关键词： 图像处理   核桃   修剪   UNet模型   分叉点   定位  

摘要： 为定位核桃树枝条分叉点,筛选枝条修剪位置,该研究提出了基于改进UNet模型与图像处理的枝条分叉点定位与修剪位置选择方法。首先,改进语义分割模型,VGG16-UNet中添加MCA(multidimensional collaborative attention)模块,命名为VMfd-UNet,实现核桃树树干和枝条的识别与分割;其次,提取掩膜细化处理,根据枝条相交情况、相对位置关系,结合图像处理与深度信息定位枝条分叉点;最后,以k-means聚类枝条分叉点三维坐标的欧几里得距离计算出质心,取距离质心最近的枝条分叉点作为修剪位置。试验表明,VMfd-UNet在整个数据集上的平均像素精度m PA和平均交并比mIoU分别比VGG16-UNet高4.86、4.85个百分点,在验证集上表现优异,树干和枝条的mPA分别达到96.71%和90.42%,mIoU分别达到90.27%和79.86%,参数量为35.73 M。以枝条分叉点选择修剪位置,平均准确率达到83.2%。该研究可为核桃树准确定位修剪点提供位置参考与技术支持。

关键词： 船舶检测   YOLOv5s   轻量级注意力机制   轻量化卷积  

摘要： 针对船舶上算力资源有限导致的检测算法速度慢和检测率低问题,基于YOLOv5s算法,提出了轻量级注意力机制与跨尺度融合的船舶目标检测算法。在主干网络中引入轻量级注意力机制SimAM,并与颈部网络跨尺度进行融合,提升算法的检测精度;引入轻量化卷积C3Ghost和GhostConv降低检测算法的参数量,实现船舶的实时检测;对于边界框回归损失,采用自适应参数提高锚框的适应性以及鲁棒性。最后,与其他流行算法在SeaShips数据集上进行对比和消融实验,结果验证了所提算法的有效性。

关键词： 图像处理   点云配准   迭代最近点算法   特征提取   特征匹配、随机采样一致性   主成分分析法  

摘要： 针对工业场景下经典迭代最近点(iterative closest point,ICP)算法在点云位姿估计中初始位姿敏感度高、迭代时间长的问题,提出一种基于RGB图像的快速点云配准方法。分别采集RGB图像和点云数据,使用ORB(oriented FAST and rotated BRIEF)算法提取RGB图像特征点,利用Brute-Force算法进行初始匹配,采用随机采样一致性算法优化匹配,得到单应矩阵和旋转平移矩阵,求解汽车零配件初始位姿。进一步采用主成分分析法和双向KD树近邻搜索算法对预处理后的点云数据进行精确配准。实验结果表明,所提算法相较ICP算法,在配准速度和精度上分别提高了87.2%和5.0%,相对于FR-ICP(fast and robust iterative closest point)算法,在配准精度相当的情况下,配准速度提高了55%。

关键词： 机器视觉   图像处理   尺寸测量   OpenMV4 H7 PLUS  

摘要： 本文基于机器视觉模块OpenMV4 H7 PLUS,设计了一种视觉模组与光学放大镜配合的微小机械零件尺寸自动测量系统,并进行试验验证。结果表明:该系统不仅可通过集成视觉模组、光学放大、传送平台等部件,应用OpenMV IDE和MicroPython开发相关程序,实现自动感知零件进入镜头区,定点抓拍获得微小零件图像,而且可通过图像预处理和边缘轮廓检测,实现相关尺寸自动测量。

关键词： 计算机视觉技术   造纸工业   质量控制   缺陷检测  

摘要： 随着造纸行业向规模化、柔性化生产转型,高效精确的质量控制已成为提升竞争力的关键挑战。传统的人工检测方法在高速生产线上存在实时性不足、精确性受限以及易受人为因素干扰等问题,难以满足现代生产对产品质量稳定性的要求。计算机视觉技术凭借其高效性和精确性,逐渐成为提升造纸行业质量控制水平的核心手段。通过探讨计算机视觉技术在造纸产品质量控制中的实际应用,重点分析其在纸产品的缺陷检测,纸张幅宽、横向位置及厚度等关键尺寸参数测量,以及色差与纹理监控等环节的技术路径与实施效果,旨在为造纸行业质量管理的智能化转型提供技术支撑与实践参考。

关键词： AI图像处理   蜀锦   蜀绣   纹样设计   历史文化内涵  

摘要： 蜀锦蜀绣作为中国传统手工艺的代表,具有丰富的历史文化内涵和独特的艺术特征。随着科技的不断发展,人工智能技术在各个领域都取得了突破性的成果,将其应用于蜀锦蜀绣纹样设计,也有着明显的优势。本文通过研究蜀锦蜀绣的历史及艺术特征,结合这些年的实践。

关键词： 多任务学习   目标检测   语义分割   自动驾驶   特征融合   轴向注意力  

摘要： 为了满足自动驾驶要求并提升多模型间的协同效果,基于共享主干网络提出新的算法.为了提升模型的位置表达能力,将轴向注意力机制加入主干网络,在保持轻量化特征提取的前提下建立全局关键点间的联系.在多尺度信息提取阶段,引入自适应权重分配方法和三维注意力机制,降低不同尺度特征间的信息冲突.根据难分样本区域优化损失函数,加强所提算法在难样本区域的细节识别能力.在BDD100K数据集上的实验结果表明,相比YOLOP,所提算法在交通目标检测任务中的平均精度均值(在IoU=50%的情况下)提高了3.3个百分点,在道路可行驶区域分割任务中的mIoU提升了1.0个百分点,车道线检测准确率提升了6.7个百分点,推理速度为223.7帧/s.所提算法在交通目标检测、可行驶区域分割和车道线检测任务上了均表现出良好的性能,能够较好平衡检测精度与推理速度.

关键词： 计算机视觉   课堂视频   头部姿态估计   注意力模型   抬头率   活跃参数  

摘要： 针对研讨型或纵深较大的讲授型教室中头部姿态估计方法存在的误检、漏检问题,提出一种课堂注意力测量方案。首先,采用级联神经网络结构对课堂视频进行头部检测,精确获取学生头部的位置和数量。其次,构建全局人脸检测器和头部姿态分类器,结合人脸检测与姿态分类,准确判定凝视与非凝视状态。接着,引入活跃参数,通过前后帧头部位置匹配算法计算头部姿态变化次数,并结合凝视状态改变次数表征抬头率,得到新的抬头率计算公式。最后,结合抬头率和活跃参数,通过注意力模型分析得出总体表征课堂注意力的数值——注意力K值。实验结果显示,头部检测器在多尺度课堂中的准确率超95.6%,头部姿态分类器分类精确率达94.6%。实际课堂验证表明,该方案能真实反映学生注意力情况,为教学反思和教学能力评价提供重要参考。

关键词： 图像处理   图像分类   生成对抗网络   数据增强  

摘要： 针对在工业环境下因图片数据样本量较小影响带钢表面缺陷检测分类精度,通常采用数据增广策略但需保证细节特征多样性的问题,提出了一种多样性激励深度卷积生成对抗网络VS-DCGAN(variety-stimulation deep convolutional generation adversal network)和MobileViT的带钢表面缺陷分类方法。首先,引入深度卷积生成对抗网络,利用通道注意力机制和多样性激励模块对其进行改进;再用VS-DCGAN对原始数据集进行扩充并保证细节特征多样性;然后,在扩充后的带钢表面缺陷数据集上训练轻量级分类网络MobileViT;最终实现带钢表面缺陷的分类。实验结果表明,多样性激励深度卷积生成对抗网络可以生成与原始图像数据分布相似且细节特征更丰富的带钢表面缺陷图片,达到了数据增强的目的;且扩充后的数据集能够使得轻量级分类网络MobileViT的训练效果更优异,3个版本的分类准确率分别为97.33%、98.66%、97.33%,分别提高了0.33%、1.5%、2.13%,高效地实现了带钢表面缺陷分类。

关键词： 图像处理   算法优化   并行计算   内存管理   性能分析  

摘要： 针对图像处理算法在开发过程中面临性能瓶颈问题,运用C语言实现经典的图像滤波和边缘检测算法,并深入分析其执行效率。通过改进数据结构设计、优化内存管理策略以及引入并行计算机制等手段,构建了一套完整的性能优化方案。实验数据显示,优化后的算法在处理速度上显著提升,具体表现为图像滤波速度提升45%,边缘检测速度提升38%,图像分割速度提升41%。该优化方案已在工业视觉检测系统中得到验证,为提升C语言图像处理算法性能提供了实用参考。