关键词： 机器视觉   边缘检测   图像处理   气门弹簧   亚像素算法  

摘要： 针对传统弹簧节距测量效率低、精度差等问题,提出一种基于高斯函数模型的亚像素弹簧边缘检测方法。首先对图像进行Canny边缘检测定位,然后寻找梯度方向,进而采用高斯函数对梯度方向上的灰度梯度幅值进行拟合,按照定步长的平均值法来确定亚像素边缘点的亚像素坐标,并对亚像素坐标采用最小二乘法拟合圆,根据圆心坐标计算出弹簧节距。经测试,该方法能快速测量出弹簧节距,将平均计算时间降低到传统拟合亚像素检测方法的21%。

关键词： 视频显著性目标检测   动态滤波器   注意力机制   对比学习   深度学习  

摘要： 现有视频显著性目标检测(VSOD)网络面临2个问题:一是在捕获时间信息时计算成本过大,导致网络难以在移动端实际应用;二是网络泛化能力较弱,难以处理视频中诸如遮挡、运动模糊等挑战性场景。因此,提出一种基于动态滤波器和对比学习思想的轻量视频显著性目标检测网络。首先,对连续帧的每帧图像进行粗略的前景特征点采样并进行相似度矩阵的计算,利用相似度矩阵进行加权从而滤除存在的噪声特征;其次,用滤波后的前景特征生成动态滤波器参数,对原始特征图执行卷积操作以提取前景物体;同时在训练阶段设计了一个对比学习模块帮助网络学习,在推理阶段并不会引入额外的计算量。在三个数据集DAVIS、DAVSOD和VOS上进行了广泛实验,实验结果表明,所提网络相较于DCFNet(Dynamic Context-sensitive Filtering Network for video salient object detection),在Fmeasure、S-measure以及平均绝对误差(MAE)3个指标上性能接近,帧率从28 frame/s提升到38 frame/s,提升了35.7%,同时网络参数量仅有15.6×10^(6),更有利于实际应用中在边缘侧进行部署。

关键词： YOLOv7   无人驾驶   SIOU   损失函数  

摘要： 地下矿的目标检测对地下矿卡无人驾驶技术的实施非常重要,旨在及时发现并预防潜在的危险情况。然而,传统的目标检测算法在地下矿检测任务中面临一些挑战,如复杂的背景、光照变化和遮挡等。为了解决这些问题,提出了一种基于改进的YOLOv7地下矿工检测算法。文章首先多尺度特征融合的过程中加入坐标注意力(Coordinate Attention)机制,更加适应地下采矿的复杂背景,提升模型对小目标的全局感知能力;然后定位损失函数上用SIOU函数代替了YOLOv7本身的CIOU,角度损失的引入,提升了对于识别目标的准确性。通过在地下矿工检测数据集上的实验评估,改进算法在准确性和鲁棒性方面取得了一定的提升。实验结果表明,改进后的模型相比于原有模型,map指标提升了2.1%,FPS也高于传统算法,证明了改进方法的可行性。

关键词： 视觉识别   机器视觉   YOLOv5算法  

摘要： 为提高陈皮生产加工中柑果开皮的效率,降低陈皮加工的成本,保护工人的安全,本文设计了一款基于计算机视觉识别的柑果自动开皮系统。该系统采用YOLOv5算法、图像处理技术,可快速识别柑果的位姿,并通过旋转稳定平台调整柑果位姿,从而完成柑果自动化开皮前的位姿调整。柑果位姿识别需要的最快时间为25帧/秒,识别的成功率98%,实验结果表明,该方法对柑果自动化开皮工艺的效率有较大的提高,在高效率的同时保留了陈皮传统正三刀切法的工艺。

关键词： Pixel2style2Pixel   人脸年龄转化   StyleGAN   损失函数   图像处理  

摘要： 年龄转化在刑侦、人脸识别等领域有着重要作用。常见的年龄转化方法需要使用成对带有年龄注释的数据集进行训练,并且存在生成图像质量低、年龄语义信息不够解耦等问题。针对上述问题,在Pix2style2Pix的训练框架中,引入年龄识别、contextual损失函数,对整体损失函数做出符合年龄转化的改进,提取年龄信息并保证图像质量。改进编码网络配合损失函数对潜在空间的图像进行编辑,提出一种基于Pixel2style2Pixel的年龄转化方法。通过FFHQ、CelebA数据集,对所提方法进行验证,实验结果表明,在不采用成对年龄注释的训练集下,改进后的损失函数能生成更符合期望年龄的转化图像,人脸相似度距离为0.346、FID为45.69、SSIM为0.593 6、PSNR为19.64 dB,均优于对比方法,证明所提方法能够生成高质量、年龄语义高度解耦的转化结果。

关键词： 机器学习  

ISBN: (纸本)9787302664666

摘要： 本书共14章, 分别讲解了图像识别技术基础, scikit-image数字图像处理, OpenCV图像视觉处理, dlib机器学习和图像处理, face_recognition人脸识别, 采样、变换和卷积处理, 图像增强, 图像特征提取, 图像分割, 目标检测, 图像分类, 国内常用的第三方人脸识别平台, 斗转星移换图系统, 智能OCR文本检测识别系统等内容。

关键词： 碳纤维   气流展纤   正交实验   图像处理   均匀性  

摘要： 为研究碳纤维在气流作用下的展纤过程,研制了一套气流展纤装置。通过多因素正交实验研究了气流流速、支撑辊跨距和纤维悬垂量对展纤宽度的影响,并对实验结果进行了分析。采取MATLAB数字图像处理技术,对展纤后的碳纤维图像进行了缩小、灰度化和增强等预处理,引入了变异系数与概率分布,对碳纤维横、纵向分布均匀性进行表征。结果表明:气流展纤宽度与纤维悬垂量在一定范围内呈线性正相关,选取最优工艺参数,即气流流速为4 m/s,支撑辊跨距为140 mm,有着较好的展纤效果;采用数字图像分析法能够较好地表征碳纤维气流展纤均匀性,并与实验结果相一致,具有较好的工业应用前景。

关键词： 机器视觉   用户友好界面   图像处理   人脸识别   设备监测   图像预处理   实时报警   深度学习  

摘要： 引言本文阐述了基于机器视觉的皮带机人员安全管理系统,该系统融合图像处理和人工智能算法,通过高清摄像头、传感器等设备监测皮带机工作区域,经图像预处理、深度学习识别(如YOLO、Faster R-CNN结合人脸识别)实现人员检测与危险预警。系统具备实时报警、数据存储、用户友好界面等功能,确保人员安全,提升管理效率。设计实现中注重稳定性、实时性和可扩展性,经优化后显著提升安全保障,降低事故风险。

关键词： 深度学习   目标检测   油茶果   采收   定位  

摘要： 针对自然环境下油茶果存在多种类、多遮挡及小目标等问题,该研究基于YOLOv5s提出COFYOLOv5s(camellia oleifera fruit-you only look once)油茶果识别模型,实现油茶果的高精度检测。通过添加小目标检测层、将FasterNet中的轻量化模块Faster Block嵌入到C3模块及添加Biformer注意力机制对YOLOv5s进行改进。试验结果表明,改进后网络在测试集上的精度、召回率、平均精度均值分别为97.6%、97.8%、99.1%,比YOLOv5s分别提高5.0、7.5、4.4个百分点,推理时间为10.3 ms。将模型部署到Jetson Xavier NX中,结合ZED mini相机进行油茶果识别与定位试验。室内试验得到COF-YOLOv5s的召回率为91.7%,室外绿油茶果的召回率为68.8%,小目标红油茶果在弱光条件下的召回率为64.3%。研究结果可为实现油茶产业的智能化和规模化提供理论支持。

关键词： 运动目标检测   全局注意力机制   检测尺度   损失函数  

摘要： 针对自动驾驶领域运动目标检测存在目标相互遮挡、对小目标漏检误检严重、实时性和鲁棒性较差等问题,提出一种基于改进YOLOv5s的方法。将全局注意力模块嵌入到主干网络C3结构的残差块中,增强了网络的整体特征提取能力;将原始网络20×20的检测尺度替换为160×160,提高模型对于小目标的识别能力;采用SIoU Loss作为边界框回归损失函数,使预测框的定位更加精准。实验结果表明,该改进算法在公开的自动驾驶数据集SODA10M上均值平均精度达到了81.3%,较原始网络提升了7.5%,推理速度达到238 frames/s,与主流的目标检测算法相比也表现出一定的优越性。