关键词： 计算机视觉   深度学习   缺陷检测  

摘要： 针对手机屏幕缺陷检测的难题,结合计算机视觉与深度学习技术,创新性地提出了基于YOLOv8的改进算法。为增强检测效果,对数据进行了细致的预处理,并采用数据增强技术。实验结果表明,该改进算法的准确率达到了68.6%,显著优于广泛使用的YOLOv5模型。这种检测算法不仅为手机屏幕质量检测提供了新的解决方案,还提高了检测的效率和准确性,给手机屏幕制造行业带来了实质性的改进,并为相关从业人员提供了有价值的参考。

关键词： 图像处理   EBAPS   像素暗噪声   自适应小波阈值   噪声强度估计   图像降噪  

摘要： 电子轰击有源像素传感器(EBAPS)是一种真空-固体混合的高性能微光视频成像器件,国产EBAPS尚处于研究初期,其成像环节会引入各种噪声,而经典常见的降噪算法大多针对高斯噪声,且需要已知噪声方差水平,因此需要研究特定的图像降噪算法。首先,分析EBAPS的噪声特性,包含与信号强度无关的高斯噪声、随信号强度变化的泊松噪声,以及固定噪声。然后,利用EBAPS的暗像素结构特性,提出一种单帧图像的噪声强度估计方法。最后,根据估计出的噪声强度对传统的小波阈值降噪进行改进,根据单帧图像的噪声强度分布提出一种自适应可变阈值。实验结果表明,所提出的方法有效降低了EBAPS图像的随机噪声。

关键词： 高压点火球   图像处理   一键调节  

摘要： 高压点火球是大容量实验站振荡回路中关键的器件。在进行高压断路器合成试验时,经常需要根据电压等级来调节点火球的球距。目前,高压点火球球距通常需要人工在现场进行手动调节,这种方法误差较大且耗费时间较长,导致试验效率低下。将图像处理技术用于高压点火球球距测量与调节,可以实现高压点火球球距的远程调节,对提高试验效率和实现智能化具有重要意义。研究了图像处理技术应用在点火球球距测量与调节中的可行性,并开发了一套测量与调节系统。研究发现图像处理技术能够用于实时测量点火球球距,并且还能远程一键准确调节球距。

关键词： 四足机器人   视觉引导   图像处理   避障控制  

摘要： 直至目前,国内四足机器人发展还不成熟。针对四足机器人的自主避障问题,提出一种以树莓派控制器为核心、基于深度相机的视觉引导避障控制系统。结果表明:利用该系统,四足机器人能有效避开局部路径规划中检测到的障碍物。

关键词： 无线传感器网络   信号处理   数据融合   环境监测   目标跟踪  

摘要： 为了探讨无线传感器网络(WSN)中信号处理与数据融合的应用效果及其对网络性能的影响,采用理论分析与实验验证相结合的方法分析了信号处理技术在数据预处理、信号检测与估计、信号编码与压缩方等方面的应用及数据融合技术在环境监测、目标跟踪、健康监测等场景下的实际效用,构建模型并开展一系列实验。结果表明,有效的信号处理与数据融合技术能显著提高无线传感器网络的数据准确性和系统效率,信号处理与数据融合的集成应用进一步增强了网络处理能力及应用范围,此结果可为无线传感器网络的优化配置和应用提供理论依据和实践指导。

关键词： 孪生网络   单目标跟踪   注意力机制   特征响应   融合  

摘要： 针对孪生全卷积网络的单目标跟踪算法因无法提取到目标的高层语义特征和无法一次性集中关注并学习到目标的通道、空间及坐标特征导致在复杂场景下面临目标形变、姿态变化及背景干扰等挑战时,出现跟踪性能下降以及跟踪失败的问题,提出了一种基于多重注意力机制与响应融合的孪生网络单目标跟踪算法用来解决这一问题。在该算法中设计了小卷积核与跳层连接特征融合的深层骨干特征提取网络、改进型注意力机制及卷积互相关后的响应融合运算这3个模块用来提升该算法的跟踪性能,并通过消融实验验证了这3个模块的有效性。最后,经在OTB100基准数据集上测试,跟踪精确度达到了0.825,跟踪成功率达到了0.618。同时与其他先进算法进行对比,结果表明该算法不仅可以有效应对复杂场景下目标跟踪算法性能下降的问题,还可以在保证跟踪速度的前提下,进一步提高跟踪的精度。

关键词： 大米抛光机组   品质分析仪   图像处理   MODBUS通讯  

摘要： 稻谷加工环节中,抛光不仅关乎最终呈现的产品品质,而且易产生碎米,为增加抛光机组的生产稳定性,降低生产能耗,需要对抛光环节进行智能优化。结合大米抛光机组实际情况,引入大米品质分析仪,通过图像处理技术,为机组智能调控提供决策依据,研究了抛光工序中基于MODBUS的通讯方式,为后续抛光机组的智能化改进奠定数据存储的基础。

关键词： 集中式特征金字塔   递归门控卷积   交通标志识别   目标检测  

摘要： 针对目前交通标志识别技术中存在的畸变目标、小目标检测难等问题,提出一种基于集中式特征金字塔的交通标志识别算法。首先,使用集中式特征金字塔改进原始的特征融合网络,用轻量级多层感知机(MLP)来捕获全局远程依赖,通过可学习视觉中心机制(LVC)来捕获输入图像的局部角区域,提高了对畸变目标以及小目标的检测精度;其次,使用递归门控卷积提取浅层特征图的高阶空间交互信息,改善对小目标的检测效果;最后,使用SIoU回归损失函数,引入角度损失,重新定义惩罚指标,减少总损失的自由度,防止预测框在训练时四处游荡,加快收敛速度,使定位更加精确。在TT100K数据集上平均检测精度为93.4%,和传统的YOLOv5n相比精度提升了3.5个百分点,帧处理速度达到94.34fps。

关键词： 船型智能设计   深度卷积生成式对抗网络   计算机视觉  

摘要： 船体型值与图片一样也是序列相关型数据,所以用于生成图片的神经网络模型也能生成船型数据。由于船舶种类繁多、需求复杂,本文研究重点从船舶水线上下、船艏、舯、艉等区域位置特征,和船舶设计中普遍存在球艏、尾轴、艏部外板升高等全局几何特征的条件生成需求出发,训练条件深度卷积生成式对抗网络模型(Con⁃ditional Deep Convolutional Generative Adversarial Networks)来实现两种特征的条件认知与生成。首先,将实现船型区域位置特征与全局几何特征的条件生成作为目标,分别建立条件深度卷积生成式对抗网络模型;然后,针对两类特征设置若干从易到难的不同分割方案和特征种类,使神经网络能够循序渐进地完成条件生成任务;最后,通过对训练过程和生成结果进行对比,初步证明所研究方法用于解决船型特征条件生成问题的可行性。本研究延续了作者之前的研究成果,属于基于计算机视觉技术的船型智能设计方法领域,旨在进一步探索引入人工智能实现船型智能设计的可行性方法。

关键词： 伪装目标检测   上下文感知   注意力机制   背景探索  

摘要： 伪装目标检测(camouflaged object detection, COD)旨在检测出与周围环境高度相似的伪装目标。针对目前COD方法中检测结果不完整、边缘细节模糊的问题,提出了一种融合上下文感知和背景探索(CABENet)的伪装目标检测模型。首先,该模型利用Swin-Transformer模型作为骨干网络,在多个尺度上提取全局上下文信息;其次,利用提出的注意力联级上下文感知模块扩大感受野,并从通道和空间两个维度增强网络的特征提取能力,再通过全连接解码器捕获隐藏对象的粗略位置图;最后,通过融合注意力机制的背景探索模块从背景信息中挖掘目标的边缘线索,加强伪装目标边缘特征的提取。在CHAMELEON、CAMO以及COD10K数据集上的实验结果表明,该方法在4个评估指标上的性能优于其他10个具有代表性的模型,在COD10K数据集上,平均绝对误差降至了0.026。