关键词： 机器视觉   PCB检测   图像处理  

摘要： 随着电子信息产业的快速发展,PCB作为电子设备的核心组件,其制造质量对产品的性能和可靠性起着关键作用。传统的人工检测方法效率低下,无法满足现代制造业对高精度和高效检测的需求。研究提出了一种基于机器视觉技术的PCB漏膜和漏铜自动检测装置,对PCB板表面的缺陷进行精确识别和分类。研究为PCB制造业,特别是中小型企业提供了一种成本低、效率高的自动化质量控制解决方案。

关键词： 图像处理   AI技术   神经过滤器   内容感知填充   生成对抗网络  

摘要： AI技术在图像处理领域的应用日益广泛,包括自动选择、智能裁剪、内容感知填充、图像增强、神经过滤器及生成对抗网络等技术。自动选择工具通过智能识别,简化复杂图像处理步骤。根据构图自动调整智能裁剪区域。内容感知填充可去除无需的对象,自然填补空白。图像增强工具优化色彩与细节。神经过滤器基于卷积神经网络提升图像处理质量,广泛用于色彩添加、背景替换等场景。生成对抗网络(GAN)推动图像生成技术,实现从文本到图像的创造。这些技术不仅提高处理效率,也扩展创意设计的可能性。

关键词： 麦穗计数   估产   作物表型   YOLO   目标检测  

摘要： [目的]为实现对田间麦穗的实时准确计数,本文提出一种基于改进YOLOv5s的麦穗检测计数方法。[方法]通过C2f模块获得更加丰富的梯度流,增强模型细粒度特征提取能力,并在网络关键部位引入CoordConv坐标卷积,加大对坐标信息关注程度,提升模型对麦穗位置的感知能力,同时考虑到麦穗检测任务中中小尺寸麦穗居多,采用Inner CIoU损失函数加快模型收敛速度。[结果]在公开数据集Global Wheat Head Detection(GWHD)上对上述方法进行试验,结果表明,本文改进模型的精确率、召回率、平均精度均值mAP0.5分别为93.5%、91.6%和95.9%,参数量、计算量、每秒帧数分别为12.4 MB、27.5 GFLOPs和34。[结论]本文改进模型在精确率、召回率、平均精度均值mAP0.5等指标上较原始YOLOv5s模型分别增加1.0、1.2和1.3百分点,并且优于YOLOv7-tiny、YOLOv8s等模型,可满足检测的实时性要求。同时改进后模型在处理遮挡、重叠等复杂情况时都比原始模型表现更优,具有良好的鲁棒性。

关键词： 显著目标检测   深度学习   360°全景图像   多尺度特征  

摘要： 为解决360°全景图像显著目标检测(SOD)中的显著目标尺度变化和边缘不连续、易模糊的问题,该文提出一种基于相邻协调网络的360°全景图像显著目标检测方法(ACoNet)。首先,利用相邻细节融合模块获取相邻特征中的细节和边缘信息,以促进显著目标的精确定位。其次,使用语义引导特征聚合模块来聚合浅层特征和深层特征之间不同尺度上的语义特征信息,并抑制浅层特征传递的噪声,缓解解码阶段显著目标与背景区域不连续、边界易模糊的问题。同时构建多尺度语义融合子模块扩大不同卷积层的多尺度感受野,实现精确训练显著目标边界的效果。在2个公开的数据集上进行的大量实验结果表明,相比于其他13种先进方法,所提方法在6个客观评价指标上均有明显的提升,同时主观可视化检测的显著图边缘轮廓性更好,空间结构细节信息更清晰。

关键词： 皮肤病   目标检测   注意力机制   DySnakeConv   Wise-IoU  

摘要： 针对当前人体皮肤病检测方面存在漏检、误检率高的问题,以YOLOv8为基准模型进行改进。首先,通过添加DSC(DySnakeConv)提高网络处理不规则数据的能力:其次,利用全局注意力模块GAM,增强对图像有用信息的关注;最后,借助基于动态非单调聚焦机制的Wise-IoU边界框损失函数,来实现对不同质量锚框的平衡。实验表明,改进后的YOLOv8模型在人体常见皮肤病数据集中,平均精确度(mAP)提升了2.6个百分点,精确度(Precision)提升了3.2个百分点,分别达到了88.2%和89.5%。

关键词： 滤波器   目标跟踪   算法  

摘要： 针对目标跟踪中的目标运动模糊、光照变化、尺度变化等多种因素影响所造成的跟踪目标丢失的问题,采用复合相关滤波器实现目标跟踪.利用位置相关滤波器估计目标位置;利用尺度相关滤波器估计目标尺度;在线更新两种滤波器以适应跟踪中的目标位置、表征变化.通过OTB2015数据集对算法进行验证,该算法准确度达到74.5%,成功率达到63%,跟踪速度达到165fps.实验表明,该算法可对目标运动模糊、光照变化、尺度变化序列中的目标进行有效跟踪,在多个指标上优于其他多个比较算法.

关键词： 频控阵   MIMO   图信号处理   图傅里叶变换   动目标检测   三维联合估计  

摘要： 在复杂信号背景下,频控阵MIMO雷达受到杂波和噪声源的干扰,这极大地降低了其对微弱目标的检测性能。为了应对这一挑战,文中提出一种基于图信号处理的频控阵MIMO动目标检测方法。首先,利用MTI/MTD技术消除多普勒频移项的相位变化;然后构建了FDA-MIMO下的图信号模型,并利用回波信号的图傅里叶变换形式建立谱峰搜索响应函数;最终实现对动目标多普勒-距离-角度参数三维联合估计。仿真结果验证了所提方法在复杂信号环境下相较于经典MUSIC算法能够更准确地估计目标的参数信息,有效提升了微弱目标的检测性能。

关键词： 计算机视觉   行为识别   目标检测   深度学习  

摘要： 学生的课堂行为可以直接反映出学生的学习效果,利用深度学习的方法检测学生课堂行为可以更有效地分析课堂行为以及提高教学效率。提出一种基于YOLOv8模型的识别方法,通过添加BiFormer模块,增强模型对小目标的特征感知,提高其在复杂环境下的行为检测能力,然后将模型的原上采样模块替换为CARAFE,减少上采样过程中的信息丢失,提高模型的检测精度。通过实验,此方法对课堂常见的行为识别的mAP@50达到93.1%,相较于YOLOv8提升了1.5个百分点,能够更加有效地识别课堂行为。

关键词： 热轧带钢   表面缺陷   目标检测   深度学习  

摘要： 针对目前热轧带钢表面缺陷检测精度低和效率低的问题,提出了一种基于改进YOLOv8s的目标检测算法.首先,提出了一种基于特征图二次拼接并融入GAM的SPPD模块,提升了模型多尺度信息融合能力.其次,提出了一种融合可变形卷积的特征提取模块DCNblock,以增大模型的感受野,提取完整的缺陷信息.最后,将特征融合网络中的C2f模块替换为BoT(bottleneck transformer)结构,将Transformer中的多头自注意力机制与卷积融合,提升模型的全局位置信息感知能力.实验结果表明,本文提出的算法在NEU-DET数据集上的平均精度均值(mAP)达到了80.5%,较原有的YOLOv8算法提升了5个百分点,同时检测速度达到了83帧/s,满足实时检测的需求.

关键词： 目标检测   深度学习   条码   轻量型网络   FCOS  

摘要： 条码检测在物流和零售等领域有广泛应用,然而,传统的检测方法在处理旋转、倾斜等场景下存在准确率低、计算量大、检测效率低等问题。针对上述问题,提出了一种改进FCOS的条码检测算法。首先,通过引入Triplet Attention空间注意力机制来增强对条码目标的检测能力;然后,在FCOS网络的回归分支中引入参数θ,将水平框转化为旋转框,用于拟合任意朝向下的条码目标的外轮廓;最后,在标注好的条码数据集上对改进后的算法进行模型训练和测试。实验结果表明,所提出的改进后的FCOS模型当阈值为0.5时,平均检测精度达到94.6%,整体性能优于其他主流算法,有效提升了条码检测能力,并达到较高的检测精度。