goback
月期刊咨询网
当前位置:首页>>科技期刊>>正文

《上海第二工业大学学报》杂志论文发表


所属栏目:科技期刊
发布时间:2016-03-09


《上海第二工业大学学报》简介

《上海第二工业大学学报》杂志论文发表

期刊名称:《上海第二工业大学学报》

期刊级别:省级期刊

期刊周期:季刊

国内统一刊号:31-1496/T

国际标准刊号:1001-4543

主办单位:上海第二工业大学

主管单位:上海市教育委员会


获取相关优质资源      获取2023中科院分区


  期刊简介:

  《上海第二工业大学学报》(季刊)创刊于1984年,是上海第二工业大学主办的综合性学术期刊,主要刊登基础科学、技术科学领域原创性的学术论文或有一定创新的实用性研究成果,也刊登学术水平较高的综述性论文。

  《上海第二工业大学学报》坚持贯彻“百家争鸣”的方针,发扬学术民主的风尚,主要发表我校有关专业的学术论文,报道科学研究成果(基础理论和应用技术的研究),交流教学研究及教学实践经验,传递科技信息,充分运用学报这块园地,加强学术交流,促进我校科研和教学水平的迅速提高。学报在稿件送审,取舍等方面严格把关,并引入了中英文计算机校对以保证编校质量。

  期刊栏目:

  研究报告、文献综述、简报、专题研究

  期刊收录:

  万方收录(中)上海图书馆馆藏国家图书馆馆藏数学文摘知网收录(中)维普收录(中)

  杂志优秀目录参考:

  多溴联苯醚对鱼类毒性效应的研究进展 赵静,ZHAO Jing

  石墨烯负载金属纳米粒子新功能材料的制备 陈立飞,于伟,谢华清,程敏,杨德俊,CHEN Li-fei,YU Wei,XIE Hua-qing,CHENG Min,YANG De-jun

  典型废弃液晶显示设备的潜在资源化价值测算 庄绪宁,赵颖璠,费彦肖,胡冰倩,白建峰,杨义晨,李英顺,ZHUANG Xu-ning,ZHAO Ying-fan,FEI Yan-xiao,HU Bing-qian,BAI Jian-feng,YANG Yi-chen,LI Ying-shun

  上海第二工业大学学生在2015年第九届上海市大学生化学实验竞赛中取得好成绩

  宝钢工业废电气控制柜资源化处置技术探讨 沈海泉,周明远,曹克,SHEN Hai-quan,ZHOU Ming-yuan,CAO Ke

  络合剂对废印刷线路板元器件中金属银的浸出 赵颖璠,张承龙,王鹏程,王景伟,白建峰,ZHAO Ying-fan,ZHANG Cheng-long,WANG Peng-cheng,WANG Jing-wei,BAI Jian-feng

  加速度滞后补偿与模糊自适应PI相结合的伺服控制算法 吴滢跃,汤心溢,于洋,刘士建,WU Ying-yue,TANG Xin-yi,YU Yang,LIU Shi-jian

  薄板大挠度非线性弯曲问题的数值解 邵文婷,SHAO Wen-ting

  上海第二工业大学代表队在2015年第二届上海市大学生物理学术竞赛(SUPT)中取得好成绩

  定量分析我国科研投入对GDP的贡献 王瑞平,赵亦琛,WANG Rui-ping,ZHAO Yi-chen

  公立医院人力资源价值会计计量的随机报酬模型 蔡蕾,CAI Lei

  硅基MZI结构光调制器静态消光比 桂林,邵宇丰,左健存,王胜利,孙秋冬,方安乐,周志彬,张华,GUI Lin,SHAO Yu-feng,ZUO Jian-cun,WANG Sheng-li,SUN Qiu-dong,FANG An-le,ZHOU Zhi-bin,ZHANG Hua

  北京论文代理投稿:基于视觉的焊接工件在线识别与分类算法研究

  摘要: 为提高焊接机器人的生产效率,设计了eye-in-hand焊接机器人视觉系统,提出了基于机器视觉的焊接工件自动化识别与分类算法。根据工件特征,提取区域面积、凸性、圆度、小孔数目、外接圆面积比等几何特征和几何距作为分类器的训练数据输入量,完成分类器的训练。设计高斯混合模型、多层感知神经网络和支持向量机分类器,完成对不同焊接工件的分类和识别。实验结果表明,该算法响应速度快,且当工件位置、大小、角度都存在变化时,仍能快速准确地对工件进行分类,满足生产线上对实时性的要求。

  Abstract: In order to increase the productivity efficiency of the welding robot, eye-in-hand welding robot vision system is designed, the automatic recognition and classification algorithms of the welding machine on the basic of machine vision is put forward. According to the properties of the weldment, the area, convexity, roundness, number of holes, circumscribed circle area ratio and other geometric features and geometric distance are used as the training data input of the classifier to train the classifiers. The Gaussian mixture model and the vector machine classifier of multi-layered perception neural networks and support are used to classify and recognize the weldment. The experiments show that the algorithms responds fast and it is able to recognize the weldment when their size and angle are changing, and it can quickly and accurately classify the artifacts and meet the requirements of the production line in real-time.

  关键词: 机器视觉,特征提取,GMM模型,MLP神经网络,SVM分类器


热门问题解答

回到顶部