关键词： 半月板撕裂   目标检测   Yolov3算法   图像分类  

摘要： 针对医师进行半月板撕裂诊断时,存在半月板区域面积小,无法有效识别的问题,提出一种改进后Yolov3的定位裁剪方法。用高效通道注意力网络(efficient channel attention network,ECANet)作为移动翻转瓶颈卷积(mobile inverted bottleneck convolution,MBConv)中的注意力机制模块,命名为MBConv+。MBConv+模块堆叠构成EfficientNet-b0+,作为Yolov3的特征提取网络,对半月板进行检测及定位裁剪,并采用支持向量机(support vector machines,SVM)进行分类实验。实验结果表明:改进后Yolov3算法与原算法相比,在平均精确率均值(mean average precision,mAP)相近条件下,训练时间大幅缩减,帧数(frames per second,FPS)提升了1.3221,达到了29.0691。与原始数据集相比,裁剪后图像在分类性能上有提升,精度提升了7.739%,达到91.251%。

关键词： 冰壶   目标检测   目标追踪   轨迹特征  

摘要： 冰壶运动轨迹捕捉可以数字化还原比赛过程中冰壶的运动曲线,不仅有利于观众更好了解比赛情况,还可以帮助运动员对当前局势做出判断。运动员与冰壶之间的交互会导致冰壶频繁地被刷子或者运动员身体遮挡,所以从视频序列中直接对移动的冰壶进行追踪是非常困难的。论文针对冰壶比赛场景,通过优化深度学习中的目标检测算法,使用结合冰壶运动特征以及外表特征的多目标追踪方法实现了对冰壶目标的捕捉,坐标的快速校准以及冰壶运动轨迹的合成。论文还提供了一个实际冰壶比赛场景下的标注数据集,弥补了冰壶目标检测与追踪的大型数据集的欠缺。在真实冰壶场景数据集上,与现有的冰壶目标检测与追踪算法相比,实验结果证明,所提方法能够高效完成冰壶追踪任务并且具有很高的准确率。

关键词： 缺陷检测   数字图像   光学元件   偏振特性  

摘要： 光学元件表面缺陷会严重影响到光学系统的性能指标。现有的光学元件表面缺陷检测技术存在检测速度慢,精度低等问题。基于光学元件微缺陷偏振检测技术,研究了缺陷偏振成像的数字图像处理方法。首先利用光的偏振特性采集到缺陷对比度高的图像,然后通过滤波去噪、阈值分割、形态学处理的方法对图像进行预处理,再根据不同的缺陷类型选取不同的特征参数从而实现缺陷检测及分类,此外还精确测量了缺陷的尺寸。结果表明,此方法的缺陷总检出率为95.90%,单张图像检测时间少于50 ms。

关键词： 隧道工程   隧道衬砌   病害检测   计算机视觉   深度学习  

摘要： 隧道衬砌作为隧道的重要支撑结构,对其中存在的病害进行检测显得十分重要。然而,传统的隧道病害检测方法高度依赖人工,效率低下,并且存在一定的安全风险,因此,如何高效、安全地实现病害的自动检测成为了热门的方向之一。深度学习(DL)和计算机视觉(CV)被视为实现隧道衬砌病害自动检测的具有发展前景的方法。为了阐明DL技术和CV技术在病害检测中的研究与应用,总结了隧道衬砌病害检测技术的发展历程;基于数据对于DL模型训练的重要性,总结了衬砌病害数据集的建立过程;随后,总结了基于DL的CV技术在隧道衬砌表面病害和内部病害检测方面的方法和应用;最后,讨论了目前研究中存在的问题,并对未来的发展进行了展望。

关键词： YOLOX-EfficientNet   路面病害   目标检测   深度学习  

摘要： 本文在YOLOX模型的基础上,以G320部分路段的路面存有病害的图片数据库为基础,融合了EfficientNet网络,建立完备的数据集,分析了路面多种病害的成因及特征,对数据集采用Labelimg标注软件对图片上的病害进行定位、分类,从而建立完备的模型训练、测试的数据集,以实现基于卷积网络的YOLOX-EfficientNet模型对路面病害进行识别、分类、定位。Efficient网络从多个方面对YOLOX模型进行优化,提高YOLOX模型的检测精度。

关键词： 水下目标检测   图诱导原型对齐   域自适应   卷积块注意模块  

摘要： 针对水下目标检测易出现域偏移而导致检测精度下降的现象,文中提出了基于图诱导原型对齐(GPA)的域自适应水下目标检测方法。该方法通过区域建议之间基于图的信息传播得到图像中的实例级特征,导出每个类别的原型表示用于类别级域对齐,从而聚合水下目标的不同模态信息,以此实现源域和目标域的对齐,减少域偏移带来的影响;同时添加了卷积块注意模块(CBAM),使神经网络能够专注于不同水域分布下的实例级特征。实验结果证明该方法能够有效提高发生域偏移时的检测精度。

关键词： 深度学习   目标检测   树木检测   林业调查  

摘要： 随着计算机视觉技术和深度学习领域的爆发式进步,在遥感影像上进行树木检测已成为深度学习模型的应用领域之一。为揭示基于深度学习的树木检测给林业调查与监测带来的机遇和挑战,本文通过对比分析经典的SSD、RetinaNet、YOLOv3、FasterRCNN深度学习模型在模型大小、训练效率和平均精度得分等维度的实际应用表现,给相关领域的进一步研究与应用提供参考。研究表明,4种模型随着骨干网络结构的逐渐加深,平均精度得分显著提高,但训练时长和模型大小也成倍增长,其中,SSD模型在本文数据集中的速度与性能之间的平衡性表现最好,采用ResNet-101骨干网络的平均精度得分为0.817,其验证和损失函数趋势相近,是一个功能强大的目标检测模型。文章总结并讨论了当前深度学习与目标检测所面临的问题。

关键词： 图像处理   轮廓提取   轮廓平滑方法   轮廓曲线重采样   工件图像配准   轮廓曲率   全仿射模型   动态时间规整  

摘要： 随着机器视觉技术的发展,工件图像配准在机器抓取、缺陷检测方面应用广泛,然而工件拍摄视点不同易造成图像匹配困难,这也成为工件图像匹配亟待解决和研究的问题。鉴于工件的独特轮廓形状,针对多视点造成的匹配问题,提出了一种基于轮廓曲率的工件图像配准方法。首先,在轮廓平滑处理中,针对多边形拟合道格拉斯-普克(DP)算法效果不佳的问题,利用滑动窗口平均方法对轮廓做了进一步处理,有效提高了轮廓平滑度;然后,在轮廓曲线重采样中,对采样点集进行了时间序列化,利用采样间隔设计了一种有效的重采样方法,实现了对重采样点的任意取值,并保持了轮廓点的密集情况;在建立全仿射曲率库中,设计了两步匹配策略,有效提高了匹配精度和效率;最后,针对曲率曲线匹配算法,将形状上下文(SC)引入动态时间规整(DTW)距离计算,解决了DTW算法存在的问题。研究结果表明:该方法能有效地对模板工件图像进行仿射转换,实现与目标工件图像的匹配目的;同时在匹配算法的三对比较实验中,利用SC-DTW匹配算法得到的转换图像与目标工件图像的差异只有4.8%、2.65%和3.92%,相较DTW的6.83%、4.03%和6.34%,以及归一化相关性匹配算法(NCC)的7.45%、6.39%和7.31%,其差异较小,表明该算法配准效果更好,能更有效地计算两条曲线的相似度,从而获得最佳曲率曲线样本,完成工件图像精准配准的任务。

关键词： OpenCV   双波长光纤导引光   高精度装调   图像处理   最小二乘法  

摘要： 为了保证双波长光纤导引光在高精度装调设备中的成功应用,设计了一种基于OpenCV(Open Source Computer Vision Library)的图像处理算法。采用主动调整曝光模式对CCD(Charge-coupled Device)相机进行主动调焦,利用OpenCV分析典型图像处理算法,调整算法参数,通过最小二乘法拟合图像,绘制中心坐标,最终实现输出理想的图像。经检测分析,图像校准的精度平均值为4.54μrad。该算法能够捕捉、识别并实时跟踪目标,将计算机识别的中心坐标打印到输出的图像上,提高了双波长光纤导引光对装调设备的装调精度。

关键词： 目标检测   深度学习   数据合成   三维重建   域随机化  

摘要： 深度学习目标检测算法需大量训练数据支撑,数据增广是一种自动生成训练样本的有效手段。为在原始样本稀缺时提供大量高质量训练样本,提出一种基于三维重建的物体空间数据增广合成方法,克服现有数据增广要么需要复杂手工建模、要么样本视角多样性不足的问题。首先用少量多视角图像重建目标三维模型,再通过多域随机化图像渲染得到不同环境下任意视角图像,然后将渲染图与随机背景融合并自动生成标注信息,得到海量多样化合成样本。构建5种训练数据集并在典型目标检测算法上对上述增广方法开展实验验证,结果表明合成样本对原始稀缺样本数据集有显著增强作用,可大幅提高目标检出概率和目标检测定位精度,而且对一般数据集也具有很好的适用性。