基于深度学习的化妆品塑料瓶缺陷检测（2020，下载213）
冯太锐，苗玉彬，赵爽
摘要：提出一种基于深度卷积神经网络的化妆品塑料瓶表面缺陷检测算法。采用百万像素级别的工业相机采集大量的塑料瓶图像样本，并通过HSV（hue,saturation,value）颜色空间变换和Otsu阈值分割等方法对图像进行预处理。采用随机图像变换法对数据集进行增强，并对图像进行标准归一化处理。在卷积神经网络模型中应用深度可分离卷积和Dropout技术以减少参数量，从而避免过度拟合。使用训练样本集训练该模型，并在测试集中将结果与几种经典图像识别算法进行比较分析，结果显示，本文算法的识别准确率高达约0.97。由此表明本文算法的效果优于其他经典算法，有望将其应用于化妆品塑料瓶缺陷检测的工业自动化系统，以提升缺陷识别效果，从而提高生产效率。
关键词：深度学习；缺陷检测；化妆品塑料瓶；卷积神经网络
https://kns.cnki.net/KCMS/detail/detail.aspx?dbcode=CJFQ&dbname=CJFDLAST2020&filename=DHDZ202002016&v=MTkwOTJyWTlFWW9SOGVYMUx1eFlTN0RoMVQzcVRyV00xRnJDVVI3cWZidVpyRnlEZ1dyM05JU1hQZExHNEhOSE0=
基于卷积神经网络与显著性特征的皮革缺陷检测（2020，下载175）
丁彩红，黄浩，彭明
摘要：针对目前皮革缺陷形态多样、检测难度高的问题，提出卷积神经网络与显著性特征组合的检测方法。以9种常见的皮革缺陷为检测目标，应用卷积神经网络方法对其进行初步检测，结果表明此方法对其中几种缺陷的检测准确性不够。对皮革缺陷的几何和灰度特征进行数理统计，归纳出缺陷显著性特征描述，提出以卷积神经网络为主、显著性特征为辅的组合检测方法。通过试验验证得出，组合检测方法的准确率可达90%以上，相比卷积神经网络法，检测准确率有所提升且平均处理时间的增幅很小，可满足实际皮革缺陷检测需求。
关键词：皮革缺陷；特征描述；显著性特征；卷积神经网络
https://kns.cnki.net/KCMS/detail/detail.aspx?dbcode=CJFQ&dbname=CJFDLAST2020&filename=DHDZ202003012&v=MTkyNDNVUjdxZmJ1WnJGeURoVUx2TUlTWFBkTEc0SE5ITXJJOUVab1I4ZVgxTHV4WVM3RGgxVDNxVHJXTTFGckM=
基于图像技术的迷彩面料颜色测量（2020，下载48）
朱晨青，李忠健，潘如如
摘要：颜色测量对于迷彩面料的色彩分析、产品设计、质量控制有着重要的指导意义。针对由织物组织纹理和图案的多样性造成测色难度增大的问题，提出一种迷彩面料图案分割的方法，并提取色彩信息加以分析。利用数码相机进行迷彩面料图像的采集，利用Mean Shift聚类算法将图像分割成不同颜色的色块，再用神经网络回归实现图像从RGB（red,green,blue）颜色空间到Lab颜色空间的转换，并通过正态分布法对迷彩颜色进行分析测量。试验结果表明：提出的图像处理方法可实现迷彩服面料颜色的自动分割；与Datacolor分光测色仪测色结果相比，正态分布法分析得到的平均色差不超过2。
关键词：迷彩面料；图像；Mean Shift聚类；神经网络
https://kns.cnki.net/KCMS/detail/detail.aspx?dbcode=CJFQ&dbname=CJFDLAST2020&filename=DHDZ202002018&v=MTQyMTREaFZyek5JU1hQZExHNEhOSE1yWTlFYklSOGVYMUx1eFlTN0RoMVQzcVRyV00xRnJDVVI3cWZidVpyRnk=
基于区域卷积神经网络Faster R-CNN的手势识别方法（2019，被引2，下载215）
张勋，陈亮，朱雪婷，胡诚
摘要：为提升手势识别算法的准确率，引入深度学习中区域卷积神经网络Faster R-CNN（faster region-convolution neural network）。利用该网络的卷积神经网络自动提取手势目标特征，采用RPN（region proposal networks）机制提取候选框以提高搜索效率，采用Faster R-CNN网络对建议框做目标检测和分类以实现手势端到端的识别。结果表明，该方法能够更加准确高效地完成手势特征提取和分类任务，有效提高手势识别准确率。
关键词：区域卷积神经网络；Faster R-CNN；手势识别；深度学习
https://kns.cnki.net/KCMS/detail/detail.aspx?dbcode=CJFQ&dbname=CJFDLAST2019&filename=DHDZ201904013&v=MDE0MzlMSVNYUGRMRzRIOWpNcTQ5RVo0UjhlWDFMdXhZUzdEaDFUM3FUcldNMUZyQ1VSN3FmYnVackZ5RG5WYnI=
粒子群算法优化下的3D增材印花产品质量神经网络预测模型（2019，被引1，下载178）
王晓晖，刘月刚，孟婥，孙以泽
摘要：针对在3D（three-dimension）增材印花产品的自动化生产中各工艺参数对产品质量影响较大，而产品质量难以实现数字化调控的情况，利用BP（back propagation）神经网络算法建立3D增材印花产品质量的预测模型，通过粒子群算法优化神经网络的初始阈值和权值，进一步提升神经网络的预测精度，实现多工艺参数影响下产品质量的数字化预测。试验结果表明，粒子群算法优化后的神经网络模型的油墨转移率预测误差基本稳定在0.02以内，相比优化前预测精度提高75%。该模型在实际应用中具有一定的准确性和可行性，可缩短工艺开发流程，降低企业生产成本，在实际生产中具有一定的借鉴意义。
关键词：增材印花工艺；BP神经网络；粒子群优化算法；生产质量预测
https://kns.cnki.net/KCMS/detail/detail.aspx?dbcode=CJFQ&dbname=CJFDLAST2020&filename=DHDZ201906010&v=MDUyNTBoMVQzcVRyV00xRnJDVVI3cWZidVpyRnlEZ1U3M0tJU1hQZExHNEg5ak1xWTlFWklSOGVYMUx1eFlTN0Q=
基于卷积神经网络的非等效点云分割方法（2019，被引1，下载183）
代璐，汪俊亮，陈治宇，鲍劲松，张洁
摘要：针对点云分割中的非等效性，提出基于CNN（convolutional neural network）的点云分割神经网络NEPN（non-equivalent point network），在设计网络随机抽样层与MaxPooling层解决点云数量与顺序多变的基础上，引入经惩罚函数作用后的距离矩阵对各点分类误差进行加权，优化模型训练损失计算方法，强化分割面邻近点的误差反馈，实现点云区域分割。试验结果表明，该方法分割精度优于PointNet方法，可有效解决非等效点云分割问题。
关键词：点云分割；卷积神经网络；非等效性；惩罚函数
https://kns.cnki.net/KCMS/detail/detail.aspx?dbcode=CJFQ&dbname=CJFDLAST2020&filename=DHDZ201906009&v=MDYzMzRxVHJXTTFGckNVUjdxZmJ1WnJGeURnVWJ2T0lTWFBkTEc0SDlqTXFZOUZiWVI4ZVgxTHV4WVM3RGgxVDM=
基于深度学习的夜间模式下自动驾驶场景预测（2019，下载172）
阮雨，孙韶媛，李佳豪，吴雪平
摘要：为了增强自动驾驶汽车在夜间行驶时对周围场景的理解，以便汽车或驾驶员可以及时做出相应的调整，将深度学习应用于夜视图像的场景预测。采用了一种预测编码网络来预测夜视图像的场景变化，在传统的深度卷积-循环神经网络的基础上，对网络结构进行了一定的调整，将预测图像与实际图像的误差在网络中进行前向传递，不断更新预测误差来调整预测结果。试验结果表明，训练得到的场景预测模型，可以预测夜间驾驶场景0.4 s后的合理未来，且改善了对于长时间预测任务中效果不好的问题，具有良好的准确性和实时性。
关键词：自动驾驶；深度学习；夜视图像；场景预测；预测编码网络
https://kns.cnki.net/KCMS/detail/detail.aspx?dbcode=CJFQ&dbname=CJFDLAST2019&filename=DHDZ201905010&v=MTk5MDNVUjdxZmJ1WnJGeURoVmIvTklTWFBkTEc0SDlqTXFvOUVaSVI4ZVgxTHV4WVM3RGgxVDNxVHJXTTFGckM=
基于深度学习的高分辨率遥感图像车辆检测（2018，被引6，高下载763）
孙秉义，文珊珊，吴昊，蔡鸿明
摘要：针对公路交通量的传统检测方法存在周期较长且需要人工辅助等问题，利用深度学习在目标检测领域的优势，提出基于深度学习的高分辨率遥感图像车辆检测方法。首先对遥感图像进行预处理和分割，提取所需的道路区域，减少其他区域的干扰；再利用高分辨率遥感图像数据集对深度卷积神经网络进行训练，得到用于车辆检测的模型，并最终得到有效的车辆检测系统。经过试验验证，该方法可有效地检测遥感图像道路区域中的车辆，并有较高的准确率。
关键词：图像分割；特征提取；卷积神经网络；车辆检测；遥感图像
https://kns.cnki.net/KCMS/detail/detail.aspx?dbcode=CJFQ&dbname=CJFDLAST2018&filename=DHDZ201804004&v=MTk3MjJDVVI3cWZidVpyRnlEbVVMdk9JU1hQZExHNEg5bk1xNDlGWUlSOGVYMUx1eFlTN0RoMVQzcVRyV00xRnI=
基于深度LSTM神经网络的人体服装压力信息预测（2018，被引4，下载314）
韩韬，郝矿荣，丁永生，唐雪嵩
摘要：提出了一种深度长短时记忆(LSTM)神经网络结构，用以在穿着运动紧身衣时，由人体某一个部位的压力信息预测其他几个关键部位的压力信息，进而实现人体上半身全部关键点的压力信息数据预测。通过采用柔性压力阵列收集不同人体穿着不同材质和尺寸的运动紧身衣时的压力信息，在配置图形处理器(GPU)的工作站上得出较好的运算结果。实验结果证明，所提出的深度LSTM神经网络结构比其他算法具有更高的预测准确率。
关键词：长短时记忆；深度学习；循环神经网络；人体模型；服装压力
https://kns.cnki.net/KCMS/detail/detail.aspx?dbcode=CJFQ&dbname=CJFDLAST2018&filename=DHDZ201805010&v=MzEwNzBackZ5RG5WNzdCSVNYUGRMRzRIOW5NcW85RVpJUjhlWDFMdXhZUzdEaDFUM3FUcldNMUZyQ1VSN3FmYnU=
基于SOM神经网络的岸桥起升电机状态聚类分析（2018，被引1，下载261）
唐刚，姚小强，胡雄
摘要：为解决岸桥起升电机状态识别及复杂非线性模式分类的问题，分析了起升电机采集信号训练样本集、特征提取方式等因素对电机状态识别的影响，并设计了基于SOM(自组织特征映射)神经网络的状态聚类分析方法。Python仿真结果表明：起升电机振动烈度可以聚类为5种类别，分别对应电机的5种工作状态，并且可以得到每类振动烈度数据的区间范围。这种方法可达到电机振动烈度有效快速地自适应分类，实现岸桥起升电机的状态识别，为岸桥起升电机的维护保养提供一定的依据。
关键词：岸桥起升电机；状态识别；SOM神经网络；聚类中心
https://kns.cnki.net/KCMS/detail/detail.aspx?dbcode=CJFQ&dbname=CJFDLAST2018&filename=DHDZ201804015&v=MTY5NTZyV00xRnJDVVI3cWZidVpyRnlEZ1Y3dkJJU1hQZExHNEg5bk1xNDlFWVlSOGVYMUx1eFlTN0RoMVQzcVQ=
基于多路融合卷积神经网络的网购商品情感分类（2018，下载133）
郝利栋，赵慧杨，培丽
摘要：通过提出一种多路融合卷积神经网络（multi-mixed convolutional neural network，MMCNN）对网购商品评论数据进行文本情感分类。采用skip-gram模型进行词向量的训练，并用训练好的向量表示评论数据。针对评论数据长短不一的情况，提出了循环词向量填充和随机词向量填充算法，有助于提升模型分类的准确率。针对传统卷积神经网络特征提取方式单一的问题，将多路卷积特征和池化特征在全连接层进行了特征融合，以此提升网络的文本分类效果。选择京东网站上45000条婴儿奶粉的评论数据进行试验，并与支持向量机、最大熵模型、朴素贝叶斯等传统机器学习方法以及经典卷积神经网络方法进行对比。试验结果表明，提出的多路融合卷积神经网络具有较高的分类正确率。
关键词：特征融合；卷积神经网络；词向量填充；情感分类
https://kns.cnki.net/KCMS/detail/detail.aspx?dbcode=CJFQ&dbname=CJFDLAST2018&filename=DHDZ201804009&v=MjQxMDFyQ1VSN3FmYnVackZ5RGhXcnZBSVNYUGRMRzRIOW5NcTQ5RmJZUjhlWDFMdXhZUzdEaDFUM3FUcldNMUY=
毛羽指标研究及毛羽H值预测（2018，下载90）
陆奕辰，王蕾，潘如如，高卫东
摘要：为客观评价黑板纱线毛羽水平，将绕有纱线的黑板经扫描仪采集图像，通过二值化、形态学运算、局部阈值等处理，得到黑板毛羽图像和毛羽量像素点，提出基于图像处理技术的环锭纺纱线黑板毛羽M指数，探讨M指数与毛羽H值、毛羽根数之间的关系。将24种环锭纺纱线的S1+2值和M指数分别输入到BP（back propagation）神经网络和RBF（radical basis function）神经网络中训练并预测毛羽H值。将预测毛羽H值与实际毛羽H值进行比较，结果表明，在预测精度上，BP网络模型的预测效果最好，RBF网络次之，多元线性回归模型预测效果最差。
关键词：毛羽指标；BP神经网络；RBF神经网络；线性回归
https://kns.cnki.net/KCMS/detail/detail.aspx?dbcode=CJFQ&dbname=CJFDLAST2019&filename=DHDZ201905006&v=MjAzMzgvTElTWFBkTEc0SDlqTXFvOUZZb1I4ZVgxTHV4WVM3RGgxVDNxVHJXTTFGckNVUjdxZmJ1WnJGeURoVjc=
基于卷积神经网络的车辆品牌和型号识别（2017，被引11，下载349）
黎哲明，蔡鸿明，姜丽红
摘要：车辆品牌和型号的识别属于细粒度分类领域的一类问题，与只针对不同物体的图像识别相比，待分类的车辆品牌和型号之间差异较小，分类较困难。卷积神经网络在静态图像上具有强大的特征发现能力，近年来在图像分类问题中成果显著。结合卷积神经网络和开源的大量标注数据集设计出了完整的车型识别模型，引入区域分割从而提高了识别的准确率，同时根据移动互联网的特性设计了交互方式。通过试验验证，该方法可以有效地解决查询图片识别具体车辆品牌及型号的问题。
关键词：车型识别；细粒度分类；卷积神经网络；区域分割；图像处理
https://kns.cnki.net/KCMS/detail/detail.aspx?dbcode=CJFQ&dbname=CJFDLAST2017&filename=DHDZ201704003&v=MDY1NTc0UjhlWDFMdXhZUzdEaDFUM3FUcldNMUZyQ1VSN3FmYnVackZ5RGxWYjdNSVNYUGRMRzRIOWJNcTQ5Rlo=
基于GA-ELM数控铣刀寿命预测模型研究（2017，被引6，下载223）
周亚勤，杨建国，刘凯强，尤祥
摘要：在加工过程中，刀具磨损状况对零件的加工质量具有重要影响，精确预测刀具寿命是智能制造系统必须具有的关键功能之一。在分析数控铣刀寿命影响因素的基础上，引入极限学习机（ELM）算法模型，建立数控铣刀寿命预测模型。在寿命预测过程中，采用遗传算法（GA）对ELM模型的输入权值和隐含层阈值进行优化，建立基于GA-ELM的数控铣刀寿命预测模型，同时将其与基本BP神经网络、优化BP神经网络和基于粒子群改进的BP神经网络的预测结果进行对比分析。结果表明，基于GA-ELM的刀具寿命预测模型相比较于其他3种算法更加优越，是一种行之有效且精度高的刀具寿命预测算法。
关键词：刀具寿命；遗传算法(GA)；极限学习机(ELM)
https://kns.cnki.net/KCMS/detail/detail.aspx?dbcode=CJFQ&dbname=CJFDLAST2017&filename=DHDZ201704010&v=MDI1OTVFWklSOGVYMUx1eFlTN0RoMVQzcVRyV00xRnJDVVI3cWZidVpyRnlEbVZiN0FJU1hQZExHNEg5Yk1xNDk=
基于组合模型的大宗商品价格预测与可视分析——以甲醇价格为例（2017，被引5，下载210）
殷红，张霞，王长波
摘要：大宗商品价格因受国际和国内众多因素的影响而具有较大的波动性，对其进行准确预测具有较大的挑战。从对大宗商品价格影响因素的筛选出发，提出了基于因素分析的组合预测方法。对一年期的甲醇价格的跟踪预测表明，以广义自回归条件异方差（generalized auto-regressive conditional heteroskedasticity，GARCH）模型和自回归移动平均（auto-regressive and moving average，ARMA）模型相结合的组合预测模型对甲醇价格的中长期趋势预测有较好的效果。为结合专家的经验判断，弥补已有方法对波动拐点预测滞后的不足，并对各类组合模型的预测效果进行动态比较，构建了一个融合专家经验值的动态可视分析系统。
关键词：大宗商品；价格预测；组合模型；可视分析
https://kns.cnki.net/KCMS/detail/detail.aspx?dbcode=CJFQ&dbname=CJFDLAST2017&filename=DHDZ201704015&v=MzE2ODVMRzRIOWJNcTQ5RVlZUjhlWDFMdXhZUzdEaDFUM3FUcldNMUZyQ1VSN3FmYnVackZ5RG5VcnZCSVNYUGQ=
基于ANSYS与BP神经网络的轧花速度预测方法（2017，被引2，下载85）
葛优，陈晓川，汪军，李斌
摘要：为实现对轧花过程中轧花速度的预测以及在生产中选择合适的速度值，以达到优化原棉品质指标的目的，设计了BP神经网络模型。采用ANSYS软件对轧花过程进行模拟，得到锯片在不同转速下的支反力，并以南疆地区的机采棉为研究对象，以回潮率、支反力以及短绒率为输入量，以轧花速度为输出量，建立了BP神经网络预测模型并对网络进行训练和测试。结果表明：该预测模型可以很好地对轧花速度进行预测，平均预测误差率低于1%。由此表明，可以通过调节轧花速度来提高原棉品质。
关键词：轧花速度；BP神经网络；ANSYS；支反力
https://kns.cnki.net/KCMS/detail/detail.aspx?dbcode=CJFQ&dbname=CJFDLAST2018&filename=DHDZ201706017&v=MDEwMDRSN3FmYnVackZ5RG5XN3JPSVNYUGRMRzRIOWJNcVk5RVk0UjhlWDFMdXhZUzdEaDFUM3FUcldNMUZyQ1U=
基于SOFM的岸桥提升电机状态识别及可视化（2017，下载74）
唐刚，杨志启，胡雄
摘要：研究并分析自组织特征映射（self-organizing feature map，SOFM）神经网络的结构和算法，并应用于岸桥提升电机的状态识别及可视化。通过运用SOFM，对属性约简后的数据进行聚类及可视化分析，以有效值、脉冲指标和裕度指标为特征向量，得到3种主要的电机状态，并利用Matlab实现仿真可视化。通过对样本数据处理，实现电机状态的准确识别，从而更好地监测岸桥提升电机，同时也为机械状态的识别和维护提供一种新途径。
关键词：神经网络；自组织特征映射；无监督学习；状态识别；可视化
https://kns.cnki.net/KCMS/detail/detail.aspx?dbcode=CJFQ&dbname=CJFDLAST2017&filename=DHDZ201704018&v=MDI3NzZiSVI4ZVgxTHV4WVM3RGgxVDNxVHJXTTFGckNVUjdxZmJ1WnJGQ25rVTd6TklTWFBkTEc0SDliTXE0OUU=
面向产品造型感性意象评价的BP神经网络模型的应用（2016，被引10，下载274）
倪敏娜，孙志宏，王梓，李姝佳，黄菁
摘要：为更全面准确地评价产品造型设计，在近几年国内外产品评价系统研究的基础上，综合运用主成分分析法、聚类分析法、BP（back propagation）神经网络技术，对产品设计造型要素的感性意象进行定量化研究，建立和完善了产品设计评价的神经网络模型。并以园林工具割草机产品设计为例训练模型，验证了模型的可行性和有效性。
关键词：产品设计评价；主成分分析；聚类分析；BP(back propagation)神经网络；感性工学
https://kns.cnki.net/KCMS/detail/detail.aspx?dbcode=CJFQ&dbname=CJFDLAST2016&filename=DHDZ201604028&v=MDI5MDlEaDFUM3FUcldNMUZyQ1VSN3FmYnVackZ5RGxWcnZQSVNYUGRMRzRIOWZNcTQ5SGJJUjhlWDFMdXhZUzc=
基于遗传神经网络算法的纺织生产过程参数反演（2016，被引6，下载96）
杨建国，熊经纬，徐兰，项前
摘要：针对纺织工艺中部分参数不易获得却又对加工工艺产生重要影响的情况，基于BP(back propagation)神经网络算法建立纺织工艺参数正演模型，用遗传算法优化了网络的初始阈值和权值，使得网络预测精度大大提高，在此基础上，通过改进的遗传算法对反演参数进行求解。以实例验证了该算法的可行性和有效性，对纺织企业提高工艺开发的针对性、降低生产成本有一定的借鉴作用。
关键词：纺织生产参数反演；工艺设计；遗传神经网络算法
https://kns.cnki.net/KCMS/detail/detail.aspx?dbcode=CJFQ&dbname=CJFDLAST2016&filename=DHDZ201602013&v=MDMxODBJU1hQZExHNEg5Zk1yWTlFWjRSOGVYMUx1eFlTN0RoMVQzcVRyV00xRnJDVVI3cWZidVpyRnlEbVc3ekw=
基于PSO-BP神经网络的纱线质量预测（2015，被引12，下载118）
熊经纬，杨建国，徐兰
摘要：针对复杂纺纱过程中成纱断裂强度难以预测的问题，提出一种基于粒子群优化算法（PSO）优化BP神经网络的成纱断裂强度预测方法。该方法采用PSO优化神经网络的权值和阈值，用来提高神经网络的收敛速度和获得全局最优解的能力。以纺纱车间大量现场质量检测数据为对象，进行预测验证，结果表明，PSO-BP神经网络在预测相关性（预测值与实际值的一致性程度）上与传统BP算法相比提高5.0%，与GA-BP算法相比提高4.6%，在预测精度上均要好于BP神经网络与GABP神经网络。
关键词：BP神经网络；粒子群算法（PSO）；纱线质量预测
https://kns.cnki.net/KCMS/detail/detail.aspx?dbcode=CJFQ&dbname=CJFDLAST2015&filename=DHDZ201504016&v=MjEzMTdvUjhlWDFMdXhZUzdEaDFUM3FUcldNMUZyQ1VSN3FmYnVackZ5RGxVcjNBSVNYUGRMRzRIOVRNcTQ5RVk=
基于遗传神经网络的纱线质量预测（2013，被引23，下载207）
刘彬，项前，杨建国，吕志军
摘要：针对基于单一BP神经网络的纱线质量预测模型的不足，提出了一种基于遗传算法优化的神经网络的纱线质量预测模型，采用遗传算法完成对神经网络权值和阈值空间的寻优搜索，以提高神经网络的收敛速度和获得全局最优解的能力。通过试验表明，基于遗传算法优化的神经网络可以提高纱线质量预测模型的精度和稳定性，其性能优于基于单一BP神经网络模型的纱线质量预测。
关键词：纱线质量；遗传算法；BP神经网络；质量预测
https://kns.cnki.net/KCMS/detail/detail.aspx?dbcode=CJFQ&dbname=CJFD2013&filename=DHDZ201304025&v=MTUxMzk4ZVgxTHV4WVM3RGgxVDNxVHJXTTFGckNVUjdxZmJ1WnJGeURrVWJ2TklTWFBkTEc0SDlMTXE0OUhZWVI=
基于机器视觉的刀具磨损检测技术（2012，被引35，下载945）
杨建国，肖蓉，李蓓智，崔哲学，周虎
摘要：针对当前国内外刀具磨损检测的缺点和存在的问题，设计了基于机器视觉的刀具磨损检测方案，分析了刀具磨损检测的原理和识别过程，并结合图像处理的方法，采用自适应中值滤波对刀具图像进行平滑去噪，进一步得到刀具的二值化图像，再采用Canny边缘检测技术提取刀具轮廓信息。最后提出基于人工神经网络的刀具磨损检测算法。
关键词：刀具磨损；机器视觉；图像处理；边缘检测；神经网络
https://kns.cnki.net/KCMS/detail/detail.aspx?dbcode=CJFQ&dbname=CJFD2012&filename=DHDZ201205006&v=MDU3NzZZb1I4ZVgxTHV4WVM3RGgxVDNxVHJXTTFGckNVUjdxZmJ1WnJGeURrVTd2QklTWFBkTEc0SDlQTXFvOUY=
神经网络在产品感性设计中的应用（2011，被引36，下载509）
周美玉，李倩
摘要：通过对消费者的感性意象提取，运用BP(back propagation)神经网络建立感性意象与产品设计元素一一对应的关系模型，并通过实例论证了关系模型的有效性和快捷性，同时寻求能够指导设计师创造出符合消费者内心期望产品的有效途径，辅助产品设计以消费者感性需求为导向的方式来进行。
关键词：感性工学；产品设计；神经网络
https://kns.cnki.net/KCMS/detail/detail.aspx?dbcode=CJFQ&dbname=CJFD2011&filename=DHDZ201104030&v=MDc0ODdmYnVackZ5RGtVcjdLSVNYUGRMRzRIOURNcTQ5R1pJUjhlWDFMdXhZUzdEaDFUM3FUcldNMUZyQ1VSN3E=
基于灰色前馈神经网络的流行色预测（2011，被引18，下载168）
吴也哲，翟永超，孙莉
摘要：提出结合灰色理论和前馈神经网络的流行色预测模型GLMBPNN（Gray Levenberg-Marquardt Back Propagation Neural Network）并利用Levenberg-Marquardt算法提高传统BP（Back Propagation）神经网络模型的学习速率。运用灰色理论学习历史数据的变化规律，对数据进行灰化处理，再对比目标值与BP网络的初始输出值，不断进行逆向反馈修正，训练完毕后通过仿真、白化处理得出流行色预测值。研究表明，GLMBPNN模型预测所得的流行值比灰色模型方法所得值的精度高，且比传统BP神经网络的收敛速度快。
关键词：流行色预测；GLMBPNN模型；灰色理论；BP神经网络；数据挖掘
https://kns.cnki.net/KCMS/detail/detail.aspx?dbcode=CJFQ&dbname=CJFD2011&filename=DHDZ201102016&v=MDk3NTRxVHJXTTFGckNVUjdxZmJ1WnJGeURrVkxyUElTWFBkTEc0SDlETXJZOUVZb1I4ZVgxTHV4WVM3RGgxVDM=
企业创新能力的评价体系和评价方法研究（2006，高被引98，高下载1725）
王立新，高长春，任荣明
摘要：面向21世纪知识经济的挑战，对企业创新能力进行科学的评价对于提高我国企业的国际竞争力、获得长期竞争优势具有十分重要的意义。这里在对企业创新能力的概念、构成进行定性描述的基础上，按照层次分析法原理建立了企业创新能力综合评估的指标体系，继而提出了基于BP神经网络的企业创新能力评估模型，这为企业科学地进行创新能力评估提供了一定的理论指导。
关键词：创新能力；指标体系；层次分析法；BP神经网络
https://kns.cnki.net/KCMS/detail/detail.aspx?dbcode=CJFQ&dbname=CJFD2006&filename=DHDZ200603008&v=MTYyNjhIdGZNckk5RmJJUjhlWDFMdXhZUzdEaDFUM3FUcldNMUZyQ1VSN3FmYnVackZ5SGhWYnZCSVNYUGRMRzQ=
图像处理用于织物疵点自动检测的研究进展（2002，高被引172，高下载1055）
李立轻，黄秀宝
摘要：织物疵点自动检测、代替传统的人工检测方法是纺织品质量控制和管理的重要环节，同时又是纺织自动化的重要标志之一。基于图像处理的织物疵点检测，主要是通过图像分析，从图像中发现与正常纹理不同的部分。这方面的研究一直在持续，新的方法不断出现，但较为成熟的检测系统较少。开发适合我国纺织业的织物疵点自动检测系统，具有深远意义。
关键词：织物疵点；疵点自动检测；疵点图像分析
https://kns.cnki.net/KCMS/detail/detail.aspx?dbcode=CJFQ&dbname=CJFD2002&filename=DHDZ200204028&v=MTQ2NjIxTHV4WVM3RGgxVDNxVHJXTTFGckNVUjdxZmJ1WnJGeUhoVjcvSklTWFBkTEc0SHRQTXE0OUhiSVI4ZVg=