关键词： YOLO   Vibe算法   背景模型   自动光学检测   缺陷检测   目标检测  

摘要： 随着工业自动化和智能制造的深入发展,自动光学检测(AOI)技术的重要性日益凸显。因此,这里将结合国内外相关技术文献深入研究如何借助人工智能视觉算法技术实现AOI技术实时检测PCB电路缺陷。本文提出一种基于YOLO目标识别算法融合Vibe预处理前景算法的方案,实现快速完成对缺陷目标的锁定与判断。这里将通过对实验数据的分析来验证该方案应用在PCB缺陷检测的可行性和优越性。

关键词： 变压器目标检测   YOLOv8   深度学习   街景图像  

摘要： 街景图像是一种城市街道级别信息地理大数据,利用街景图像不仅能够实现大范围、高效率的变压器巡检,还能降低巡检成本。但是,街景图像中的变压器往往像素少、分辨率低、背景复杂,导致现有目标检测方法对变压器的检测准确度不理想。针对上述问题,本文提出一种改进的YOLOv8算法YOLOv8-WSX。首先,使用WIoU作为损失函数,强化模型对困难样本的检测性能;然后,引入空间分组增强(SGE)注意力机制模块,提高模型的特征提取能力;最后,增加微小目标检测头,解决微小变压器目标漏检的问题。实验结果表明,相较于YOLOv8,YOLOv8-WSX的F1值提升了5.9个百分点,IoU阈值为50%时的平均精确率均值提升了6.3个百分点,IoU阈值在50%~95%范围内的平均精确率均值提升了3.2个百分点,且模型的参数量有所下降。

关键词： 生菜   气雾栽培   OpenMV   图像处理   环境调控  

摘要： 随着农业的快速发展,气雾栽培(雾培)技术因其高效、节水、优质等特点受到广泛关注。为了对生菜生长环境进行精准监测与调控,设计了一种基于OpenMV的生菜雾培环境调控系统。该系统由OpenMV主控模组、温湿度检测模块、光照强度检测模块、二氧化碳检测模块、超声波雾化模块、营养液供给模块、图像处理模块等构成,实现了智能化、精准化的生菜雾培管理,对推动设施农业的现代化发展具有重要意义。

关键词： 人流量检测   YOLOv8   目标检测   系统设计  

摘要： 随着城市公共场所人流量管理需求的增加,基于深度学习的人流量检测技术成为研究热点。文章提出了一种基于YOLOv8和Deep SORT算法的地铁人流量检测系统,旨在提高地铁等公共场所的人流监测效率与准确性。系统结合YOLOv8进行目标检测,使用Deep SORT进行多目标跟踪,实现了高精度的人流检测与实时追踪。通过在多个数据集上的实验,评估了模型的精度、召回率和m AP等性能指标,结果显示精度为0.8859,召回率为0.86175,m AP@0.5为0.8929,表明该系统具备较高的检测性能。对比实验和消融实验进一步验证了该系统在复杂环境中的优越性,尤其在多目标跟踪方面的优势。本研究为智能交通和公共安全领域提供了有效的技术支持,具有较好的应用前景。

关键词： 知识图谱   科研创新能力   研究生培养   数字图像处理   “导学”一体化  

摘要： 培养研究生的科研创新能力是推动科技进步和实现国家发展战略的关键。本文旨在构建基于知识图谱的研究生科研创新能力培养体系,通过探索学科研究热点与知识点的关联,设计可视化学习路径。以数字图像处理课程为例,从依托导师在研究生教育中的指导作用和发挥研究生主体作用两个方面,形成“导学”一体化模式,从而提升研究生的科研创新能力。

关键词： 监控视频   目标跟踪   地理空间映射   地理空间信息   可视化  

摘要： 监控视频中目标的识别和跟踪对于维护社会稳定、提升公共安全和便利性有重要意义,同时也为数据分析和智能应用提供基础。然而,其与地理空间信息的耦合分析程度较低,仅靠监控人员进行观察费时费力,不能充分利用监控视频的空间信息。针对这种问题,提出将监控视频与地理空间信息结合的方法,对关注目标进行检测识别提取,通过由图像空间向地理空间的映射模型,将目标运动轨迹映射至地图中。同时,结合以上技术以及应用需求的不同,设计实现监控视频目标跟踪可视化原型系统,创建交互式的可视化界面,便于监控人员在宏观上把握监控区域目标的动态信息,实现监控目标在地理空间的可视化。

关键词： 中国兵工学会   重点科研项目   基金项目   光电信息   传感技术   图像处理   ISSN   中北大学  

摘要： 《测试技术学报》(ISSN1671-7449 CN14-1301/TP)由中北大学和中国兵工学会主办,是“中国兵工学会测试技术学会”会刊,刊登有关测试技术的重点科研项目、基金项目的研究成果以及兵器及民用测试的应用技术,是“中国科技核心期刊”。本刊稿件来源于全国各大高校、研究院所及国外一些大学,在国内本专业学者中受到高度重视,重点关注测试技术与理论研究、光电信息与传感技术、故障检测、信号检测、数据采集、图像处理、通信技术等领域。

关键词： 遥感图像   车辆目标检测   YOLOv5s   自注意力机制   轻量化上采样算子   损失函数  

摘要： 遥感影像在目标检测领域被广泛应用,在车辆目标检测方面,由于遥感图像自身背景复杂、车辆目标小且密集等特点,现有目标检测方法常面临检测效果不佳以及漏检误检等问题。该文针对性地提出了一种改进YOLOv5s的目标检测方法。引入了带有位置信息编码的自注意力机制,强化对同一尺度内特征信息的融合,在网络高层采用MobileViT处理更抽象的特征,高效捕捉复杂的上下文信息,进一步增强了对小目标的识别能力,解决了小目标漏检问题;应用轻量级上采样算子来降低模型复杂度;另外,应用ShapeIoU损失函数,使该模型更加关注边界框的形状和尺度以便提高检测精度。在遥感车辆数据集COWC进行了完整实验,实验表明改进后的模型各项指标均有提升,准确率提高了0.3百分点,召回率提高了1百分点,mAP提高了0.8百分点。

关键词： 目标检测   卡尔曼滤波   动态抓取   自动化装配   机器人操作系统  

摘要： 针对传统军工业生产制造中,机器人在动态抓取过程中出现的检测精度不高、位姿适应能力差的问题,提出了一种基于深度学习的动态抓取技术,以在传送带运动过程中实现对弹药零件的高效抓取。采用YOLOv5目标检测网络,以实时准确地识别和定位弹药零件,结合卡尔曼滤波算法进行精确的目标跟踪和位置预测。此外,通过实施逼近抓取策略,确保在动态环境中实现稳定可靠的抓取。以机器人操作系统(ROS)为平台进行方案可行性验证。结果表明,该动态抓取方案可满足实际需求,为类似抓取任务提供了参考。

关键词： 敦煌壁画   改进的Yolov8   目标检测   特征增强  

摘要： 敦煌壁画因其极高的艺术价值、历史价值、研究价值而备受关注。在壁画文创研发中,壁画元素检测扮演了一个十分重要的角色。但是,受到壁画脱落、颜料褪色、病虫害破坏、元素体量差异大等因素的影响,给壁画元素的检测工作带来了极大的困扰。为此,文中基于Yolov8算法进行了改进拓展工作并将其引入壁画元素的检测任务。具体来说,考虑到部分元素特征不明显的问题,设计了改进的SPPCSPC模块以增强模型的特征感知能力,扩大模型的感受野;考虑到元素体量差异巨大、元素风格多变的问题,在C2f模块末端引入CoordAtt注意力机制以增强网络对局部及非显著信息的关注能力。在敦煌壁画元素检测任务上,相比5项前沿检测算法,所提算法取得了先进的壁画原始检测性能。相比Yolov8基线算法取得了2.2%@mAP的性能提升,尤其是在main_buddha类别上提升了12.2%@mAP的检测性能。所提方法有效支撑了敦煌壁画的后续相关研究工作。