摘要：当前,检测技术是装备制造业的质量与过程控制的重要环节,特别是随着人工智能技术快速发展,传统的检测方法存在易漏检、检测效率低等问题,且人工成本高,很难满足现代化生产需要。以工业产品件为典型检测对象,以机器视觉技术为检测手段,结合缺陷特征提取技术,开展工业产品件的划痕、丝印断裂等缺陷的图像特征处理系统设计与实现,以此实现缺陷特征的自动、实时及准确检测,并依据典型缺陷检测结果,支持对工业产品件的参数与缺陷率模型构建工作研究。

摘要：随着人工智能技术的快速发展,边缘特征提取是图像数据处理中的重要一环,图像数据的边缘特征数据提取的完整性及准确性关系到图像应用的效果。现有的图像边缘特征提取算法在提取特征数据时,存在边缘轮廓特征不清晰及提取耗时长等问题,尤其针对存在遮挡或复杂背景的图像时,存在边缘特征雾化,甚至出现图像目标特征轮廓缺失现象。针对上述问题,以图像数据的高质量边缘特征提取需求为牵引,结合图像数据边缘特征提取方法同步设计边缘特征提取流程,并开展图像数据边缘特征提取算法系统的图像滤波功能、图像平滑处理、图像边缘定位、阈值分割、边缘检测及边缘特征提取等功能单元设计,同时将提取的算法进行封装处理,便于各个功能组合应用。通过对功能单元算法及实验测试,该系统设计的图像边缘特征提取算法具有效率高,提取质量高且数量大等优点,能够满足复杂图像特征提取需求。

摘要：结合复杂图像数据处理及模型训练应用场景需求,开展图像数据处理系统模块化设计与搭建工作,将图像处理功能单元及模型库进行封装处理,同时搭建训练及接口并通过构建API进行功能和处理模型的调度,并实现功能单元和模型快速组合与应用,以此解决图像数据处理耗时长、处理工作量大以及图像数据的模型训练不及时等问题,为机器视觉技术在产品外观缺陷识别、缺陷目标特征定位及检测等应用方面提供理论支撑和技术参考。

摘要：现有的图像特征识别算法在识别过程中存在着特征点单一且特征识别准确率不高,以及识别目标特征单一等问题,尤其在对图像中的多个目标特征同时识别的时候,存在目标特征误识别,甚至无法识别等问题。针对上述问题,以图像数据的多目标特征需求为牵引,结合图像特征识别流程开展业务流程设计,并开展基于CNN网络的图像多目标特征识别系统的搭建工作,同步开展图像的滤波功能、图像目标特征定位、图像特征增强以及CNN神经网络等功能单元设计。通过对功能单元算法实验测试,设计的系统及CNN多目标特征识别算法具有准确率高,能够克服传统算法识别目标特征点单一等问题,能够满足多目标特征识别需求。

摘要：该文提出一种经由定制关系网络改进的基于矩阵分解的社会化推荐模型来缓解数据稀疏性和冷启动问题,并进一步改善大数据集导致的可扩展性问题。在该模型中,关系网络的社交影响力被建模为矩阵分解模型的用户-物品(user-item)评分倾向,而同质性则被建模为动态正则项。为了获得更好的预测精度和可扩展性,设计了一个关系网络boosting-shrinking算法,在该算法中,基于用户在数据集中的数据密度,自适应地裁减每个用户的关系网络为其定制个性化的关系网络。在稀疏水平不同的不平衡数据集上的实验表明:相比其他的基于矩阵分解的社会化推荐模型,该模型可以显著提高稀疏数据集的预测精度,有效地缓解冷启动问题,并获得较好的可扩展性。

摘要：从独立学院及其学生的特点入手,分析了当前大学计算机基础教学面临的学时少、内容多等新问题,提出了以应用为主导,强化自主学习的教学模式。从教学内容、实验项目、大作业设计、考试软件、学习小组设计以及评价激励机制建设等方面,详细阐述了如何构建这种教学模式,以期全面提升独立学院计算机基础的教学效率和教学质量。

摘要：文章基于抛锚式教学实践,探讨了抛锚式教学的特点,并以flash游戏程序中的"影片剪辑属性"内容为例,介绍了抛锚式教学的设计,最后对教学实践作了反思。

摘要：通常在小批量定制生产时,工业园区的资源协调不足,导致动态生产环境过于复杂。因此,基于工业园区典型企业的实时通讯运行情况,提出了面向工业园区协同生产过程中的质量联动化管理模型研究。通过动态精确的物理到虚拟模型映射和实时反馈控制,并设计了具有多种独立的决策机制和相关的生产运行存储操作及全球最优分配单元的虚拟层。据此,以高精度的大型多单元生产系统操作控制为要求,实现了在大型系统中系统的协调控制,做出联机连接决策。