项目名称: 基于视觉感知的图像语义建模及其在智慧工厂中的应用研究

项目编号: No.61472134

项目类型: 面上项目

立项/批准年度: 2015

项目学科: 其他

项目作者: 陈青

作者单位: 湖南工业大学

项目金额: 83万元

中文摘要: 智慧工厂是未来工厂发展的必然趋势,通过研发具有人类或生物类似自我感知、自我学习和自我适应能力的智能机器系统来提高工业生产效率及产品质量,实现传统制造向绿色制造的转型。其中,工业过程视觉监控是必不可少的技术力量,但是当前工业视觉系统的智能感知能力还远达不到智慧工厂的内在需求。本项目从人类视觉的感知特性出发,将统计学习、模式识别等理论和方法引入到图像语义挖掘中,拟研究基于视觉感知的复杂目标多视觉图像最优特征选择方法、具有增量学习能力的多视觉冗余图像抽象语义建模与知识表达方法、工业视觉图像内部语义机器感知与环境语义智能推理方法;最大程度地弥合图像底层特征和高层语义之间的语义鸿沟,解决面向智慧工厂的工业视觉系统在自动检测与智能感知中存在的视觉目标自动测量难、缺乏目标检测准确性的有效评价手段、外部环境语义难以智能感知等一系列难题,为智慧工厂中的智能决策与自动化生产奠定理论基础。

中文关键词: 视觉感知;图像语义建模;智慧工厂

英文摘要: Smart factory is the inevitable developing tendency of the factories in the future, which researches and develops the intelligent machine systems with self-awareness, self-learning and self-adaptive capacity similar to what human or creature have to improve the industrial production efficiency and the product quality. It will lead the transformation from traditional manufacturing to green manufacturing. The visual monitoring in industrial processes is indispensable technical force in the smart factory, but the intelligent perception of the current industrial vision system falls far short of the inherent demand of smart factory. Based on the human visual perception characteristics, this project introduces such theories and methods including the statistical learning, pattern recognition and so on into the image semantic mining, which plans to research the optimal feature selection method for multi-vision and redundant images of complex target based on visual perception, the abstract semantic modeling and knowledge representation method with incremental learning ability for the multi-vision redundant images, as well as the machine perception of the internal semantics and intelligent reasoning of the environmental semantics of the industrial visual images; this project will bridge the semantic gap between low-level features and high-level semantic of images to the maximum extent and solve a series of problems that the smart factory oriented industrial vision system in the automatic detection and intelligent perception, which is difficult to automatically measure the visual target and lack in the effective evaluation for the accurate detection of complex target, and difficult to intelligently percept the external environment semantic. This project will consequently lay the theoretical foundation for the intelligent decision and automatic production in the smart factory.

英文关键词: visual perception;image semantic modeling;smart factory

成为VIP会员查看完整内容
2

相关内容

「计算机视觉」2022 年 5 大趋势
专知会员服务
73+阅读 · 2022年3月27日
混合增强视觉认知架构及其关键技术进展
专知会员服务
40+阅读 · 2021年11月20日
可视化与人工智能交叉研究综述
专知会员服务
69+阅读 · 2021年11月19日
专知会员服务
91+阅读 · 2021年8月29日
数字化转型白皮书:数智技术驱动智能制造,42页pdf
专知会员服务
174+阅读 · 2021年7月8日
专知会员服务
69+阅读 · 2021年3月29日
知识图谱在智能制造领域的研究现状及其应用前景综述
专知会员服务
157+阅读 · 2021年2月25日
专知会员服务
103+阅读 · 2020年11月27日
 图像内容自动描述技术综述
专知会员服务
85+阅读 · 2019年11月17日
混合增强视觉认知架构及其关键技术进展
专知
2+阅读 · 2021年11月20日
图像描述生成研究进展
专知
1+阅读 · 2021年3月29日
综述 | 近5年基于深度学习的目标检测算法
计算机视觉life
38+阅读 · 2019年4月18日
【机器视觉】表面缺陷检测:机器视觉检测技术
产业智能官
25+阅读 · 2018年5月30日
计算机视觉简介:历史、现状和发展趋势
机器学习研究会
21+阅读 · 2017年11月21日
国家自然科学基金
3+阅读 · 2017年12月31日
国家自然科学基金
4+阅读 · 2013年12月31日
国家自然科学基金
2+阅读 · 2013年12月31日
国家自然科学基金
1+阅读 · 2013年12月31日
国家自然科学基金
2+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
1+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
Arxiv
1+阅读 · 2022年4月19日
Arxiv
20+阅读 · 2021年2月28日
Arxiv
101+阅读 · 2020年3月4日
Arxiv
10+阅读 · 2018年3月23日
小贴士
相关VIP内容
「计算机视觉」2022 年 5 大趋势
专知会员服务
73+阅读 · 2022年3月27日
混合增强视觉认知架构及其关键技术进展
专知会员服务
40+阅读 · 2021年11月20日
可视化与人工智能交叉研究综述
专知会员服务
69+阅读 · 2021年11月19日
专知会员服务
91+阅读 · 2021年8月29日
数字化转型白皮书:数智技术驱动智能制造,42页pdf
专知会员服务
174+阅读 · 2021年7月8日
专知会员服务
69+阅读 · 2021年3月29日
知识图谱在智能制造领域的研究现状及其应用前景综述
专知会员服务
157+阅读 · 2021年2月25日
专知会员服务
103+阅读 · 2020年11月27日
 图像内容自动描述技术综述
专知会员服务
85+阅读 · 2019年11月17日
相关基金
国家自然科学基金
3+阅读 · 2017年12月31日
国家自然科学基金
4+阅读 · 2013年12月31日
国家自然科学基金
2+阅读 · 2013年12月31日
国家自然科学基金
1+阅读 · 2013年12月31日
国家自然科学基金
2+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
1+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
微信扫码咨询专知VIP会员