关键词： 分拣机器人   图像处理技术   正确识别率   货物分拣   深度学习   科技进步   目标检测   电子光学  

摘要： 1.引言科技进步实现了由机器取代人工完成大量繁重的工作。现代物流的快速发展,对货物分拣提出了更高的要求。货物分拣机器人是利用先进的传感器、电子光学、机械控制等原理从而实现对货物的分拣[1],货物分拣机器人的出现使货物分拣的效率有了极大的提升。一直以来如何提高分拣过程中的正确识别率是该领域的研究方向。传统图像处理技术在进行目标检测与识别时存在检测精度低、抗干扰能力差、无法适应复杂环境等问题[2]。近年来,对于物流获取的目标检测,基于深度学习的方法应用最为广泛。

关键词： 防护装备检测   多尺度感知网络   目标检测算法   空间感知注意力   尺度感知注意力  

摘要： 为提高医护人员一次性防护装备的检测准确率和精确率,降低感染风险和环境污染,针对现有目标检测算法在复杂环境下性能较差的问题,本文通过引入多任务损失函数、最小绝对值偏差、复杂尺度感知注意力和空间感知注意力以及可变卷积的方式优化目标检测算法,提出多尺度感知网络(MSTDA)和多重感知注意力检测模型(MATDA)并进行医护人员防护的智能算法实验。实验结果表明:MSTDA模型在准确率和精确率上均优于现有YOLO系列模型及Faster RCNN模型,且MATDA模型在准确率和预测精确率上表现最佳。正确佩戴口罩时模型MSTDA比其他3种模型分别高出17.8%、2.7%、16.3%,未正确佩戴口罩时比其他3种模型分别高出17.3%、4.1%、16.1%。消融实验验证了尺度注意力模块和空间注意力模块的有效性。未来工作将致力于降低模型复杂度,提升计算速度,并考虑其他因素的交叉影响,以增强智能检测方法的适用性。

关键词： 应用型能力培养   课程思政   数字图像处理  

摘要： 数字图像处理教学采用“以学生为中心”的翻转课堂形式,精心设计课堂教学,引入学生喜闻乐见的工程实例,自然融入课程思政,能产生较好的教学效果,达到应用型人才培养目标。基于此,文章以灰度形态学为例,课前通过慕课平台进行线上教学,让学生得到初阶认知;课中运用现代信息技术,引入实例和递进式应用实践,实现课程思政教学;课后结合慕课平台,让学生进行实践操作,递进式实现光电专业应用型本科人才育人成效。

关键词： 粮仓储粮数量   储粮高度   语义分割   U-Net   定量分析   计算机视觉  

摘要： 我国储粮分布具有点多、线长、面广的特点,传统的粮食数量监管面临着效率低、成本高、严重滞后等问题,亟需研发可对粮仓储粮数量实时快速检测的新技术。针对该问题,提出一种基于U-Net的粮仓储粮高度定量检测方法,通过对仓内监控相机拍摄的图片中粮面和通风窗进行分割处理,得到粮面边缘和通风窗上下边缘像素值,并以通风窗上下边缘的离地高度为基础,计算得到粮仓储粮的实际高度,再结合粮仓长度、宽度和粮食密度等基础数据,即可得到粮仓储粮实际数量。分别使用U-Net、DeepLabV3+和PSPNet 3种算法对分割后的粮仓图片进行分析处理并计算储粮高度。结果表明,U-Net的平均交并比(MIoU)和平均像素准确度(MPA)分别为93.25%和95.88%,MIoU相较于DeepLabV3+和PSPNet分别提高1.82、2.69百分点,MPA相较于PSPNet提高2.42百分点;U-Net的定量分析误差为3.51%,比DeepLabV3+和PSPNet分别低1.34、0.43百分点,较为适合作为粮仓储粮高度定量计算分割算法。该方法无需提前设置测量标尺,仅依靠仓内监控相机即可实现粮堆高度测量,可基本满足粮仓储粮数量的快速检测需求。

关键词： 杂波   概率数据关联   变分贝叶斯   卡尔曼滤波   自适应因子  

摘要： 为了提高杂波干扰环境下的目标跟踪精度,将概率数据关联与变分贝叶斯理论相结合,提出了一种变分贝叶斯概率数据关联卡尔曼滤波(PDA-VB-KF)跟踪算法。算法首先采用概率数据关联(PDA)技术获取目标的有效量测,随后基于伽马分布设计相应的自适应因子以修正有效量测的噪声协方差。最后在变分贝叶斯(VB)框架下,实现自适应因子和目标状态信息的联合估计。为验证提出算法的跟踪性能,通过两种仿真案例对其进行测试。仿真结果表明,相比于传统的最近邻卡尔曼滤波(NN-KF)算法,k最近邻卡尔曼滤波(KNN-KF)算法和概率数据关联卡尔曼滤波(PDA-KF)算法,提出的算法具有更高的跟踪精度。

关键词： 数字化转型   图像处理   数据中心   智慧交通   医疗保健   金矿   科学计算   数字时代  

摘要： 身处数字时代,从科学计算、图像处理,到智慧交通、医疗保健,算力逐渐像水、电一样,渗透到生产生活的各个领域,为各行各业的数字化转型注入新动能,成为经济社会高质量发展的重要支撑。如果说数字经济是一座“看不见的金矿”,数据中心就是挖“金矿”的“铲子”。

关键词： 图像处理   点云配准   重叠分数预测   通道空间感知   松弛变量  

摘要： 现有部分重叠点云配准算法在重叠边界区域的感知以及非重叠点的去除上存在不足,限制了部分重叠点云配准算法性能的进一步提高。针对以上问题,本文设计了一种基于两阶段的重叠分数与匹配矩阵驱动的部分重叠点云配准网络。首先在位姿估计模块采用邻域一致特征作为输入来估计初始位姿,以提高初始对齐准确度;接着设计一种通道空间感知Transformer模块来感知两点云重叠区域,以保持对重叠边界区域的精确感知;然后提出一种基于Transformer的特征编码器来编码初始对齐后点云的特征,以挖掘特征图全局和显著通道特征;最后采用离群点去除方法将余弦相似度矩阵转换为匹配矩阵,以去除非重叠点并正确匹配点间对应关系。本文算法在ModelNet40,ShapeNetCore. v2和Stanford Bunny数据集上进行了验证,在ModelNet40数据集上,相对次优算法GeoTransformer,本文算法的平均各向同性误差MIE(R)和平均绝对误差MAE(R)分别下降12.79%和9.78%;在ShapeNetCore. v2数据集上,相对次优算法MGFPCR,本文算法的均方根误差RMSE(R)和平均绝对误差MAE(R)分别下降42.00%和61.66%;在Stanford Bunny数据集上,相比次优算法ROPNet,本文算法的均方根误差RMSE(R)和平均绝对误差MAE(R)分别下降25.53%和5.58%。实验结果表明,本文算法在泛化性能和抗噪性能上相比其他算法均有较好表现。

关键词： 表计读数识别   目标检测   概率霍夫变换   轮廓检测   深度学习   指针式仪表  

摘要： 由于户外场景下智能巡视表计设备采集图像时会受光照条件影响,设备采集图像质量较低,因而难以实现表计的准确读数。为此,该文首先提出一种户外场景下巡视表计的方法。该方法分为表盘检测与读数检测两部分,通过训练表盘特征高效检测模型进行表盘检测后,将检测到的候选框图像进行预处理以及基于轮廓检测的二值图重构,然后在上述二值图中依次进行起始刻度线检测、指针检测,最后使用角度法获得表计读数。经实验验证,该文方法可以克服户外场景下表计图像存在的图像模糊、反光以及存在阳光阴影等低成像质量的影响,在5种常见光照场景下的表盘目标平均误检率与平均漏检率分别为1.005%与0.505%,单张图像检测平均耗时28.1 ms,读数检测准确率为93.91%,对于复杂光照场景下的变电站指针式表计读数具有适用性与有效性。

关键词： 目标跟踪   相关滤波   尺度估计   自动控制  

摘要： 面向复杂城市低空环境中的“低、慢、小”无人机的精准快速跟踪难题,提出了融合DSST-KCF算法的反无人机自动追踪系统。该系统由双光图像采集单元和显示控制单元两部分组成;双光图像采集单元采集低空图像,然后由融合DSST-KCF算法对图像进行实时处理;融合DSST-KCF跟踪算法包括位置滤波器和尺度滤波器,其中位置滤波器采用循环矩阵形成的数据集进行训练,然后预测出下一帧目标位置;尺度滤波器从目标位置中心提取出33种不同尺度下的特征进行训练,然后确定跟踪框的尺寸;最后采用DSST-KCF-云台控制策略,使无人机保持在视场中心附近实现有效跟踪。在校园环境中,利用本系统对空中无人机进行实时跟踪测试,测试结果表明,改进后算法相比原KCF算法检测成功率平均提升了31.51%,跟踪精度平均提升了43%,适用于小型运动目标的跟踪。

关键词： WN-A-YOLOv5   GAM   Focal-EIOU Loss   深度学习   UWCNN  

摘要： 针对海洋生物检测中存在的目标被遮蔽或半隐蔽等问题,提出一种适应于水下目标检测的网络WN-A-YOLOv5。在训练改进的模型之前,结合水下增强轻量级网络算法对原图像进行预处理,有助于在复杂的海洋环境下准确识别目标。文中在改进YOLOv5算法时,首先,引入Swin-Transformer主干模块,以提高模型的泛化能力;其次,在head预测部分使用EMA结构以及在主干中引入GAM注意力机制,以提高模型的鲁棒性;最后,引入Focal-EIOU Loss,用于精确边界框回归的高效损失。结果表明,经过改进训练的算法mAP为88.59%,实际检测视频帧率可达38.86,有效地提高了海洋目标检测精度。