关键词： DR图像   管道焊缝   目标检测   迁移学习  

摘要： 针对管道焊接领域所产生的人工焊缝缺陷质量检测结果过于主观的问题,本文提出一种基于迁移学习的管道焊缝缺陷质量智能检测方法,使其能够在焊接过程中对管道焊缝缺陷的关键特征进行识别和定位。主要思想是利用YOLOv5目标检测方法,并结合去噪和数据增强的图像预处理策略对模型进行构建,同时结合真实世界的焊缝缺陷数据对模型进行迭代更新,使得模型拥有泛化的能力。通过实验对比分析出本方法的优势,其中,定性实验显示出本方法在DR图像上的识别有效性,定量实验展示模型的识别准确度。结果表示,本方法在DR图像上具有良好的焊缝质量缺陷检测能力。

关键词： 计算机视觉   尺寸估算   数字图像处理  

摘要： 为了解决通过无接触的方式估测柠檬尺寸质量的问题,进而提高柠檬分类水平。采用相机作为采集工具获取柠檬果实和小尺寸标定板图像,利用MATLAB的Camera Calibration工具进行相机标定获取相机参数并对图像进行校正,采用双边滤波和Chroma King Technique(CK法)图像分割方法获取图像目标区域,配合计算机视觉技术估测柠檬果实长度、宽度和面积数据。在柠檬果实图像上绘制出长度六等分的网格线并获取相应数据,将网格线数据与柠檬果实尺寸数据作为参数,通过设计主实验和多个对照实验,从是否降维、不同角度图像组合、输入参数变化等多个因素进行实验比较,探索柠檬尺寸质量的估测方法。结果表明,每组实验利用两个角度柠檬果实图像,以果实长度、宽度、面积数据和网格线数据作为参数,采用两个角度图像并对特征降维后的模型进行分析,柠檬果实尺寸估测值均方根误差为8.805 cm^(3),平均绝对误差百分比为6.937%,相对误差界为7.215%,拟合优度R~2为0.757;质量估测值均方根误差为6.589 g,平均绝对误差百分比为7.974%,相对误差界为7.192%,拟合优度R~2为0.835。该研究为后续将计算机视觉技术运用于机械自动分拣技术提供理论参考依据。

关键词： 无人驾驶汽车   计算机视觉技术   自动化  

摘要： 无人驾驶汽车技术的迅速发展正在重塑人类的出行方式。全球范围内,各大汽车制造商和科技公司纷纷投身于无人驾驶汽车的研发,而其中计算机视觉技术的应用促使这一技术迅速落地。计算机视觉能够模拟人类的视觉感知,解析复杂的环境信息,进而为无人驾驶汽车提供必要的感知能力。这种技术的发展,不仅提高了无人驾驶汽车的安全性和可靠性,也为实现更高效的交通管理创造了条件。该文探讨计算机视觉技术原理、无人驾驶汽车概述,分析无人驾驶汽车中计算机视觉技术的应用。

关键词： 目标检测   域适应   深度学习  

摘要： 领域自适应目标检测是指在有标注的源领域训练一个目标检测模型,并将其迁移到无标注的目标领域的计算机视觉任务。它将领域自适应方法与目标检测技术相结合,解决了领域偏移导致的目标检测模型性能下降的问题,成为众多学者研究的焦点。本文对基于深度学习的域适应目标检测算法进行综述。首先介绍了域适应目标检测的研究背景,其次按照发展演变过程,阐述了近年来基于深度学习的经典域适应目标检测算法,并对其优劣进行分析对比,接着介绍了域适应目标检测的常用数据集。最后,我们通过详细的分析,对域适应目标检测具有潜力的几个发展方向进行探讨与展望。Domain adaptive object detection refers to a computer vision task, which trains an object detection model on an annotated source domain and transfers the model to an unlabeled target domain. It combines domain adaptive methods with object detection techniques to solve the problem of performance degradation of object detection models caused by domain shift, and has become the focus of research by many researchers. This paper provides a review of domain adaptive object detection algorithms based on deep learning. Firstly, the research background of domain adaptive object detection is introduced. Secondly, according to the development and evolution process, we elaborate on some classic domain adaptive object detection algorithms based on deep learning in recent years. Furthermore, we analyze and compare the advantages and disadvantages of these algorithms. Then, the commonly used datasets of domain adaptive object detection are introduced. Finally, we discuss and prospect several potential development directions of domain adaptive object detection through detailed analysis.

关键词： 蔬菜   图像检测   目标检测   YOLOv5  

摘要： 蔬菜的准确分类与检测对蔬菜的生产加工效率具有重要意义。为了提升蔬菜在生产加工过程中的效率,提出了基于YOLOv5的常见蔬菜图像检测方法。首先,通过LabelImg工具对常见的6类蔬菜图像进行位置信息和类别的标注,为YOLOv5的训练提供数据集。其次,搭建基于YOLOv5的目标检测网络对蔬菜图片进行特征提取,获取蔬菜图像检测网络。最后,在蔬菜测试集上对本文方法的性能进行验证。实验结果表明,本文方法可以有效实现常见蔬菜的图像检测任务。

关键词： 高级计算机视觉   研究生课程思政   案例教学  

摘要： 新工科和工业4.0背景下,许多高校的高级计算机视觉课程开设了深度学习模型教学,迅速提升了研究生的工程能力,其中大数据和开源模型的信息安全和应用价值观是思政教育热点。本文首先简要分析了该课程融入思政教育的三个问题:信息安全教育的忽视,价值观教育的忽视和变化的社会责任,结合视觉数据获取、视觉目标检测/分类、视频/图像生成三个方面的案例给出了可参考的缓解对策,在高级计算机视觉课程中推进人工智能教育的同时,加强研究生的信息安全观、求是创新的价值观和新的社会责任感,确保该课程思政教育的科学管理和有效运行。Under the background of new engineering and industry 4.0, many colleges and universities have set up deep learning model teaching in advanced computer vision courses, which has rapidly improved the engineering ability of graduate students. The information security and application values of big data and open source models are the hot spots of ideological and political education. This paper first briefly analyzes the three problems of integrating the course into ideological and political education: the neglect of information security education, the neglect of value education and the changing social responsibility. Combined with the three aspects of visual data acquisition, visual target detection/classification, and video/image generation, this paper gives a reference mitigation strategy. While promoting artificial intelligence education in advanced computer vision courses, we should strengthen graduate students’ information security concept, realistic and innovative values and new social responsibility, so as to ensure the scientific management and effective operation of ideological and political education in this course.

关键词： Photoshop图像处理   教学过程   创作实践   案例教学  

摘要： Photoshop图像处理课程教学改革是为了培养学生从单一的软件学习转换为灵活运用Photoshop软件完美呈现设计创意的能力。本文将课程内容分为基础命令与操作、临摹海报训练与创作实践等三个模块,三者层层递进,全面、深入地剖析Photoshop软件;在课程教学中,运用师生互动、问题探究等教学形式对课程内容进行解析,探究图像表现形式下工具的多途径用法。学生从Photoshop的零基础到能运用Photoshop完成设计作品,旨在打破学生在创作中无法有效运用软件的壁垒;也为进一步学习后期的专业课程奠定了基础。

关键词： 三维目标检测   误检漏检   Transformer   注意力机制   残差结构  

摘要： 为解决路侧点云目标检测任务中复杂场景下远距离车辆漏检率高和道路行人误检率高等问题,提出一种改进PointPillars和Transformer的路侧两阶段三维目标检测算法。算法的第一阶段基于PointPillars设计:骨干网络嵌入SimAM注意力机制学习相似性信息以关注重要特征,替换下采样部分的普通卷积块为带有残差结构的卷积块以提高网络性能。第二阶段基于Transformer对第一阶段生成的候选框进行细化:编码器构建原始点特征进行编码,解码器利用通道加权增强通道信息,提高检测精度,改善误检问题。为验证所提算法的性能,在路侧数据集DAIR-V2X-I和车端数据集KITTI上进行实验。实验结果表明,所提算法相比其他公开算法检测准确率明显提升,同基准算法PointPillars相比,在moderate检测难度下,对DAIR-V2X-I数据集中汽车、行人、骑行者的检测准确率分别提高1.9百分点、10.5百分点、2.11百分点,KITTI数据集中汽车、行人、骑行者的检测准确率分别提高2.34百分点、4.73百分点、8.17百分点。

关键词： 情景动词识别   知识蒸馏   神经网络   计算机视觉  

摘要： 随着计算机视觉领域的迅速发展,动词情景识别作为图像领域一项挑战性任务,旨在识别图像中的语义高度复杂的情境。分析动词情景识别的研究现状,提出了一种结合CLIP模型与知识蒸馏技术的新方法。利用CLIP的强大跨模态能力捕获图像与情景间的细微关联,并通过知识蒸馏将这些关联映射到任务中,提升网络的性能。在标准SWiG数据集上结果表明,该算法在参数量最小的情况下,性能上超越了当前的先进技术。主要贡献为提出了一个结合CLIP的语义感知知识蒸馏的SKD⁃VSR框架,并在公开数据集上进行了广泛的实验,验证了方法的有效性。

关键词： LED   显示内容监测   线性回归  

摘要： 随着LED显示技术的发展与硬件生产能力的大幅提升,显示终端在各领域的应用呈井喷式发展。显示终端在城市公共区域已经成为标配,并对公共信息传播、广告推广等起到重要作用。但同时,信息安全方面的问题也日益凸显。为了确保播放内容的信息安全,文章提出了多传感器结合的监测方法,并结合线性回归模型及白平衡方法进一步提高监测准确率。对该方法可行性进行试验验证,结果显示,多传感器结合的监测方法在复杂使用环境中能有效监测LED显示内容是否正常。