关键词： 卷积神经网络   目标检测   空间注意力   YOLOv7   海参苗计数  

摘要： 针对海参幼苗体型小、出售量大但计数不方便的问题,以大连市鑫玉龙养殖基地为样本采集地,构建了海参幼苗数据集。针对YOLOv7对海参幼苗识别精度不高的问题,对YOLOv7原生网络进行改进,添加了注意力机制;并对卷积神经网络模型进行改进,在卷积的输入特征图中新增对应的通道来表征特征图像素点的坐标,让卷积学习过程中能够一定程度感知坐标来提升检测精度;添加轻量化上采样算子,利用输入特征图来预测上采样核,每个位置具有不同的上采样核,然后基于预测的上采样核进行特征重组;提升小个体海参的识别精度。实验结果显示,基于改进YOLOv7的海参检测平均准确率为90.68%,比YOLOv3提高了9.79百分点,比Mask R-CNN提高了6.48百分点,比SSD提高了5.35百分点,比YOLOv7原模型提高了1.46百分点。结果表明,该方法能用于实现海参计数识别。

关键词： 视觉同步定位与建图   动态剔除   LK光流   高斯分布   图像处理  

摘要： 视觉同步定位与建图(VSLAM)在地下探索机器人和搜救机器人等领域中具有广泛的应用。然而,机器人在完成相关任务时,常常需要处在昏暗动态场景中,此时传统VSLAM算法精度较低,而现有的面向昏暗动态场景的VSLAM算法则往往难以满足实时性的要求。为解决这一问题,该文提出了一种面向昏暗动态场景的实时VSLAM算法。该算法基于ORB-SLAM3架构,首先利用基于Retinex理论的图像增强技术对输入图像进行预处理,从而提升算法在低光照条件下的稳定性;然后,结合YOLOv5物体检测技术,通过高斯分布分析和LK光流技术,对YOLO检测框内的动态特征点进行精准过滤,保留框内的静态特征点。在TUM、Bonn以及实测数据集上进行了验证。实验结果表明,相比ORB-SLAM3,该算法在高动态环境中的绝对轨迹误差(ATE)提升了至少86.93%,在低动态环境中也提升了27.61%。与同类型的VSLAM算法相比,该文所提算法在保持较高定位精度的同时,处理速度更快,实现了精确性和实时性的良好平衡。

关键词： 输送带跑偏   Canny算子   自适应阈值   霍夫变换  

摘要： 在煤炭输送过程中,输送带的安全、稳定运行至关重要,在发生跑偏故障时若不能及时得到处理,会造成更为严重的事故。为了能够对输送带进行更加准确的跑偏检测,采用计算机视觉技术,提出一种输送带跑偏实时检测方法。首先采用改进的Canny算子对输送带图像画面进行边缘轮廓信息提取;然后采用改进的累计概率霍夫变换提取输送带边缘直线特征;最后根据计算出的输送带中心位置与标准位置的偏差、输送带两侧边缘角度与标准角度的偏差对输送带是否跑偏进行判定,并对跑偏级别进行划分。实验结果表明,提出的输送带跑偏检测方法能够准确计算出输送带的中心位置及输送带两侧边缘角度,算法具有有效性。

关键词： 人工智能   配电室   智能运维   边缘计算   目标检测  

摘要： 针对配电室传统人工巡检方式存在效率较低、劳动强度大、检测结果不准确等问题,通过分析配电室智能运维功能要求,提出了一种基于YOLO目标检测算法的智能巡检机器人方案,实现了对配电柜仪表的自动检测与巡检,完成了硬件系统和软件系统设计。采用轨道式布置形式合理利用配电室空间,降低了工人劳动强度,缩短了巡检周期。在山西某煤矿井上配电室应用后表明,配电室智能巡检机器人可代替3~5人完成配电室的巡检任务,降低了工人劳动强度、设备运维成本以及故障发生率。经过3个月的连续运行,提前发现故障15次,验证了方案设计的合理性和可行性。研究结论为后期实现配电室无人化提供了一定参考。

关键词： YOLOv5算法   火灾检测   目标检测   深度学习  

摘要： 文章设计了基于YOLOv5算法的火灾检测系统。通过深入分析火灾图像特征,采用PyTorch框架,结合数据增强与模型优化策略,提高了检测性能与泛化能力,实现了实时、准确检测火灾。实验结果显示,该系统具有较高的检测精度,优秀的实时性,有效增强了火灾预警的及时性和可靠性,为火灾检测提供了高效、可靠的技术支持,具有显著的应用价值。

关键词： 遥感目标检测数据集   数据集保护   版权保护   感兴趣区加密   目标生成水印  

摘要： 遥感目标检测数据集的样本收集、清洗及标注过程通常需投入巨大成本,可被视为高价值的知识产权,而未授权使用或数据泄露会造成数据集拥有者的版权被侵权。为保护数据集版权,本文提出了一种基于后门水印和感兴趣区加密的遥感目标检测数据集版权保护算法。该算法通过将目标生成水印触发器嵌入原始数据集,并利用感兴趣区范围的置乱和添加扰动对数据集进行加密。在水印嵌入阶段,从原始数据集中随机选择任意样本,并将触发器嵌入样本的随机位置。数据集加密阶段分为3步,对标注文件中的感兴趣区范围进行初次加密,在加密的感兴趣区范围内添加扰动,以及基于用户独立密钥对感兴趣区进行二次加密。通过对关键信息感兴趣区进行加密而非全文加密提高算法效率,使用独立密钥降低密钥泄露风险提高安全性。在数据集分发使用阶段,授权用户可以将密文恢复为正确的感兴趣区;未授权用户若直接使用密文数据集则无法训练一个有效的模型。若发生数据泄密,恶意用户使用该数据集在训练模型时,后门水印信息会被植入模型。因此,在版权验证阶段,通过调用该模型的接口进行后门水印的验证,实现版权申明。大量试验证明,本文算法在不影响数据集质量的情况下,有效地保护了数据集版权,水印算法对微调攻击和剪枝攻击均具有较强的稳健性。

关键词： 印刷品   缺陷   图像处理   深度学习   计算机视觉  

摘要： 印刷品是生产生活中常见的一种产品，而印刷品的质量对于其使用效果、美观度和商业价值都有很大的影响。在印刷品生产过程中，颜色缺陷是常见的质量问题之一，它们包括色差、色斑、颜色均匀度等。如何准确、高效地检测印刷品颜色缺陷是印刷行业亟待解决的关键技术。本文探讨了印刷品颜色缺陷检测的方法和技术，首先介绍印刷品颜色缺陷的种类，分析传统的人工检测方法存在的问题和局限性，接着介绍了计算机视觉技术在印刷品颜色缺陷检测方面的应用，最后总结了各种具体方法解决印刷品颜色缺陷的优缺点，并讨论了未来的研究趋势。

关键词： 变电设备   红外图像   目标识别与检测   计算机视觉   深度学习  

摘要： 变电站设备准确的红外热图像识别与检测是其温度状态智能分析的先决条件。为了克服复杂背景的干扰,提出了改进的轻量级YOLOv7方法,以提高在复杂红外背景下变电站设备的识别效果。提出的方法引入了高分辨率P2检测头来改进小目标检测,无参数注意模块SimAM在复杂红外背景中更好地提取不同变电设备目标特征,CARAFE模块在上采样过程中减少特征信息的损失,进一步增强算法的鲁棒性。实验及测试结果显示提出的模型比原始YOLOv7-tiny高出2.6%检测精度,实现了101 FPS(帧数)的实时推理速度,证明了所提出的模型在变电站设备的红外图像目标识别方面的优势,特别是较小的变电设备,并且提出的模型比其他轻量级模型拥有更高的识别检测精度。

关键词： 计算机视觉   海上漂浮式光伏   运动响应   实时监测   误差分析  

摘要： 近年来国内外建成了多个海上漂浮式光伏电站实证项目,但相关结构的破坏事故屡屡发生.动位移作为反映结构运行状态和系统性能的重要指标,对其进行有效监测具有重要意义.为了克服传统监测手段在海上环境中的局限性,提出了基于计算机视觉的浮岛运动位移监测方法.该方法采用长焦摄像设备进行视频采集,利用自然标志物进行目标追踪,运用尺度因子法进行位移计算,并根据工程特点提出了一种基于三次样条曲线插值的亚像素级位移计算方法.为了对该方法的准确性和实用性进行检验,设计实施了简单标定试验、漂浮式光伏浮岛水力学模型试验和天津某海域实际光伏浮岛原型监测试验,并进行了详细的误差分析.结果表明:基于三次样条曲线插值的亚像素级位移计算方法在精度和计算速度上都比高斯曲面拟合等方法更具优势,可以更好地缓解整像素模板匹配方法随拍摄距离增大而导致的误差显著增长问题;当拍摄距离大于等于100倍的物距变化时,可以基本消除浮岛沿光轴方向运动对成像平面内位移的影响;所提方法在试验室内20 m拍摄距离下的归一化均方根误差为1.78%,具有较好的精度;原型监测得到的竖向运动位移的双幅值与波浪高度相近,归一化相关匹配系数矩阵的峰值十分明显,亚像素计算拟合效果较好.综合分析认为,监测结果合理有效,所提方法在海上漂浮式光伏浮岛运动响应监测方面具有较好的应用价值.

关键词： 缺陷检测   图像处理   机器学习   YOLOv5   注意力机制   二值图像  

摘要： 对于聚乙烯(PE)管道,在运行中经常有不同程度的泄漏等异常,通过对管道中不同异常的实验模拟,收集数据并手动标记相应的数据集。为了提高管道缺陷图像的质量,首先采用加权平均法对图像进行灰度处理;然后,利用伽马变换改进管道背景与缺陷的对比度;最后,使用双重过滤来降低图像中的噪声。为了降低数据的复杂度,提高模型训练速度,采用改进的Sobel算法对管道缺陷图像进行边缘检测,采用自适应阈值分割算法分割缺陷图像的边缘,生成二值图像,用二值图像训练模型,减少了模型对颜色特征的依赖,加快了模型的收敛速度。为了提高管道缺陷检测的精度,引入CA注意力机制,提高目标检测特征提取能力。改进的YOLOv5模型的mAP和召回率分别为97.18%和98.03%。与原算法相比,mAP增加了1.33%,召回率增加了3.83%。