关键词： 机器视觉   液位检测   图像处理   微孔板   零均值归一化互相关匹配  

摘要： 在使用人工检测微孔板的多孔液位时耗时费力、准确率低下,针对此问题提出一种基于机器视觉的微孔板液位检测方法。通过设计相机采集角度、打光方式等搭建视觉检测系统并采集到清晰的单排液位图像;基于零均值归一化互相关的匹配原理,设计算法对中值滤波后的图像进行位姿校正,结合液位图像重心定位8个单孔液位位置;设定相似度双阈值实现对液位的检测,并对不规则液位图像加入掩码进行二次匹配检测。通过实验验证,该方法对溶液容积变化范围为-10~10μL及以上的液位检测准确率达100%,满足检测微孔板液位的准确性需求。

关键词： 电池材料   中国科学院院士   计算机视觉   机器学习   动力电池   储能系统   大数据   云计算  

摘要： 当前,AI赛道如火如荼,风口已刮向动力电池,包括计算机视觉、机器学习、云计算、大数据等AI技术正成为提升极限制造体系的关键手段。电池,这个看似不起眼的小物件,承载着能源转型、绿色发展的重大使命。从手机、电动车到储能系统,电池无处不在,其性能的提升直接影响着我们的生活质量和社会可持续发展。然而,电池材料的研发却是一个周期长、成本高、效率低的复杂过程。面对这一挑战,能否借助AI的力量,为电池材料的研发插上翅膀?答案是肯定的。

关键词： 高中语文教学   人工智能技术   计算机视觉   智慧时代   高中语文教师   音频处理   强化学习   生成式  

摘要： 随着人工智能技术在语言处理、编程、计算机视觉、逻辑推理、音频处理、自主代理、机器人学习及强化学习等多个领域的新发展,以ChatGPT等产品为代表的生成式人工智能技术横空出世,以“技术+应用”为核心特征的数字革命正在加速智慧时代的到来,为教育教学工作注入了新活力。高中语文教师也须积极应用新技术,既要用之有道,也要守之以本。

关键词： 票据   目标检测   识别   改进YOLOv5   损失函数  

摘要： 在票据全流程识别过程中,针对不同类型票据的目标检测是关键步骤,为实现日常报销过程中不同种类票据快速检测其类型和位置,文章提出一种基于改进YOLOv5算法的票据检测方法。对于原始数据集进行预处理,模拟票据检测中可能出现的干扰信息,提高训练模型的性能;利用CSPDarkNet53网络进行特征提取,采用基于重合面积、中心点距离、长宽比和角度4个几何参数的SIoU目标位置损失函数,对原损失函数进行改进,提升YOLOv5票据检测的精度,构建票据检测方法。最后通过自建实际拍摄的票据数据集来验证基于改进YOLOv5算法的票据检测的有效性。结果表明,该方法拥有较高的平均精度均值(99.20%)和检测速度(51帧/s),可以满足实际应用场景的要求。

关键词： 脱靶量   无人机   舰炮   目标跟踪  

摘要： 脱靶量是检验部队训练水平、武器性能的一个重要指标,同时也是优化方法、改善参数的重要反馈依据。针对海面舰炮脱靶量测量成本高、方式复杂、受海面气候影响大、测量精度不高等问题,提出了一种基于无人机目标跟踪的舰炮脱靶量测量方法。该方法使用无人机作为观测平台,通过与靶船通信,确定规则的相对运动,拍摄清晰的脱靶图像及相关位置信息。地面站系统利用YOLOv5-DeepSORT目标检测和跟踪算法对炸点水柱进行检测和跟踪,从而实现对炸点水柱脱靶量的测量。该方法实施简单,测量精度高,可有效增强脱靶量测量的效果,提高部队的战斗力水平。

关键词： 光学遥感图像   目标检测   损失函数   多尺度   深度学习   特征信息  

摘要： 针对光学遥感图像因目标尺度差异大,小目标特征信息不足导致的检测精度低、误检、漏检问题,文中提出一种基于PSN-YOLOv7的光学遥感图像目标检测方法。首先,增加一个160×160的小目标检测层,增强网络的多尺度目标检测能力;其次,提出改进的ELAN-P和ELAN-WS模块,在减少计算量和参数量的同时,增强全局理解能力减少目标特征信息的损失,有效改善误检;最后,提出MNI损失函数改进YOLOv7的CIoU位置损失函数,抑制小目标造成网络损失不平衡的影响,从而减少目标漏检的情况。在DIOR公开遥感图像数据集上进行训练与测试,实验对比结果表明,所提方法检测精度mAP@0.5为92.3%,比YOLOv7网络提高了3.2%,且计算量和参数量与原YOLOv7网络相当,提升检测精度的同时保证了网络的性能平衡。

关键词： 机器学习   甘蔗   遥感影像   目标检测   图像处理   智能农业   无人机高光谱成像   YOLO算法  

摘要： 文章探讨了机器学习在甘蔗种植区域精准识别中的应用,旨在解决传统人工识别方法耗时费力、易受主观因素影响的问题。鉴于甘蔗种植面积分散、统计易重叠的现状,文章提出利用无人机高光谱成像结合Python网络爬虫技术的图像采集方法,以获取高精度、多样化的图像数据。通过采用YOLO算法进行模型训练,实现了对甘蔗种植区域的快速识别和统计。实验结果表明,该方法能够有效识别甘蔗种植区域,为甘蔗种植户、农业管理部门及科研机构提供科学依据和技术支持,从而推动农业智能化的发展。

关键词： 玉米   害虫   YOLOv8   目标检测   UI   图片   视频   摄像头  

摘要： 基于流行的深度学习算法——YOLOv8框架,训练出一个智能识别玉米害虫的目标检测模型。采用PyQt5开发设计出一款可视化UI界面,实现图片检测、视频检测以及摄像头实时跟踪识别,系统可准确检测宁夏地区常见的13种玉米害虫类别,测试结果可以保存起来方便后续数据分析。基于YOLOv8的玉米害虫检测系统简单易用、界面友好、实时性好、准确率高,为宁夏玉米种植害虫识别提供了解决方案,满足农民现实需求,具备可推广价值。

关键词： 智能车   目标检测   目标跟踪   传感器融合   实例分割   透视投影  

摘要： 针对智能车的环境感知任务,为了结合相机图像中丰富的语义信息与激光雷达点云中准确的位置信息,提出一种基于图像和点云实例匹配的融合检测方法。通过实例分割网络预测图像中目标的实例掩膜,通过透视投影变换将点云投影至图像平面,根据每个目标的实例掩膜提取属于该目标的点云,然后利用聚类算法去除点云中的噪声,并利用凸包轮廓逼近算法拟合点云的三维轮廓,实现对目标的融合检测。在所提出的融合检测方法的基础上,设计跟踪门实现多目标的数据关联与管理,基于卡尔曼滤波对目标进行跟踪并估计各目标的运动状态。试验结果表明,该方法能够有效地对图像数据和点云数据进行信息融合,从而准确快速地对目标的位置、尺寸、方向角进行拟合并对目标的速度进行估计,且在不同试验场景中表现出鲁棒性。

关键词： 信号处理   语音识别   图像处理  

摘要： 阐述信号处理在语音识别领域、通信领域、图像处理等领域的广泛应用。介绍信号处理系统的基本原理,分析信号处理系统在电子信息工程中的应用,并对信号处理系统优化提出合理途径。