关键词： 机场跑道   异物碎片   图像处理   目标检测   轻量化   你只看一次v5s   多尺度特征融合   注意力检测头  

摘要： 针对现阶段机场跑道异物碎片(FOD)目标检测算法存在的缺陷,进行了降低参数量和提高精度的改进。以你只看一次(YOLO)v5s目标检测算法为基础,提出多尺度特征与注意力检测头的轻量化FOD检测算法。首先,提出一种全新的轻量化网络结构。该结构使用深度可分离卷积和逐点卷积,并设计大卷积核架构,使模型感受野提升,从而解决大量特征图冗余问题。接着,融合多尺度特征图。通过移除大目标检测层、增加小目标检测层,在提升小目标检测能力的同时降低网络参数量。最后,提出一种动态头部框架来统一目标检测头和注意力,通过连贯地结合多个自注意力机制,进一步提升了网络检测精度。试验结果表明:所提出的使用鬼影卷积大卷积核架构下的多尺度特征注意力检测头的YOLOv5s(GRD-YOLOv5s)网络的参数量减少为3.39 MB,仅为原网络的48%;平均检测精度从98.40%提升至99.45%;检测速度为53.42帧/秒。该网络的提出为实现对小目标的准确检测提供了新思路。

关键词： 目标检测   YOLO   行为识别   计算机视觉  

摘要： 文章介绍了一种基于YOLOv5目标检测算法在吸烟检测方面的创新和应用,并阐述了基于YOLOv5吸烟检测的模型网络架构,以及不同架构组成的不同功能。文章以YOLOv5模型为基础进行吸烟行为识别系统的设计,该系统通过结合深度学习算法和计算机视觉技术,引入了YOLOv8的C2f模块添加到YOLOv5的Backbone层中,并对其进行优化改进。实现对吸烟行为的快速且准确检测。此外,系统具备处理视频流的能力,能有效辅助执法人员及时发现和制止公共场合的吸烟行为。文章详细介绍了系统的设计框架、实现方法以及测试过程,以期为公共卫生做出进一步贡献。

关键词： 生物特征识别   掌静脉识别   图像处理   深度学习   K近邻算法   卷积神经网络   图迭代算法   图神经网络  

摘要： 深度学习在计算机视觉中具有强大的特征表达能力,近年来广泛应用于静脉特征的提取与识别。通常,基于深度学习的静脉识别模型在训练阶段,每次仅输入1幅图像及其对应的标签,学习图像与标签之间的映射关系,然而,这种每次只处理单幅图像的方法,难以捕捉不同类别多幅静脉图像之间的关系。为了解决该问题,提出一种基于深度学习的K近邻图迭代静脉识别算法。用较优的深度学习模型提取掌静脉图像特征;利用K近邻算法通过特征距离在训练集中选出最近的K幅图像及其标签,通过这些特征向量生成标签传播矩阵和标签矩阵;利用图迭代算法预测待分类图像的标签,完成分类。在香港理工大学和同济大学提供的掌静脉数据集上进行实验,最高识别精度分别为99.67%和92.72%。

关键词： 课程思政   Photoshop   图像处理   高职院校  

摘要： 课程思政是落实立德树人根本任务的战略举措。如何在“图像处理”教学过程中加入思政内容,是教师须要深入思考的问题。基于成果导向理论,对课程思政教育模式下的“图像处理”教学改革进行了详细的分析,针对课程重实操的特点,强化实战训练,注重思维导图归纳,以中国农业银行Logo设计任务为例,从教学内容、教学方法、考核评价等方面,将思想政治教育充分融入专业课程中,促进学生完成“粗坯—半成品—成品—产品”的蜕变,成效明显。

关键词： 钢轨夹板接头螺栓   螺栓松动   余量不足   深度学习   目标检测   RegNet  

摘要： 鉴于当前钢轨夹板接头螺栓故障检测所面临的复杂环境及识别精度不足的挑战,提出一种基于图像识别技术的新型螺栓缺失与余量不足故障检测算法。以YOLOv5作为核心检测模型,精准定位图像中的螺栓检测区域。同时,对RegNet进行了优化改进,将颜色特征与形态特征作为浅层特征输入,并结合包含深层特征的模板图像,共同构成二分类的输入数据。通过采集数据集并进行实验验证,结果表明,所提出的算法在螺栓缺失和余量不足检测上的识别精度达到了99.63%,相较于VGG、RegNet、Ef fcientNet、MobileNet等传统模型,其准确率最大提升达4.26%,最小提升为2.98%。在螺栓余量不足或缺失的情况下,所提出的算法能在满足实时检测要求的同时,准确检测出螺栓的故障状态。

关键词： 实时监控   运动目标   识别检测   注意力机制   深度可分离卷积网络  

摘要： 为了提高实时视频监控系统对运动目标的检测精度与检测效率,提出一种结合深度可分离卷积网络与CBAM注意力机制改进的YOLOv4目标检测算法。一方面将YOLOv4模型中CSPDarknet53主干网络替换为结构更简单的深度可分离卷积网络,减少模型计算量;另一方面在网络末端三个分支中分别添加CBAM注意力机制模块,在尽可能不增加模型负担的基础上,尽可能保留YOLOv4的检测性能,同时提高模型在不同色彩、光照等因素影响下对运动目标的检测效果。结果表明,所提改进YOLOv4算法的检测精准率和召回率达到91.54%和86.27%,远远高于基于多尺度特征融合改进的YOLOv4-W算法,与原始YOLOv4的检测精度相近;相较于原始YOLOv4算法,所提算法的训练模型减小了0.11 Gib,检测速度达到19 fps,检测效率大幅提高,总体结果在3种算法中最佳。测试结果表明,基于所提改进YOLOv4目标检测算法构建的实时视频监控系统,不仅可以实现对运动目标的实时监测,在多人密集、昏暗、远距离和有遮挡等复杂场景下,依然具有较高的精测精度,值得进一步研究和推广。

关键词： 图像处理   对比度   变异系数   像素变换   局部直方图均衡   多尺度金字塔融合  

摘要： 为了改善红外图像的效果,提升对比度和清晰度,丰富边缘细节信息,提出了融合线性变换和局部均衡的红外图像增强方法。利用图像的像素值分布,对像素值进行自适应的分段线性变换,并用局部的直方图均衡增强图像;分别计算两张增强图像的权重图。对比度权重、显著性权重和亮度分布权重;以拉普拉斯金字塔和高斯金字塔的方式,分别对增强图像和权重图进行分解,将分解的图像与权重图进行多尺度线性融合,获得效果理想的增强图像。结果表明,相对于现有方法,本文中提出的方法增强图像的视觉效果更清晰,信息熵、平均梯度和变异系数分别比现有方法高出9.03%、23.87%和9.97%以上。该研究可更有效地提高红外图像增强的性能。

关键词： 图像处理   超像素   网格描述符   图像能量   拷贝检测  

摘要： 传统的图像分割方法对图像进行非重叠分块,图像哈希算法只能对图像块内部像素进行特征提取,而简单线性迭代聚类超像素分割算法能在聚合相似像素的同时额外提取形状特征,故在此基础上提出一种结合自适应网格描述符和图像能量的图像哈希算法。首先,使用双线性插值和高斯低通滤波对输入图像进行预处理,并通过简单线性迭代聚类对预处理图像进行超像素分割,对分割得到的超像素区域应用自适应网格描述符提取形状特征;同时利用超像素内部的像素具有相似亮度的特性,以亮度为计算对象求出各超像素的能量值作为图像的能量特征。最后,连接形状特征序列和能量特征序列,再利用密钥加密得到最终哈希序列。实验表明算法在鲁棒性和区别性之间达到了较好的平衡。算法的哈希运算时间为0.128 s,哈希长度为467 bits,具有较快的运算速度且哈希序列较为紧凑。分类性能方面,假阳性率为0时,真阳性率达到0.9999。拷贝检测方面,查全率和查准率均在95%以上。此外,与一些同类型算法相比,提出的算法在分类性能和拷贝检测方面也更具优势。

关键词： 数粒机   图像处理   小波变换   缺陷检测  

摘要： 为满足数粒机的高精度、高速度要求,结合图像处理算法设计了一种数粒机控制系统。首先介绍了数粒机的机械结构和工作原理。采用现场可编程门阵列(FPGA)作为控制系统的核心,对面阵图像传感器进行参数配置、图像数据采集。设计了一种基于小波变换的图像边缘检测算法,可实现药粒形状和尺寸的检测。将图像增强算法引入到小波变换中,可进一步改善图像处理效果。最后,进行了实验研究。实验结果表明:所有待检测药粒无漏检情况,药粒计数和检测准确率均在99%以上,说明文中所述数粒机智能控制系统具有比较高的检测精度。基于机器视觉的包装数粒机智能控制系统可实现高速度、高精度的在线检测计数。

关键词： 目标检测   暗目标   低光照增强   高斯金字塔   自矫正网络  

摘要： 针对低光照图像整体亮度和对比度低,且目标边缘特征有限,导致目标检测算法识别定位精度不高的问题,提出一种低光照目标检测方法。首先,提出低光照图像增强网络,利用图像高斯金字塔、Retinex和暗通道去雾在低光照图像增强的优点,并在暗通道去雾算法中加入边缘轮廓特征,在增强整体亮度对比度的同时,突出目标的边缘特征;其次,为提高特征的提取准确性,在RTDETR的特征提取部分,设计了轻量化自矫正特征提取网络,以更小的计算量生成并矫正主干特征提取网络生成的特征图,提升目标检测精度。在ExDark数据集上的实验结果表明:较于基准RTDETR,精度提高了2.34%,召回率提升了2.09%,参数量减少了4.95 M,模型大小减少了13.31 MB,本文方法能够有效提升低光照场景下的目标检测性能。