关键词： 计算机视觉   块石堆积   DeepLabV3+   堵塞识别  

摘要： 溢洪道是水利工程中重要的泄水结构,保障其稳定地泄流对调节水库水位、保障挡水建筑物安全等具有重要意义。现阶段溢洪道检测自动化水平低、缺少专门的管理人员,发生堆积险情上报难以满足即时性要求。因此,利用计算机视觉技术建立了一种便捷、轻量化的溢洪道块石堆积检测方法。先通过室内试验模拟可能出现的块石堆积情况,建立一套图像采集系统拍摄不同形态块石造成的溢洪道泄槽堵塞;然后以常规DeepLabV3+模型为基础,将模型中backbone替换为Res Net50和Mobile NetV2网络结构。通过对比试验表明,修正后模型的分类准确率和平均交并比均有所提升。综合考虑模型性能和图像分割效率,最终采用Mobile Net V2网络结构作为改进的DeepLabV3+模型的backbone。试验结果表明,改进的DeepLab V3+模型的平均交并比较常规模型提升了12.61%,测试集中的平均图像分割时间为277.93 ms。研究所用方法能够为溢洪道自动化检测提供基础。

关键词： 机器人视觉定位   高压开关柜   图像处理   远程操作  

摘要： 高压开关柜远程操作常受到复杂环境因素的影响,如遮挡、光照不足以及电磁干扰等,这些因素导致了高压开关柜的可用率并不高。针对上述问题,提出基于机器人视觉定位技术的高压开关柜远程操作策略分析。通过建立远程实时图像采集机制,对高压开关柜的各个位置图像进行实时收集与分析,引入机器人视觉定位技术,对高压开关柜的图像进行高精度处理,基于高压开关柜指示灯的远程识别制定远程操作策略,根据高压开关柜的实时状态,采用一键顺控操作,实现对高压开关柜的远程精准控制。试验结果表明,所提方法受复杂环境因素的影响较小,设备可用率较高,具有较好的应用价值。

关键词： 自动巡检   图像处理   无人机   输电线路  

摘要： 阐述一种基于无人机影像的输电线路自动巡视系统。介绍系统的设计与构成,探讨系统的工作流程与算法原理,包括无人机航行路径规划、图像数据采集与处理流程、缺陷检测与识别算法原理。

关键词： 深度学习   目标检测   电磁信号识别   自适应空间特征融合   MobileNet  

摘要： 针对从在时间及频段上重叠的多种电磁信号中识别出目标信号的问题,提出了一种基于YOLOv5架构改进的电磁信号目标识别方法;通过改进YOLOv5算法以提高对电磁信号时频图像上目标信号的检测精度;采用MobileNetV3作为主干网络,以实现骨干网络轻量化的同时平衡精度和速度;通过在特征金字塔网络模块中引入自适应空间特征融合(ASFF)模块来将不同尺度的特征进行融合,调整损失函数,从而增强网络对不同尺度目标的感知能力;将改进YOLOv5算法在自制电磁信号时频图像数据集上与原始YOLOv5算法和SSD算法进行对照试验;实验表明,改进后的方法对时频图像上目标信号的检测能力有明显增强,具有一定的实用价值。

关键词： 无人机   红外目标   目标检测   深度学习  

摘要： 针对深度学习用于无人机目标检测参数量大、硬件平台受限的问题,提出了一种基于YOLOv5网络的红外目标检测算法。首先,针对无人机拍摄目标较小的情况,将三尺度特征检测修改为双尺度特征检测,简化模型结构;利用DenseBlock模块、ECA注意力模块以及CIoU提高模型的检测精度。实验结果表明,相较YOLOv5s算法,改进算法在保证精度的前提下,模型参数量减小了25.2%,仅为5.3M,该算法将无人机应用于公共安全领域具有参考价值。

关键词： Yolov8   养老   深度学习   目标检测  

摘要： 随着人口老龄化的不断加剧,独居老人居家养老占比升高,为保障老年人居家养老安全,针对独居老年人在家中跌倒等问题,采用Yolov8神经网络模型,基于计算机视觉技术和深度学习技术对目标人体进行检测、识别和分析,实现了人体识别、跌倒检测等功能。结果表明,该模型检测速度快,识别效率高,能够达到自动化监测居家安全和危险及时预警的目的。

关键词： 多目标跟踪   运动线索   判别性外观特征   噪声补偿   数据关联  

摘要： 在多目标跟踪任务中,外界噪声的干扰会导致传统方法的系统建模不可靠,从而降低目标位置预测的准确性;而密集人群引起的拥挤和遮挡问题则会严重影响目标外观的可靠性,导致错误的身份关联.为了解决这些问题,本文提出一种多目标跟踪算法Ecsort.该算法在传统运动预测的基础上,引入噪声补偿模块,降低噪声干扰引起的误差,提高位置预测的准确性.其次,引入特征相似度匹配模块,通过学习目标的判别性外观特征,并结合运动线索和判别性外观特征的优势,从而实现精确的身份关联.通过在多目标跟踪基准数据集上进行的大量实验结果表明,与基线模型相比,该方法在MOT17测试集上的IDF1 (ID F1 score)、HOTA (higher order tracking accuracy)、AssA(association accuracy)、DetA (detection accuracy)分别提高了1.1%、0.5%、0.6%、0.3%,在MOT20测试集上的IDF1、HOTA、AssA、DetA分别提高了2.3%、1.9%、3.4%、0.2%.

关键词： FPGA   缺陷检测   图像处理   像素阈值算法  

摘要： 针对当前工件检测中,工件表面缺陷检测存在处理速度慢的问题,设计出一种具有高速互联总线的SocFPGA架构解决方案。首先将图像数据灰度化、中值滤波、自适应阈值分割以及形态学操作,消除图像中的污损部分,凸显缺陷像素。其次,利用像素阈值算法与投票算法,标注了图像表面缺陷位置。最后,采用铜板试样并结合OV5640摄像头,搭建了一套工件表面缺陷检测系统。测试表明,当缺陷直径不小于0.5 mm,缺陷检出率约为90.24%,处理1帧图像的时间约为0.62μs,实现了工件表面缺陷图像的实时在线检测,为该领域研究提供一定的参考。

关键词： 计算机视觉   图像处理   电气设备   自动化检测   特征匹配  

摘要： 为提升电气设备的检测效率和准确性,研究提出基于计算机视觉的电气自动化智能检测方法,通过图像预处理提高图像质量,利用计算机视觉算法对预处理后的图像进行特征识别。数据显示,自适应中值滤波后图像的信噪比为32.3 dB,图像结构相似性为0.91,均高于均值滤波和中值滤波。通过特征点数量和筛选匹配优化的加速稳健特征算法的识别准确率平均值为96.1%,匹配成功率平均值可达97.3%。基于计算机视觉的系统的平均准确率为94.5%,高于传统观察法和维修记录法。研究表明,基于计算机视觉的电气自动化智能检测方法在提高电气设备检测效率和准确性方面的潜力。该方法可以有效地应用于电气自动化领域,实现对电气设备状态的自动化监测和诊断。

关键词： 计算机视觉   目标跟踪   目标遮挡   多尺度   特征融合   时间显著注意力  

摘要： 针对现有孪生神经网络仅利用空间信息,面对目标遮挡、消失、表观剧烈形变等挑战造成跟踪准确度下降问题,提出一种时间显著注意力孪生跟踪网络。该网络通过信息交换“桥梁”,一方面为当前帧添加时间显著注意力,引导网络重点学习目标特征;另一方面对内存网络中历史目标特征进行筛选,将其作为附加模板,提供目标额外表观信息,同时遵循学习目标表观信息与空间位置的变化规律,指导后续检测、分类过程。为提高时间显著注意力能力,提出多尺度特征提取单元,解决骨干网络特征提取不充分的问题。在Got-10k数据集上进行模型测试,与目标跟踪算法时空记忆网络(STMTrack)相比,AO值提高2.4%。可视化结果显示,注意力挛生跟踪网络在目标遮挡、消失等挑战中,具有更高准确性。