关键词： 智能交通   深度学习   目标检测   YOLO   复杂交通场景  

摘要： 针对复杂交通场景下,特别是拥堵道路中,经常出现的交通目标密集、互相遮挡,小尺度目标检测精度低的问题,提出了一种面向复杂交通场景的目标检测模型YOLO-T(You Only Look Once-Transformer)。首先提出CTNet主干网络,相较于CSPDarknet53,该主干拥有更深的网络结构和多尺度特征提取模块,不仅能够更好地学习密集目标的多级特征,还可以提高模型对复杂交通场景的应对能力,进而引导模型更加关注小目标的特征信息,提升小目标的检测性能;其次引入Vit-Block,采用卷积和Transformer并行的方式融合更多的特征,兼顾局部和上下文信息的关联性,从而提升检测精度;最后在颈部网络Neck后增加Reasonable模块,引入注意力机制,进一步提高目标检测算法对复杂场景和遮挡目标的鲁棒性。实验结果表明,相比基准算法,YOLO-T在KITTI数据集和BDD100K数据集的检测精度分别提高了1.92%和12.78%,能有效提升复杂交通场景下的检测性能,更好地辅助驾驶员对其他车辆行驶行为的判断,减少交通事故的发生。

关键词： 计算机视觉   柑橘   分级包装   缺陷检测   限位泡沫  

摘要： 机器视觉是能赋予机器“甄别图像”能力的前沿尖端技术。聚焦于其在柑橘自动分级包装系统的应用研发,旨在大幅提升柑橘生产线效率,增强市场竞争力。鉴于柑橘表皮缺陷对品质和价值的直接影响,系统以缺陷大小和数量为主要分级依据。在暗箱环境获取高质量表皮图像,通过先进算法精准识别缺陷特征实现高效准确分级。包装环节中,分级结果实时反馈至机械臂控制系统,驱动其迅速抓取柑橘并放置于对应纸箱。纸箱内有限位泡沫防止碰撞摩擦,提升保护性。实验结果表明,柑橘缺陷检测精度达98.7%,精度提升1.4个百分点,分级精度达95%,包装平均速度每小时6000个。此系统提升了分级包装效率和准确性,为柑橘产业智能化升级提供技术支撑,市场前景广阔。

关键词： 细粒度识别   目标检测   可变形注意力机制   多尺度特征   YOLOv8  

摘要： 为了提升不同环境中竹笋细粒度的自动化识别精度,提高生产管理效率,文章提出了一种基于YOLOv8的目标检测改进模型。该模型融合了BiFPN(Bidirectional Feature Pyramid Network),这一架构在图像目标检测和分割任务中表现出色,同时在C2f模块中添加DAT(Vision Transformer with Deformable Attention),引入了可变形注意力机制,进一步提升了模型的性能。实验结果表明,改进后的算法模型对春笋和冬笋识别的平均精度均值(Mean Average Precision,mAP)分别为81.4%和94.7%,相较于原有模型,分别提升了0.9百分点和3.9百分点。改进后的算法模型在竹笋细粒度识别方面展现出较高的精度,为未来竹笋产业的高度智能化提供了技术支撑。

关键词： 划线车   图像处理   MPC  

摘要： 道路标线划线车是标记或划定道路边界、车道、停车线等交通标线的专业车辆,其作用是施划道路标线,确保道路标线整齐清晰,从而提高道路安全性和车辆行驶的有序性。针对使用传统手推划线车存在施工效率和施工精度偏低、人眼对齐施工道路引导水线(以下简称引导水线)难的问题,设计了小型划线车无人驾驶改造方案。该系统首先采用图像处理技术改进Haar-like模版进行引导水线特征识别;其次,结合GNSS定位信息将图像中引导水线特征中点转换到全局坐标系下,并根据图像所得到的全局定位信息进行模型预测控制器(MPC)轨迹跟踪设计;最后通过实车实验进行验证,本文所设计的小型无人驾驶划线车改造方案能够清晰识别引导水线特征,无人驾驶跟踪精度满足道路标线工艺要求。The road marking vehicle is a specialized apparatus for marking or delineating road boundaries, lanes, and parking lines, with the primary function of applying road markings to ensure clarity and neatness, thereby enhancing road safety and facilitating orderly vehicle movement. To address the issues of low construction efficiency and precision, as well as the difficulty for manual alignment of the guide waterline (hereafter referred to as the guide waterline) during traditional hand-push road marking operations, a solution for the driverless transformation of a small road marking vehicle has been designed. This system first utilizes image processing techniques to improve the Haar-like template for guide waterline feature recognition. Next, it integrates GNSS positioning information to transform the midpoint of the guide waterline features from the image into the global coordinate system. Based on the globally positioned information derived from the image, a model predictive controller (MPC) is designed for trajectory tracking. Finally, through real vehicle experiments, it is demonstrated that the intelligent modification solution for the small autonomous road marking vehicle can accurately recognize guide waterline features, and its unmanned tracking precision meets the requirements of road marking processes.

关键词： 文档处理机器人   三轴桁架结构   机械手   气动   目标检测   字符识别   自然语言处理   Python   YOLOv8  

摘要： 本文提出了一种高效智能的文档处理机器人设计方案,旨在提高文档处理效率,降低人力、物力、时间成本以及失误率,以适应现代办公环境的智能、自动化趋势。该机器人可以根据用户定义的关键字词规则,实现智能地将纸质文档分类或排序,此外还能实现内容采集与纠错等任务。其采用三轴桁架结构的机械手,桁架结构由步进电机驱动,机械手包含摄像头、真空吸盘以及多个传感器。用户放入待处理的纸质文档,并通过局域网连接主控板进行发布任务,然后由机械手摄像头检测纸张位置以及识别文字,接着由真空吸盘吸取纸张,分类放置在指定位置。综合以上设计,本方案大幅提高了办公的效率和智能化,为自动化文档处理领域提供了一个可行的解决方案。

关键词： 计算机   图像处理技术   网页设计   运用探究  

摘要： 随着互联网技术的不断进步,网页设计不再局限于纯文本展示,而是将视觉艺术和前端技术融入其中,不断优化用户体验。在这一过程中,计算机图像处理技术起到了至关重要的作用。它不仅提高了网页的美观度,还提升了信息的传达效率和用户的互动体验。如今,3D效果、视频内容、动画和视差滚动等高级视觉设计元素已成为网页设计中的标准配置,网页设计师能够利用这些元素为用户提供动态页面和互动体验。本文旨在探讨计算机图像处理技术在网页设计中的应用,分析这些技术如何帮助设计师创造出既美观又实用的网页界面,为设计师提供理论参考和实践指导,使其更好地利用图像处理技术,提升网页设计的整体质量和用户满意度。

关键词： 多目标跟踪   数据关联   遗漏现象   单目标跟踪器   重匹配  

摘要： 数据关联是多目标跟踪(Multiple object tracking, MOT)中的重要步骤,一般需要根据特征相似性实现目标和检测物体之间的身份匹配。部分目标或检测物体可能在匹配结束后仍处于孤立状态,可能导致轨迹中断或身份错乱的遗漏现象。为改善MOT的精度和稳定性,抑制数据关联中的遗漏现象,提出了一种基于高性能单目标跟踪器(Single object tracker, SOT)和重匹配的防遗漏机制。该机制运用Transformer和扩散模型,设计了一款契合MOT需求的SOT用于追踪遗漏目标,并通过记忆目标信息对遗漏检测物体实施重匹配。通过消融实验验证了SOT和重匹配方法在防遗漏机制中的作用,并在标准数据集上测试了该机制对MOT算法跟踪性能的影响。结果表明,各算法加入该机制后性能获得全面改善,该机制可有效抑制MOT中的遗漏现象。

关键词： 红外弱小目标   复杂背景   强机动目标   数据驱动   二维子空间   三维时空  

摘要： 针对复杂背景下红外弱小目标检测跟踪中目标特征缺失、强杂波干扰等问题,基于多帧的处理方法引入了目标运动特征来提升性能,然而针对无人机等新型强机动目标,现有的基于机理模型的多帧处理方法难以覆盖其复杂多变的运动形态,导致其检测跟踪的效果并不理想。对此,以多帧的处理方法为基础框架,提出了一种复杂背景下基于数据驱动的红外弱小机动目标检测跟踪方法:首先采用MPCM算法对弱小目标进行增强;其次将多帧的增强结果投影到二维子空间,构建基于YOLO的二维轨迹检测模型;最后将二维检测结果进行三维时空回溯,构建基于LSTM的三维轨迹检测模型。构建检测模型时,在实测图像的基础上进行了数据增广,使得训练样本尽量覆盖目标的各种运动形态;在二维子空间上,利用高性能YOLO检测网络,快速剔除大量杂波;在三维时空上,利用LSTM时序网络对少量难剔除的杂波进行精细化筛除。与多种算法的对比实验结果表明,所提方法在耗时上能满足实时性要求,同时,在多个场景下的平均跟踪精度能达到86.6%,虚警率仅有9.2%,ROC曲线下的AUC值能达到0.9820。

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。

关键词： 图像处理   泄漏区域识别   目标检测   挥发性有机化合物泄漏   红外气体成像仪  

摘要： 为了解决红外气体成像仪在挥发性有机化合物(VOC)泄漏识别中存在的误识别率高、漏检率高、算法执行效率低以及模型泛化能力差等问题,提出了一种基于运动特征增强的VOC泄漏区识别方法。采用视频序列投影变化率统计的方法确定视频稳定性判定阈值,提取稳定状态下运动背景和运动前景;采用优化线性拉伸的方法对运动前景进行特征增强和异常值过滤;将运动前景与原始帧进行图像融合,并利用目标检测算法进行VOC泄漏区域识别;通过模型预训练和迁移学习的方法,以烟雾数据集和少量VOC泄漏数据集进行了识别模型训练,并将模型迁移至RK3588S嵌入式开发板上进行了执行效率测试。结果表明,该算法在交并比为0.5的情况下,平均精度均值为0.88;交并比在0.5~0.95范围内,平均精度均值为0.51,单帧平均识别时间为49 ms,具有较高的识别精度和识别效率,能够满足实时监测需求。本文中的算法能够保持稳定的模型性能且具有一定的抗干扰能力,为VOC泄漏识别提供了一定的参考。