2025年07月01日
胡小慧, 江虹， 郭秋梅
（西南科技大学 信息工程学院,四川 绵阳， 621010）
摘要：针对筷子瑕疵人工检测存在效率低、成本高、工作环境恶劣等缺点,提出了一种基于图像分割的筷子瑕疵检测研究分析方法。该方法采用图像采集设备获取筷子图像，利用图像处理技术对筷子图像进行增强、边缘检测及图像分割,获取筷子图像的RGB数据;对RGB三通道所占百分比及百分比方差进行统计分析。实验结果表明，该方法能有效地将目标筷子的彩色图像与筷子的背景图像分离，得到准确的筷子RGB数据，数据分析结果对筷子瑕疵检测有很大的参考价值。
2025年07月01日
周晶晶，陈庆虎，彭文花，鄢煜尘
(武汉大学 电子信息学院，湖北 武汉430072)
摘 要：打印文件鉴别是一种广泛应用于安全领域的取证技术，因此对其检测的准确率和速度均有较高要求。考虑到单个特征的信息不全，基于多特征融合的方法来提高准确率，同时使用基于AdaBoost的SVM级联分类器进行分类判定。研究过程包括数据采集、图像预处理、GMM和LBP特征提取、特征融合、单个SVM分类器分类以及基于AdaBoost的层级SVM分类器分类。通过对4 000张图片集提取GMM和LBP特征，然后进行特征融合，输入分类器分类，结果表明，该方法能够在一定程度上提高鉴别的准确率和速度，具有良好的可扩展性。
2025年07月01日
工厂失火检测：视觉分析技术赋能高温安全防控
一、背景：高温季工厂失火风险加剧
夏季高温环境下，工厂火灾隐患显著增加。易燃物堆积、设备过热、违规操作（如电焊火花、烟头未熄灭）及安全出口堵塞等问题，极易引发火灾。传统火灾报警系统依赖感温光纤或烟雾传感器，存在响应滞后、误报率高、无法定位火源等缺陷。例如，山东某化工厂因丙烯腈储罐分离器起火引发爆炸，暴露出初期明火未被及时识别的漏洞。
2025年07月01日
摘要：木材由于内部结构和组成成分的差异，使不同种类木材表现出完全不同的理化性质，并决定其不同的用途和商业价格，因此针对木材的分类识别研究具有重要的应用价值。但是，木材作为生物质材料，其结构和组分特征具有较强的变异性，这给木材分类识别研究带来挑战。木材分类识别通常是经过木材特征提取和基于特征的分类识别这2个步骤。目前木材特征提取主要利用计算机视觉、光谱分析等技术。木材分类识别是基于木材特征的数字化，这一部分可利用计算机算法实现自动识别，较以往人工识别可大幅提高准确度。通过分析近20年来木材特征提取和分类识别的相关文献，介绍各种基于计算机的木材特征提取与分类识别技术的特点及适用范围，并结合计算机技术的发展方向，探讨木材特征提取与分类识别技术的发展趋势，以期为构建更准确的木材分类识别技术提供参考。
2025年07月01日
摘 要： 针对浮选视频图像获取过程中出现的图像质量问题，提出一种浮现泡沫视频图像自适应筛选方法。首先通过分析浮选图像纹理特征选取评价参数，然后采用改进BP神经网络建立图像质量评判模型，对不同质量图像进行评判筛选。实验证明，该方法筛选速度快且识别正确率和效率高，筛选后的图像分割效果好。
0 引言
现代选矿工业中，泡沫浮选的主要目的就是提高矿物中精矿的品位[1]。浮选工艺复杂，是一个含有固、液、气三相变化的物理化学过程[2]，并且泡沫表面运动状态不稳定，获取的图像特征也各不相同。传统生产方式主要是人工控制，并且有主观依赖性大、劳动强度大、资源利用率低等局限[3]。随着机器视觉和数字图像处理技术应用到浮选中，通过机器实时对浮选表面进行监控，提取特征参数。这些特征参数主要包括泡沫大小、形状、纹理特征、流速[4]等。
2025年07月01日
2022 年 9 月 24 日，阿里云用户组（AUG）第 12 期活动在厦门举办。活动现场，阿里云消息中间件研发工程师刘睿，向参会企业代表分享了阿里云消息生态及最佳实践。本文根据演讲内容整理而成。
2025年07月01日
文章有点长请耐心观看，相信看完之后会对你有帮助和收获，后续也会持续更新Java各个技术点，可以持续关注我哦
MQ全称为Message Queue, 消息队列（MQ）是一种应用程序对应用程序的通信方法。应用程序通过写和检索出入列队的针对应用程序的数据（消息）来通信，而无需专用连接来链接它们。消息传递指的是程序之间通过在消息中发送数据进行通信，而不是通过直接调用彼此来通信，直接调用通常是用于诸如远程过程调用的技术。排队指的是应用程序通过队列来通信。队列的使用除去了接收和发送应用程序同时执行的要求。其中较为成熟的MQ产品有IBM WebSphere MQ、RabbitMQ 、ZeroMQ 、ActiveMQ、Redis（当做一个轻量级的队列服务来使用）、Kafka、RocketMQ。它们之间的比较详见：MQ介绍与选型及之间比较。