关键词： FSTC教学模式   混合式教学   中职教育   信息技术   教学设计  

摘要： 随着信息技术的飞速发展和教育政策的不断推进,中职学校传统的教学模式正面临着巨大的挑战。特别是在信息技术相关课程方面,原有的教学模式已逐渐无法满足当前素质教育的要求。基于这一现象,该研究旨在探讨FSTC教学模式,即“五步三查”教学模式,在Photoshop图形图像处理课程混合式教学中的应用。通过将五步三查的教学理念与线上线下混合式教学方式相结合,旨在实现更高效、更有针对性的教学活动。本文通过对五步三查教学模式的深入剖析,将其具体细节与混合式教学法相融合,并针对该模式的教学特点,以Photoshop图形图像处理课程的第一章“走进Photoshop的世界”为例进行教学设计,以期为中等职业学校的课堂教学改革提供经验性的启示。

关键词： 采摘机器人   YOLOv8算法   注意力机制   Mosaic数据增强算法  

摘要： 针对农业领域中草莓采摘机器人在复杂环境下识别草莓果实准确率不高的问题,提出了一种基于改进后的YOLOv8算法的解决方案,该方法能够实现对草莓果实的精确、快速识别.首先,使用Mosaic数据增强算法进行目标检测数据预处理,该方法显著提高了模型的泛化能力,并帮助模型在复杂背景中更好地识别草莓;其次,引入了通道优先卷积注意力机制,该机制通过重点关注图像中的信息丰富通道,提高了对小目标草莓的检测能力,显著提升了特征提取的效率,使得模型能够更加集中地学习和提取与草莓识别相关的特征,从而提高了小目标检测的精度.通过一系列的实验验证,改进后的YOLOv8算法在草莓采摘目标检测中的表现显著优于原始YOLOv8算法,其平均精度均值达到89.35%,相较于原YOLOv8算法,平均精度均值提升了5.83%.综上所述,所提出方法在识别草莓果实时具有显著的优势,特别是在处理小目标和复杂背景方面.改进后的YOLOv8-ECPCA网络模型达到了可在草莓采摘机器人中应用的水平,可为采摘机器人在实际农业环境中的实时小目标检测提供强有力的支持.

关键词： VisionPro   C#语言   图像处理   PLC   颜色识别  

摘要： 随着制造业朝着数字化智能化转型,机器视觉识别技术应用领域越来越广。在自动化设备中,对于产品颜色和形状的识别经常使用,本研究基于VisionPro软件与C#语言联合开发机器视觉识别上位机系统,同时利用***实现S7-1200PLC与上位机的数据通信。通过图像采集和处理,提取物体的颜色信息,并利用C#语言把VisionPro的图像数据进行处理然后,发送给PLC控制机构进行运动控制,最终将视觉分拣设备能够快速、准确地对图像的数字形状和物块颜色进行分类,实现了高效的自动化处理。

关键词： 红外小目标   目标检测   人类视觉系统   双邻域窗口  

摘要： 为降低复杂背景中的干扰杂波对红外小目标检测的影响,提出一种双邻域局部权重对比度算法。首先,考虑到不同尺寸的红外小目标的背景特性,采用双邻域窗口策略有效捕捉目标与背景特性。其次,分别计算方向信息特征图和权重系数增强图,前者充分利用目标的弥散方向信息,后者结合区域灰度响应强度及离散程度生成权重信息,两者结合生成目标显著图。最后,采用自适应阈值分割从目标显著图中提取目标。在4组不同背景的公开数据集上与6种算法进行了比较,所提出的算法具备较强的抗干扰能力和准确的检测性能。

关键词： 自动驾驶   图像去雾   YOLOv5   轻量化卷积   损失函数   目标检测  

摘要： 由于在恶劣天气下汽车对环境的感知能力差,且对动态目标的检测能力有极大的影响,使得基于深度学习的目标检测网络在雾天行人车辆检测中出现精度低、鲁棒性差等问题。本文提出一种基于DehazeNet去雾算法与改进YOLOv5算法相结合的雾天检测方法—YOLOv5-SGE检测网络。通过取消初始锚框,实现锚框自适应计算,生成适合当前数据集的锚框;在特征提取模块加入三维权重注意力机制,使网络可以快速捕捉到感兴趣区域,抑制无用信息;使用轻量级卷积GSConv代替融合模块的标准卷积,弥补语义信息损失,减轻模型的复杂度;使用EIoU损失函数替换YOLOv5网络原损失函数CIoU,加快网络收敛速度。实验结果表明:所提算法具有较高的检测精度,mAP达到84%,验证了算法的有效性。

关键词： 金属软管   断丝检测   图像处理   阈值分割   形态学处理   参数测量  

摘要： 针对现有的金属软管网套钢丝断丝破坏检测过程中的人工检测时肉眼难以识别、长时间工作注意力下降影响检测效率与准确度等问题,设计一种基于Halcon的金属软管外网套断丝缺陷检测系统。确定图像的光照方式,利用相机拍摄到有利于分析处理的图像效果;在Halcon中首先对图像进行预处理,然后对图像进行阈值分割并提取出表面断丝缺陷,将破损部位的形状转化为规则形状便于测量,最后对破损位置的尺寸以及软管尺寸进行测量并将数值显示在图框中。实验结果表明:该方法能够清晰地检测出金属软管的破损位置并进行尺寸测量,通过对5种直径不同且缺陷位置与大小均不同的金属软管断丝缺陷部分进行测量可知,采用该方法进行测量时所产生的最大误差为0.22 mm,优于断丝检测精度(0.5 mm),符合检测需求。

关键词： 医用纤维内窥镜   综合镜体光效   图像处理   自动检测  

摘要： 医用纤维内窥镜已应用于各种医疗领域,其综合镜体光效的水平会影响所接收到图像的质量,从而导致医护人员无法准确判断病灶情况。为快速有效评价纤维内窥镜在临床使用下的综合镜体光效,提出一种基于图像处理的自动检测方法。通过内窥镜光源照射高反射率标准白板,对CCD相机采集到的内窥镜图像进行图像处理,提取90%视场处和视场中心的灰度值的比值作为边缘各点综合镜体光效,并进一步计算出内窥镜总体综合镜体光效。根据设计方法对2支纤维内窥镜进行了10组重复实验,并与生产商标称值进行对比分析,同时计算不确定度以及分析误差来源,验证了所设计方法的可行性。

关键词： 计算机视觉   建筑结构变形   监测预警   模型优化   防灾减灾  

摘要： 在现代建筑工程中,建筑物的健康状况监测与安全预警是辅助防灾减灾的重要环节。本研究就此基于计算机视觉的理论和方法,开展了建筑结构变形的监测与预警研究。首先,根据计算机视觉技术,建立了建筑物形变的模型,并针对性地优化了传统的检测算法,提高了检测精度。在此基础上,研究并设计了一种建筑物结构变形的实时监控系统,结合信息传递技术,实现了建筑物结构变形的实时监控,并能预测其隐患发展的趋势。研究结果显示,该系统在检测准确度和安全预警能力上能够满足大型建筑工程的实际需求。通过对不同类型和规模的现代建筑工程结构实际应用中,该系统表现出良好的稳定性和可行性。此项研究不但创新了传统的建筑物监测模型与预警体系,而且在建筑安全、防灾减灾等应用领域具有重要的理论意义和实用价值。

关键词： 红外车辆   目标检测   RepVGG   增强时空注意力机制  

摘要： 针对复杂场景下传统红外车辆目标检测算法精度不佳、计算量大等问题,提出基于改进RepVGG(Re-parameterization Visual Geometry Group)和增强时空注意力机制(Enhanced Spatial Temporal Attention Mechanism,ESTAM)的红外车辆目标检测算法。以YOLOv8n(You Only Look Once v8 nano)模型为基础,在骨干网络和颈部网络引入C2fRepVGG(CSP Bottleneck with 2 Re-parameterization Visual Geometry Group)模块,保证检测精度且减少模型参数量。在骨干网络尾部添加增强时空注意力机制模块,优化红外车辆目标特征表达。使用Wise-IOU损失函数(Wise-IOU Loss)代替CIOU损失函数(Complete IOU Loss),减少训练过程中模型对于低质量锚框产生的有害梯度。实验结果表明,提出的算法在红外车辆数据集中检测精度和计算复杂度相较于其他算法均具有比较优势,该模型的平均检测精度达到94.4%,参数量为2.85×10^(6),浮点计算量为7.4×10^(9),能够对复杂场景下的红外车辆目标实现高精度检测。

关键词： 三维超声   乳头检测   YOLO  

摘要： 近年来乳腺疾病尤其是乳腺癌的发病率呈上升趋势,其早期诊断尤为重要。自动乳腺超声(ABUS)作为一种新型三维超声成像技术,有助于提高乳腺癌筛查和诊断的准确性。在ABUS中,乳头区域的定位和分割是一个重要过程。为了解决深度学习标签难以获取的问题,文章首先提出了一种半自动标签标注方法,以简化数据标签的获取过程;其次,提出利用YOLOv5目标检测算法对ABUS中的乳头阴影区域进行检测。试验测试结果表明,该模型可以达到96.5%的精确率以及92.8%的召回率,并能以较高的效率进行推理,基本满足了工程与临床的需求。