縫中間，其走向沿焊道方向，邊界通常較平直且規(guī)則。焊縫中是不允許任何形式的未焊透缺陷存在的。（3）未熔合。未熔合是在焊縫材料與母材之間，或者焊道材料與焊道材料之間未完全熔化并結(jié)合的部分。按照出現(xiàn)部分的不同，未熔合又可以分成邊緣未熔合、根部未熔合和層間未熔合。未熔合在X射線檢測焊縫圖像中表現(xiàn)為寬度不一、黑度不均勻、斷續(xù)分布的條狀?？磕覆囊粋?cè)的黑度較高且成直線，另一側(cè)較模糊且輪廓不規(guī)則。焊縫中是不允許任何形式的未熔合缺陷存在的。（4）氣孔。氣孔是熔池中的氣泡在凝固過程中未能及時逸出而殘留在材料內(nèi)部而形成的空穴。氣孔在X射線檢測焊縫圖像表現(xiàn)為個圓形或者橢圓形的黑色影像，影像邊緣光滑，外形規(guī)則，有清晰的周界，在圓形區(qū)域中，越往中間位置其黑度越大，越往邊緣其黑度越小。氣孔分布情況各不相同，既有密集的、也單個的，既有大個的、也有小個的，既有圓形的、也有橢圓形的。（5）夾渣。夾渣是殘留在焊縫中的熔渣，根據(jù)其形狀不同，夾渣可以分為條狀夾渣和球狀夾渣兩種。當(dāng)圖像中夾渣的長寬比大于3時認(rèn)為是條狀夾渣；反之，當(dāng)長寬比小于或等于3時認(rèn)為是球狀夾渣。夾渣在X射線檢測焊縫圖像表現(xiàn)為長條狀或圓狀的、邊界有不規(guī)則棱角的，黑度均勻且清晰的影像。條狀夾渣的延伸方向一般與焊縫走向相同。

4.2焊縫缺陷特征分析

對于不同類型的焊縫缺陷，其X射線檢測圖像的差異和變化都比較大，這主要是由于不同的焊縫缺陷成像結(jié)果不僅與缺陷自身形態(tài)有關(guān)，而且與射線強(qiáng)度、材料厚度、焊接工藝、焊接位置、發(fā)射角度等大量因素有關(guān)。焊縫缺陷圖像主要有兩種，分別為：由缺陷造成的缺陷影像，以及由試件外觀造成表面幾何影像。焊縫缺陷特征分析，就是要對缺陷圖像的形狀、尺寸、黑度、分布等信息進(jìn)行識別，為缺陷類型的判斷提供基本的條件。

5基于神經(jīng)網(wǎng)絡(luò)方法的焊縫圖像識別技術(shù)

5.1神經(jīng)網(wǎng)絡(luò)概述

人工神經(jīng)網(wǎng)絡(luò)（ArtificialNeuralNetwork,ANN）是由大量處理單元相互連接而成的一種網(wǎng)絡(luò)，它可以對人腦進(jìn)行抽象、簡化和模擬，從而復(fù)制人腦的基本特性。因此ANN屬于人工智能技術(shù)的范圍。ANN可以看成是一臺簡單的處理單元所組成的大量并行分布的處理機(jī)，該處理機(jī)不僅具有存儲和應(yīng)用經(jīng)驗知識的自然特性，而且可以通過對歷史數(shù)據(jù)的學(xué)習(xí)快速從外部環(huán)境中獲取所需信息，因此是是一個大規(guī)模的非線性自適應(yīng)系統(tǒng)。

5.2BP網(wǎng)絡(luò)的結(jié)構(gòu)設(shè)計

在圖像處理領(lǐng)域，BP神經(jīng)網(wǎng)絡(luò)通常是特征提取和特征識別的過程。網(wǎng)絡(luò)共有3層，分別是輸入層、中間層和輸出層。如果將BP神經(jīng)網(wǎng)絡(luò)用于識別分類，那么輸入節(jié)點數(shù)則可以根據(jù)數(shù)據(jù)源的維數(shù)來確定。對于焊縫檢測來說，經(jīng)過一系列的前期處理之后，得到6維的缺陷特征向量，所以將輸入層節(jié)點定為6。網(wǎng)絡(luò)的輸出取前文介紹的5類缺陷，因此輸出節(jié)點數(shù)據(jù)為5。隱含層的神經(jīng)元數(shù)目與問題的要求、輸入/輸出單元的數(shù)目均直接相關(guān)，如果數(shù)量過大，會造成學(xué)習(xí)訓(xùn)練時間過長且誤差未必最小，嚴(yán)重時還會出現(xiàn)錯誤；如果隱含層神經(jīng)元節(jié)點過少，又會導(dǎo)致模型精確性不高。因此本文采用了具有7個節(jié)點的隱含層設(shè)計方案。神經(jīng)元上的激活函數(shù)采用經(jīng)典的S型函數(shù)，該函數(shù)在（0，1）內(nèi)連續(xù)單調(diào)可微，滿足激活函數(shù)的選擇要求。使用實際檢測到的100個缺陷圖像為樣本，其中80個用于網(wǎng)絡(luò)的訓(xùn)練，20個用于網(wǎng)絡(luò)的驗證。試驗表明，該模型可以實現(xiàn)對典型缺陷80%的檢出率，基本上可以滿足生產(chǎn)需求。BP神經(jīng)網(wǎng)絡(luò)的參數(shù)可以進(jìn)行調(diào)優(yōu)，經(jīng)過調(diào)優(yōu)后的網(wǎng)絡(luò)，其對典型缺陷檢出率接近90%，完全滿足焊縫缺陷的自動化識別需求。

6結(jié)語

無損檢測技術(shù)是現(xiàn)代檢測技術(shù)的重要組成部分，而射線檢測技術(shù)作為無損檢測中的常規(guī)檢測技術(shù)之一，在當(dāng)前和未來一段時期內(nèi)仍然占據(jù)著重要地位。在電子技術(shù)和圖像處理技術(shù)迅速發(fā)展的背景下，射線檢測缺陷的自動化識別成為一種必然的趨勢。借助于各種先進(jìn)的圖像處理算法和人工智能算法，射線檢測技術(shù)的檢測能力將得到進(jìn)一步的提升，也將成為一種不可替代的重要無損檢測手段。本文對射線檢測的焊縫缺陷自動識別技術(shù)進(jìn)行了深入的分析，無論是對于射線檢測技術(shù)的進(jìn)步還是對于焊接領(lǐng)域的發(fā)展都有著重要的現(xiàn)實意義。

參考文獻(xiàn)

[1]張立新.無損檢測中焊縫X射線底片數(shù)字化儀及焊縫圖像缺陷檢測識別系統(tǒng)[J].西安工業(yè)大學(xué)學(xué)報,2021,41(03):381.

[2]張翔松,高煒欣,穆向陽,等.X射線環(huán)焊縫圖像降噪及增強(qiáng)方法研究[J].激光雜志,2021,42(03):79-85.