基于关键迹和ASP的CSP模型检测

合集下载

基于图像处理的表面质量检测技术研究

基于图像处理的表面质量检测技术研究摘要：随着科技的发展和工业化的进展，表面质量对于产品质量和外观的重要性日益凸显。

有限的人力资源和传统的质检方法已经难以满足高效率和高质量的需求。

因此，在表面质量检测领域，基于图像处理的技术方案被广泛研究和应用。

本文综述了图像处理在表面质量检测中的应用，包括基于光学成像的表面缺陷检测、纹理分析和图像处理算法等。

通过比较不同方法的优缺点和适用范围，希望为表面质量检测技术的研究和应用提供一定的参考。

引言：表面质量检测是一项重要的工业质检任务，它通常用于检测产品表面的缺陷、异物等问题，以保证产品的质量和安全。

传统的表面质量检测方法通常依赖于人工视觉，这种方式存在主观性高、效率低等问题。

基于图像处理的表面质量检测技术能够通过数字化手段实现对产品表面的快速检测和自动化处理，具有高效、准确和可靠的优势。

一、基于图像处理的表面缺陷检测技术1. 直接法直接法是一种常见的表面缺陷检测方法，它主要通过图像处理算法对产品表面图像进行处理。

例如，Canny算法和Sobel算法可以在图像中提取出边缘信息，进而检测表面的裂纹和磨损等细小缺陷。

在直接法中，还有很多其他常用的算法，如拉普拉斯算法、Prewitt算法等，它们都能够辅助检测和分析表面缺陷。

2. 纹理分析法纹理分析法是通过分析和提取图像中的纹理特征来检测表面缺陷。

常见的纹理分析方法有灰度共生矩阵、小波变换等。

灰度共生矩阵能够量化图像的纹理特征，从而实现对表面质量的评估和检测。

小波变换可以将图像分解为不同频率的子带，从而提供更加详细的纹理信息。

二、基于图像处理的表面质量检测技术的应用1. 电子产品表面缺陷检测电子产品表面的质量检测对于产品的品质和使用寿命有着重要的影响。

基于图像处理的技术可以实现对电子产品表面的缺陷和异物的检测，从而提高产品的可靠性和可用性。

2. 瓷砖和玻璃等建筑材料表面质量检测瓷砖和玻璃等建筑材料的表面质量对于装饰效果和使用寿命有着重要的影响。

【计算机科学】_csp_期刊发文热词逐年推荐_20140723

推荐指数 1 1 1 1 1 1 1 1 1 1 1 1
2011年序号 1 2 3 4 5 6 7 8 9
2011年科研热词推荐指数约束满足问题 1 符号算法 1 桶消元 1 有序二叉决策图(obdd) 1 密钥分割 1 密文访问控制 1 基于密文策略的属性加密 1 代理重加密 1 云存储 1
2008年序号
科研热词 1 数据挖掘 2 序列模式压缩 3 sp-feature
推荐指数 Байду номын сангаас 1 1
2009年序号 1 2 3 4
科研热词时间模型时间戳形式化验证安全协议
推荐指数 1 1 1 1
2010年序号 1 2 3 4 5 6 7 8 9 10 11 12
科研热词隐藏结构隐蔽集通信顺序进程远程教育进程隔离调度约束满足问题智能导航形式化验证不干扰模型 sat问题 qbf问题
2013年序号 1 2 3 4 5 6 7 8 9 10
科研热词通信顺序进程(csp) 迹模型约束满足问题(csp) 模型检测弧一致性(ac) 并发系统回答集编程(asp) 代数决策图(add) csp asp
推荐指数 1 1 1 1 1 1 1 1 1 1
2014年序号 1 2 3 4 5 6 7 8 9 10 11 12 13 14
2014年科研热词随机行走通信顺序进程进程代数约束满足问题算法复杂性硬实时物联网模型检验时间通信顺序进程无回溯形式化分析实时软件 rb模型 david数字图书馆协议推荐指数 1 1 1 1 1 1 1 1 1 1 1 1 1 1
2012年序号 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15

基于机器视觉的二维图像质量缺陷检测研究进展

包装工程第44卷第23期·198·PACKAGING ENGINEERING2023年12月基于机器视觉的二维图像质量缺陷检测研究进展张德海1，祝志逢1，李艳芹1，黄子帆1，马选雄1，许宸语1，刘祥2（1.郑州轻工业大学机电工程学院，郑州450002；2.中标防伪印务有限公司，北京102218）摘要：目的机器视觉图像处理技术是近年在图像处理领域发展起来的一门新兴边缘交叉学科，二维图像的质量检测是印刷行业中必不可少的环节，分析基于机器视觉的二维图像质量缺陷检测流程，探索影响基于机器视觉的二维图像质量缺陷检测精度的相关因素，为后续研究印刷品的二维图像自动化检测和质量控制提供参考。

方法在此基础上，围绕图像预处理中的灰度转换、噪声过滤、固定阈值分割、自适应阈值分割、Otsu法及边缘检测，对图像配准中的基于灰度统计信息分布配准方法、基于特征的图像配准方法进行总结，然后归纳分析图像的缺陷提取和分类。

结论以实际例子对上述研究内容进行了提炼，通过图像预处理中的噪声过滤为后续缺陷提取提供清晰图像，减少伪影干扰；通过图像预处理中的灰度变换、阈值分割、感兴趣区域提取减少系统处理时间，为实现高效的缺陷检测奠定了坚实的基础；通过图像配准消除了机械振动引起的图像位置偏移，确保后续缺陷提取的准确性；通过图像缺陷提取和分类帮助印刷企业找出生产问题，提供有针对性的改进措施，可为生产高质量产品提供支持。

关键词：机器视觉；印刷质量；缺陷检测；图像处理中图分类号：TB487 文献标识码：A 文章编号：1001-3563(2023)23-0198-10DOI：10.19554/ki.1001-3563.2023.23.024Research Progress of Two-dimensional Image Quality Defect Detection Based onMachine VisionZHANG De-hai1, ZHU Zhi-feng1, LI Yan-qin1, HUANG Zi-fan1, MA Xuan-xiong1, XU Chen-yu1, LIU Xiang2(1. School of Electrical and Mechanical Engineering, Zhengzhou University of Light Industry,Zhengzhou 450002, China; 2. ZhongBiao Anti-counterfeiting Printing Co., Ltd., Beijing 102218, China)ABSTRACT: Machine vision image processing technology is an emerging fringe cross-disciplinary discipline developed in the field of image processing in recent years, and the quality inspection of two-dimensional images is an essential link in the printing industry, analyzing the quality defect detection process of two-dimensional images based on machine vision, exploring the relevant factors affecting the accuracy of two-dimensional image quality defect detection based on machine vision, and providing references for the subsequent research and development of automated inspection and quality control of two-dimensional images of printed materials. On this basis, around the gray scale conversion, noise filtering, fixed threshold segmentation, adaptive threshold segmentation, Otsu method and edge detection in image preprocessing, the gray scale statistical information distribution based alignment method and feature based image alignment method in image alignment were summarized, and then the defect extraction and classification of images were summarized and analyzed. The above research content is refined with practical examples. Noise filtering in image preprocessing is used to provide clear images for subsequent defect extraction and reduce artifact interference. Gray scale收稿日期：2023-09-12基金项目：国家自然科学基金青年项目（52006201）；国家自然科学基金面上项目（52275295）；郑州轻工业大学横向项目（JDG20210045）第44卷第23期张德海，等：基于机器视觉的二维图像质量缺陷检测研究进展·199·transformation, threshold segmentation and region of interest extraction in image preprocessing are used to reduce system processing time, laying a solid foundation for efficient defect detection. The image location offset caused by mechanical vibration is eliminated by image registration to ensure the accuracy of subsequent defect extraction. Image defect extraction and classification can help printing companies find production problems and provide targeted improvement measures for the production of high-quality products, thus providing important support.KEY WORDS: machine vision; printing quality; defect detection; image processing印刷缺陷是印刷产品生产中不可避免出现的问题，其缺陷类型主要包括刀丝、划痕、漏白、漏印、飞墨、污渍、套印不准等。

基于机器视觉和卷积神经网络的轨道表面缺陷检测方法

第43卷第4期2021年4月铁道学报JOURNALOFTHECHINA RAILWAY SOCIETYVol.43No.4April2021文章编号：1001-8360（2021）04-0101-07基于机器视觉和卷积神经网络的轨道表面缺陷检测方法姚宗伟1>2!杨宏飞1!胡际勇3!黄秋萍1!王震1!毕秋实1（1.吉林大学机械与航空航天工程学院#吉林长春130025； 2.数控装备可靠性教育部重点实验室#吉林长春130025；3.一汽-大众汽车有限公司，吉林长春130011）摘要：为提高轨道表面缺陷查准率、召回率和检测效率，采用形态学滤波与概率霍夫变换算法剔除原始图像噪声，实现对轨道表面缺陷的快速准确识别；顺次应用阈值法和离散法得到轨道的真正边缘定位，解决Canny算子在提取轨道边缘时产生大量伪边缘的问题;构建能兼顾召回率和查准率的改进交叉爛损失函数，基于卷积神经网络进行特征提取，建立高效的轨道表面形态分类器%采用8523张实拍轨道图像进行试验#试验结果为:单次检测时间27ms,查准率为96.42%、召回率为92.21%，综合表现优于MLC、DcepPonw3和Cropimaaccnn三种方法%关键词：轨道缺陷检测；机器视觉；深度学习；卷积神经网络；特征提取中图分类号:TP391文献标志码：A doi：10.3969/j.issn.1001-8360.2021.04.013Track Surfacc Defed Detection Method Based on MachineVision and Convolutionae Neurae NetworkYAO Zongwel1,2#YANG HongfeO,HU Jiyong3#HUANG Qiuping1#WANG Zhen1#BI QiushO(1.School of Mechanical and Aerospace Engineering,Jilin University,Changchun130025,China；2.Key Laboratora of Numerical Control Equipment Reliability,Ministra of Education,Changchun130025,China；3.F hw-W olkswaaen Automobile Co.Ltd.,Changchun130011,China)Abstrad:In order to improvv the accuracy,recall and Wcienca of the defects detection for the track surface,morphological filtering and probabilistic Hough transform alyorithm were used to eliminate the originai08X1noise so as to rexi-Ov the rapid and accurate identmeation of Wack surface defects.Aiming at the problem that Canny alyorithm produces false edges when extracting the track edge,the threshold method and discrete method were applied sequentially to obtain the real edge location of the track.The wnprovvd cross-entropy loss function,which took both recal l and precision into accaunt,was used to extract features based on canvvlution neural network,and an efficient track surface morphology classifier was established.In this paper,8523imayvs taken on the spot were used for experiments.The results show that the proposed alyorithm has27ms detection time,realizing a precision rata of96.42%and a recal l rata of92.21%,and the ovvral l performance is better than MLC,Inception-3and Cropimayvcnn.Key words:Wack defect detection；machine vision；deep learning；canvvlutionai neural network；feature extraction高速铁路钢轨的质量是影响高铁列车运行安全的关键因素，实时准确检测轨道表面缺陷，对于及时排除轨道的潜在风险至关重要％轨道缺陷检测方法主要分收稿日期：2019-09-06"修回日期：2020-01-03基金项目：国家自然科学基金（51875232）第一作者：姚宗伟（1985）），男，山东省临沂人，副教授，博士E-mail：yzw@.通信作者：毕秋实（1988—），男，河北邢台人，讲师，博士％E-mail：biqs16@maiW.j].为以下三类：一是人工应用工具敲打和裸眼目测的方法，具有较大的主观性；二是借助于激光*1],超声波*2f3],红外线*4]和涡流*5]等传感器的检测方法,此类方法对传感器本身的可靠性和精度要求较高；三是基于传统的图像处理和机器视觉方法*6],此类方法的主要关注点在于异常对象的定位,其中图像处理过程占用了大量的计算时间*7]%除此以外，随着计算机和信息技术的发展，出现了102铁道学报第43卷利用机器视觉和基于神经网络的检测方法*8-0+。

ASP程序设计简单教程

防止跨站脚本攻击（XSS）
对用户输入进行编码
设置HTTP响应头
在将用户输入输出到网页上之前，对用户输入进行HTML编码可以防止跨站脚本攻击。这样可以确保用户输入被正确地显示在网页上，而不是被解释为HTML代码。
通过设置适当的HTTP响应头，可以告诉浏览器不要执行某些类型的脚本代码。例如，设置"X-XSSProtection: 1; mode=block"响应头可以启用浏览器的跨站脚本保护机制。
对用户输入进行验证和过滤
对用户输入进行验证和过滤可以确保输入数据符合预期的格式和类型，从而减少注入攻击的风险。可以使用正则表达式、白名单验证等技术来验证用户输入。
使用存储过程
存储过程可以提供额外的安全层，因为它们在数据库级别执行，并且可以限制对数据库的直接访问。通过使用存储过程，可以将SQL查询封装在数据库中，并减少应用程序代码中的SQL注入风险。
配置IIS服务器
在IIS管理器中，找到“网站” 节点，右键点击选择“添加网
站”。Байду номын сангаас
在“添加网站”对话框中，输入网站名称、物理路径等信息，并选择ASP作为应用程序池
的托管模块。
配置网站的绑定设置，如IP地址、端口号等。
配置网站的SSL设置，如SSL证书等信息。
创建ASP应用程序
在“添加虚拟目录”对话框中，输入虚拟目录名称、物理路径等信息，并选择ASP作为应用
02 ASP基础知识
ASP脚本语言
ASP脚本语言
ASP（Active Server Pages）使用VBScript（Visual Basic Scripting Edition）或
JavaScript作为脚本语言，用于动态生成网页内容。

基于ASP的CSP进程描述与组合研究

中图法分类号
ＴＰ３１１
ห้องสมุดไป่ตู้
文献标识码
Ａ
ＤｅｓｃｒｉｐｔｉｏｎａｎｄＣｏｍｂｉｎａｔｉｏｎｏｆＣＳＰＰｒｏｃｅｓｓＢａｓｅｄｏｎＡＳＰ
ＺＨＡＯＬｉｎｇ－ｚｈｏｎｇ，ＳＩＴＵＬｉｎｇ－ｙｕｎＺＨＡＩＺｈｏｇ－ｎｙｉＱＩＡＮＪｕｎ－ｙａｎ￣
（ＧｕａｎｇｘｉＫｅｙＬａｂｏｒａｔｏｒｙｏｆＴｒｕｓｔｅｄＳｏｆｔｗａｒｅ，Ｇｕｉｌｉｎ５４１００４，Ｃｈｉｎａ）
ＡｂｓｔｒａｃｔＩｎｔｈｅｐｒｅｖｉｏｕｓｗｏｒｋ，ａｎＡＳＰｂａｓｅｄｆｒａｍｅｗｏｒｋ，ｗｈｉｃｈｉｓｕｓｅｄｔｏｖｅｉｆｒｙｔｈｅｍｏｄｅｌｄｅｓｃｒｉｂｅｄｂｙＣＳＰ，ｗａｓｐｒｏ－ｐｏｓｅｄｔｏｓｏｌｖｅｔｈｅｐｒｏｂｌｅｍｏｆｖｅｉｆｒｙｉｎｇｍｕｌｔｉｐｌｅｐｒｏｐｅｒｔｉｅｓｉｎｏｎｅｒｕｎｏｆａｍｏｄｅｌｃｈｅｃｋｅｒ．Ｈｏｗｅｖｅｒ，ｓｏｍｅｐｒｏｂｌｅｍｓｓｔｉｌ１ｅｘｉｔ，ｗｈｉｃｈｉｎｃｌｕｄｅｔｈｅｉｎａｂｉｌｉｔｙｔｏｄｅｓｃｒｉｂｅｓｏｍｅｆｏｒｍｓｏｆｃｏｎｃｕｒｒｅｎｔｐｒｏｃｅｓｓａｎｄｔｈｅｓｃａｌｅｌｉｍｉｔａｔｉｏｎｏｆｔｈｅｃｏｎｃｕｒｒｅｎｔｓｙｓｔｅｍｓｔｈａｔｃａｎｂｅｄｅｓｃｉｂｒｅｄ．Ｉｎｔｈｉｓｐａｐｅｒ，ａｎｅｗｄｅｓｃｒｉｐｔｉｏｎｓｙｓｔｅｍｆｏｒｃｏｎｃｕｒｒｅｎｔｓｙｓｔｅｍｓｗａｓｃｏｎｓｔｕｃｒｔｅｄ，ｗｈｉｃｈｌ— ａｌＯＷＳｌｏｏｐｓｔｒｕｃｔｕｒｅｉｎｐｒｅｆｉｘｐｒｏｃｅｓｓ。ａｎｄｔｈｅｒｅｆｏｒｅｃａｎｂｅｕｓｅｄｔｏｄｅｓｃｉｂｒｅｖａｒｉｏｕｓｆｏｒＩｎｓｏｆｃｏｎｃｕｒｅｎｔｐｒｏｃｅｓｓｅｓ．Ｉｔｌ— ａｌｏｗｓｓｅｖｅｒａｌｐｒｏｃｅｓｓｅｓｔｏｂｅｃｏｍｂｉｎｅｄａｕｔｏｍａｔｉｃａｌｌｙｔｏｇｅｎｅｒａｔｅａｎｅｗｐｏｃｒｅｓｓ。ｗｈｉｃｈｎｏｔｏｎｌｙｆｕｌｆｉｌｌｓａｌ１ｂｅｈａｖｉｏｒａｌｃｈａｒａｃｔｅｒｉｓｔｉｃｓｂｕｔａｌｓｏｋｅｅｐｓｔｈｅｓｔｕｃｒｔｕｒａｌｃｏｎｓｉｓｔｅｎｃｙｗｉｔｈｔｈｅｏｒｉｇｉｎｌａｐｒｏｃｅｓｓｅｓ．Ｉｎｔｈｉｓｗａｙ，ｔｈｅｐｒｏｃｅｓｓｄｅｓｃｒｉｐｔｉｏｎｗｉｔｈｉｎｔｈｅｖｅｒｉｆｉｃａｔｉｏｎｆｒａｍｅｗｏｒｋｆｏｌｌｏｗｓａｕｎｉｆｏ肌ｓｔｙｌｅ，ｗｈｉｃｈｉＳｈｅｌｐｆｕ１ｆｏｒｔｈｅａｂｓｔｒａｃｔｉｏｎａｎｄｖａｌｉｄａｔｉｏｎｏｆｃｏｎｃｕｒ－

关于clip评价指标的文章

关于clip评价指标的文章Clip评价指标是一种用于衡量模型生成图像质量的指标。

它是由OpenAI提出的一种评价指标，旨在解决传统评价指标在图像生成任务中的不足之处。

传统的评价指标如SSIM和PSNR只能衡量图像的结构相似性和噪声水平，而无法准确地评估生成图像的真实性和感知质量。

Clip评价指标通过结合视觉感知和语义理解，能够更好地衡量生成图像的质量。

它基于一个预训练的视觉-语言模型，该模型可以理解图像中的内容，并将其与自然语言描述进行匹配。

通过计算生成图像与给定文本描述之间的相似度得分，Clip可以提供一个客观且准确的评估结果。

与传统评价指标相比，Clip具有以下优势。

首先，它不依赖于参考图像或人工标注数据，因此可以在无监督或半监督学习任务中使用。

其次，Clip考虑了视觉感知和语义理解两个方面，能够更全面地评估生成图像的质量。

最重要的是，Clip是一个通用性评价指标，适用于各种类型的图像生成任务。

然而，Clip评价指标也存在一些限制。

首先，它需要一个预训练的视觉-语言模型，这意味着需要大量的计算资源和时间来进行训练。

其次，Clip评价指标对于某些特定领域或任务可能不够敏感，因为它是在大规模的图像和文本数据上进行训练的。

此外，Clip评价指标还可能受到数据偏差和模型偏差的影响，导致评估结果不准确。

为了解决Clip评价指标的局限性，研究人员正在不断改进和优化该指标。

他们尝试使用更大规模的数据集进行训练，以提高模型的泛化能力。

同时，他们还在探索其他视觉-语言模型和评价方法，以提高生成图像质量的准确性和可靠性。

总之，Clip评价指标是一种新兴且有潜力的图像生成质量评估方法。

它通过结合视觉感知和语义理解，能够更全面地衡量生成图像的真实性和感知质量。

尽管存在一些限制，但随着研究人员对该指标的不断改进和优化，相信它将在未来成为图像生成任务中重要的评价工具。

E-CARGO模型在CSP问题中的描述

E-CARGO模型在CSP问题中的描述滕少华;张红;刘冬宁;朱海滨;张巍;梁路【期刊名称】《计算机科学》【年(卷),期】2015(42)2【摘要】基于角色的协同RBC (Role-Based Collaboration)是一套研究角色及它们之间复杂关系的方法、理论和技术.在RBC中,群组角色分配GRA (Group Role Assignment)既是一个关键问题,也是一个难题.已有许多研究探讨了基于Q(Qualification)矩阵来处理GRA问题,但仅利用Q矩阵难以描述问题中的复杂约束关系.因此,将约束集(Constraint)引进E-CARGO模型,提出了带约束的Ec-CARGO模型,研究了RBC、GRA、SAT(SATisfaction)和CSP(Constraint Satisfaction Problem)之间的联系,建立了RBC-GRA-SAT-CSP问题求解转换关系;提出应用Ec-CARGO模型求解经典CSP约束满足问题的方法,进而描述了应用GRA求解CSP约束满足问题的通用框架.最后以N皇后问题为例,验证了通过GRA 的约束指派求解CSP问题的有效性.【总页数】6页(P241-246)【作者】滕少华;张红;刘冬宁;朱海滨;张巍;梁路【作者单位】广东工业大学计算机学院广州510006;广东工业大学计算机学院广州510006;广东工业大学计算机学院广州510006;广东工业大学计算机学院广州510006;广东工业大学计算机学院广州510006;广东工业大学计算机学院广州510006【正文语种】中文【中图分类】TP301【相关文献】1.基于E-CARGO模型的志愿型偏好平衡性指派 [J], 刘冬宁;袁云钇;黄宝莹;刘统武2.基于E-CARGO模型的多任务分配算法 [J], 陈振;朱海滨;盛寅;高海波3.基于ASP的CSP进程描述与组合研究 [J], 赵岭忠;司徒凌云;翟仲毅;钱俊彦4.扩展不干扰模型(ENISM)及基于CSP的描述和验证方法 [J], 崔隽;黄皓;高晓春5.基于CSP和RSL的协议形式化描述技术研究 [J], 顾翔;邱建林因版权原因，仅展示原文概要，查看原文内容请购买。

clip对比检测算法

clip对比检测算法一、clip对比检测算法的原理clip（Contrastive Language-Image Pretraining）是一种基于对比学习的多模态预训练算法，由OpenAI提出。

它通过联合训练文本和图像来学习一个共享的表示空间，使得文本和图像可以在该空间中进行对比度计算，从而实现图像和文本之间的对比度匹配。

clip 的核心思想是利用大规模的带有标签的图像和文本数据对模型进行预训练，通过学习图像和文本之间的相关性，从而使得模型能够理解图像和文本之间的语义关系。

clip的预训练阶段包括两个任务：图像任务和文本任务。

在图像任务中，模型需要根据给定的图像预测出与之对应的标签；在文本任务中，模型需要根据给定的文本描述预测出与之对应的图像。

通过这两个任务的联合训练，clip能够学习到一个共享的表示空间，使得图像和文本可以在该空间中进行对比度计算。

clip对比检测算法在图像和文本领域具有广泛的应用。

一方面，clip可以用于图像分类、目标检测和图像生成等任务。

通过学习到的共享表示空间，clip可以将图像转化为文本描述或者将文本描述转化为图像。

这种能力使得clip在图像分类和目标检测等任务中具有很好的表现。

另一方面，clip还可以用于图像搜索和文本搜索等任务。

通过计算图像和文本在共享表示空间中的对比度，clip可以实现图像和文本之间的语义匹配，从而实现准确的搜索。

三、clip对比检测算法的研究进展近年来，clip对比检测算法在研究领域取得了一些进展。

一方面，研究人员通过改进clip的预训练模型和训练策略，进一步提升了其在各种任务上的性能。

例如，一些研究将clip扩展到多模态场景，比如音频、视频和三维模型等。

另一方面，研究人员还提出了一些基于clip的新颖应用。

例如，一些研究利用clip进行图像生成，通过在共享表示空间中搜索合适的向量表示，生成与给定文本描述相对应的图片。

总结：本文介绍了clip对比检测算法的原理、应用以及一些相关的研究进展。

基于机器视觉的不规则零部件尺寸测量方法

基于机器视觉的不规则零部件尺寸测量方法金炎君;郑于海;倪双静;于涵诚【期刊名称】《装备制造技术》【年(卷),期】2024()4【摘要】随着机器视觉技术的发展,零部件尺寸测量技术在工业生产中的应用愈加广泛。

针对不规则形状且具有一定厚度的零部件尺寸测量难度大、测量不精准的问题,该文研究一种面向不规则零部件的尺寸测量方法。

首先对噪音图像进行中值滤波和灰度变换处理,增强图像的对比度;研究相机标定原理和张正友标定方法,通过黑白棋盘标定板求出单应矩阵和相机内外参数。

经过透视转换,将图像的立体效果转换成平面形态,并纠正畸变,以消除零部件厚度造成的透视影响;在图像轮廓提取中,针对Canny算法需要人为设定阈值的缺点,利用OTSU算法进行改进,实现零部件图像的自动轮廓提取;针对不规则形状的轮廓尺寸测量,需要先利用基于RDP算法进行多边形逼近,获取关键轮廓点,再将不规则轮廓曲线通过直线和近似圆形拟合,对轮廓进行分割;最后对分割的轮廓段进行Hough变换拟合,获得直线长度和圆弧半径,实现对零部件分割图形的尺寸测量。

通过实验结果得出本方法平均检测率大于95%,检测精度小于等于0.044mm,满足应用要求。

【总页数】5页(P24-28)【作者】金炎君;郑于海;倪双静;于涵诚【作者单位】浙江省机电设计研究院有限公司【正文语种】中文【中图分类】TP391【相关文献】1.基于机器视觉的零部件尺寸检测技术2.基于机器视觉的轨道车辆零部件形位尺寸检测方法研究3.基于机器视觉的不规则形状超薄热管宽度测量方法4.基于机器视觉技术的铁路货车零部件尺寸的快速检测算法研究5.基于机器视觉的复杂机械零部件尺寸测量技术因版权原因，仅展示原文概要，查看原文内容请购买。

1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。

５４１００４）
摘
要：模型检测是通信顺序进￣￣（ｃｏｍｍｕｎｉｃａｔｉｎｇｓｅｑｕｅｎｔｉａｌｐｒｏｃｅｓｓｅｓ，简称ＣＳＰ）形式化验证的重要手段．当前，
ＣＳＰ模型检测方法基于操作语义，需将进程转化为迁移系统，进而提取语义模型，但转化过程较为复杂；待验证性质
软件学报ＩＳＳＮ１０００ — ９８２５，ＣＯＤＥＮＲＵＸＵＥＷＪｏｕｒｎａｌｏｆＳｏｆｔｗａｒｅ，２０１５，２６（１０）：２５２１ — ２５４４【ｄｏｉ：１０．１３３２８８．ｃｎｋｉｊｏｓ．００４７３８】＠中国科学院软件研究所版权所有．
（ＳｔａｔｅＫｅｙＬａｂｏｒａｔｏｒｙｏｆＳｏｆｔｗａｒｅＥｎｇｉｎｅｅｒｉｎｇ（ＷｕｈａｎＵｎｉｖｅｒｓｉｔｙ），Ｗｕｈａｎ４３００７２，Ｃｈｉｎａ）（ＧｕａｎｇｘｉＫｅｙＬａｂｏｒａｔｏｙｒｏｆＴｒｕｓｔｅｄＳｏｆｔｗａｒｅ（ＧｕｉｌｉｎＵｎｉｖｅｒｓｉｔｙｏｆＥｌｅｃｔｒｏｎｉｃＴｅｃｈｎｏｌｏｇｙ），Ｏｕｉｌｉｎ５４１００４，彦，郭云川
（软件工程国家重点实验室（武汉大学），湖北武汉４３００７２）
（广西可信软件重点实验室（桂林电子科技大学），广西桂林
中国科学院信息工程研究所，北京１０００９３）通讯作者：钱俊彦，Ｅ－ｍａｉｌ：￣ｙ２０００＠ｇｍａｉｌ．ｔｏｍ
Ｅ－ｍａｉｌ：ｊＯＳ＠ｉｓｃａｓ．ａｃ．ｃｎｈｔｔｐ：／／ｗｗｗ．ｊｏｓ．ｏｒｇ．ｃｎ
Ｔｅｌ：＋８６一ｌ０．６２５６２５６３
基于关键迹和ＡＳＰ的ＣＳＰ模型检测
ＭｏｄｅｌＣｈｅｃｋｉｎｇＣＳＰＢａｓｅｄｏｎＡＳＰａｎｄＣｒｉｔｉｃａｌ — ＴｒａｃｅＭｏｄｅｌｏｆＣＳＰ
ＺＨＡＯＬｉｎｇ．Ｚｈｏｎｇ，，ＺＨＡＩＺｈｏｎｇ．Ｙｉ，ＱＩＡＮＪｕｎ－Ｙａｎ，ＧＵＯＹｕｎ－Ｃｈｕａｎ
了其验证的可靠性，避免了上述问题．关键迹模型采用递归策略计算，待验证性质采用线性时态逻辑（１ｉｎｅａｒｔｅｍｐｏｒａｌ
ｌｏｇｉｃ，简称ＬＴＬ）描述．基于回答集程序设计（ａｎｓｗｅｒｓｅｔｐｒｏｇｒａｍｍｉｎｇ，简称ＡｓＰ）实现了关键迹模型的自动生成及ＬＴＬ
的自动验证，并开发了一个ＣＳＰ模型检测原型系统一一ＴＡＳＥ实验结果表明：与类似系统相比，该系统的描述能力更强，验证结果的准确性更高，且可同时验证多条性质，在性质不满足时还可提供多条反例．
关键词：模型检测；通信顺序进程；关键迹模型；线性时态逻辑；回答集程序设计中图法分类号：ＴＰ３ｌ１
中文引用格式：赵岭忠，翟仲毅，钱俊彦，郭云川．基于关键迹和ＡＳＰ的ＣＳＰ模型检测．软件学报，２０１５，２６（１０）：２５２１－２５４４．ｈｔｔｐ：／／
Ｗｗｗ．ｊｏｓ．ｏｒｇ．ｃｎ／ｌＯ００・９８２５／４７３８．ｈｔｍ英文引用格式：ＺｈａｏＬＺ，ＺｈａｉＺＹ，ＱｉａｎＪＹ，ＧｕｏＹＣ．ＭｏｄｅｌｃｈｅｃｋｉｎｇＣＳＰｂａｓｅｄｏｎＡＳＰａｎｄｃｒｉｔｉｃａｌ — ｔｒａｃｅｍｏｄｅｌｏｆＣＳＰ．ＲｕａｎＪｉａｎＸｕｅＢａｏ／ＪｏｕｒｎａｌｏｆＳｏｆｔｗａｒｅ，２０１５，２６（１Ｏ）：２５２ｌ＿２５４４（ｉｎＣｈｉｎｅｓｅ）．ｈｔｔｐ：／／ｗｗｗ．ｊｏｓ．ｏｒｇ．ｃｒｄｌ０００ — ９８２５／４７３８．ｈｔｍ
采用ＣＳＰ语言进行描述，虽然有利于精炼检＂￣］，（ｒｅｉｆｎｅｍｅｎｔｃｈｅｃｋｉｎｇ），但描述能力较弱，通用性不强．鉴于此，提出了一
种新的ＣＳＰ指称语义模型一一关键迹模型（ｃｒｉｔｉｃａｌ－ｔｒａｃｅｍｏｄｅ１）ｇｔ．基于该指称语义模型的ＣＳＰ模型检测方法，并证明