关键词： 注意力机制   交互注意力   图像分类   目标检测  

摘要： 各类注意力机制模块被表明嵌入深度学习网络中能更充分地提取特征信息.这些机制在通道或空间特征提取方面、两者交互方面仍有优化的空间.本文提出了一种复合型三分支注意力机制(Triplet Coordinate Attention,TCA),该机制基于三分支注意力机制(Triplet Attention,简称TA),引入坐标注意力机制(Coordinate Attention,简称CA)更好地提取空间交互注意力和通道空间交互注意力.TCA机制的参数量和运算量均不大,能够嵌入各种主干网络中.本文在图像分类数据集miniImageNet、目标检测数据集VOC2007和2012上做了大量对比实验,结果表明,网络模型嵌入TCA能进一步提升精度.特别是,较CA和TA在MobileNetV2图像分类任务中Top-1准确率分别提高了1.01%,1.62%;在MobileNetV3+SSDLite目标检测任务上AP50精度分别提高0.5%、2.0%.

关键词： 颗粒饲料   尺寸检测仪   振动整流   图像处理   仿真优化  

摘要： 针对颗粒饲料尺寸检测操作繁琐,自动化水平低的实际问题,为了实现颗粒饲料尺寸的自动测量,设计了基于图像处理技术的振动整流式颗粒饲料尺寸检测仪。利用离散元软件Rocky Dem建立颗粒饲料-槽型整流板相互作用的仿真模型,以槽型整流板的振幅、振动频率、安装倾角和滑槽转向系数为试验因素,颗粒饲料滑移均速和滑移速度变异系数为评价指标,通过单因素仿真试验,分析颗粒饲料在槽型整流板滑槽内的滑移运动特性,结果表明,影响颗粒饲料滑移运动特性的主要因素为振幅、振动频率及安装倾角。采用正交组合仿真试验,建立各试验因素与评价指标间的数学模型,并对模型进行参数优化,当槽型整流板安装倾角为6.33°、振动频率为101.49 Hz、振幅为0.50 mm时,颗粒饲料的滑移均速和滑移速度变异系数综合最优,分别为0.31 m/s和4.10%。分别采集环模孔径为3、4、5 mm的颗粒饲料,对检测仪的测量精度进行验证,通过与人工测量相比较,检测仪对颗粒饲料直径自动测量结果平均绝对误差分别为0.048、0.020、0.012 mm;颗粒饲料长度自动测量结果平均绝对误差分别为0.164、0.162、0.103 mm。研究结果表明,所设计的颗粒饲料尺寸检测仪具有良好的准确性和可靠性,满足实际生产检测需求。

关键词： 3D目标检测   多模态融合   可变形注意力机制  

摘要： 3D目标检测是自动驾驶技术的基础,融合激光点云和图像等模态的信息可以有效地提高目标检测的准确性和鲁棒性。文章改进了现有融合激光点云和图像等模态信息的3D目标检测网络,提出了一种新的并行融合模块,用于同时维护两种模态下的特征信息,减少信息损失。此外,利用掩码特征增强模块,提高受遮挡物体的检测能力。在KITTI(Karlsruhe Institute of Technology and Toyota Technological Institute)数据集上进行了验证,实验结果表明,相比于基准网络,该方法有效提高了3D目标检测的性能,平均精度达到了77.41%,同时优于目前大多数的先进方法。

关键词： 机器视觉   YOLOv8n   AFPN   SA注意力   SPD-Conv   MPD损失函数  

摘要： 针对低空无人机目标的误检漏检等问题,提出改进YOLOv8n的算法模型ASSM-YOLO。首先,添加小目标检测头并使用AFPN替换原有Neck结构,渐近融合低层与高层特征;其次,引入SA注意力机制增强对无人机目标的感知能力;再次,将主干网络卷积层替换为SPD-Conv,改善卷积过程中特征丢失问题;最后,替换损失函数MPDIoU Loss,优化回归损失计算。在DUT-UAV数据集上的实验表明:ASSM-YOLO算法的平均精度值R_(mAP@0.5)、R_(mAP@0.75)和R_(mAP@0.5∶0.95)结果为92.5%、72.2%和62.9%,较原YOLOv8n网络分别提升了5.9%、8.3%和6.5%,显著提升了无人机目标的检测精度。

关键词： 计算机视觉   焊接检测   语义分割   图像处理   锂电池  

摘要： 为了满足锂电池生产企业对锂电池连接片的焊接质量进行自动化检测的需求,设计了一种基于计算机视觉的锂电池连接片焊接质量检测系统.针对正、负电极材料的光学特性和检测精度要求,设计了两套光学系统分别实现锂电池正、负电极的成像,提出了多重自适应模板匹配算法提取正、负电极焊缝区域,采用自适应阈值分割法对焊缝区域实现灰度化操作,使用灰度形态学运算弱化灰度图的噪点突出焊盘特征点,利用轮廓提取算法实现焊盘特征点的提取,依据特征点数量实现极耳裁切缺陷的检测,将U^(2)-Net语义分割模型引入焊接质量检测任务,采集正、负电极焊缝和烧穿、虚焊、焊接氧化缺陷数据集,利用数据增强技术扩充数据集,解决焊接缺陷的小样本和小目标问题,融合应用U^(2)-Net语义分割模型和轮廓提取算法实现焊缝尺寸测量以及虚焊等缺陷的检测.系统试运行结果表明,缺陷检出率为99.98%,误检率仅为0.06%,满足企业的实际需求,实现了快速、无接触且准确的自动化检测.

关键词： 增强现实   图像增强   大津算法   图像融合  

摘要： 我国古代画作因其注重写意和留白等绘画特点,基于增强现实(AR)技术进行识别时往往效率不高。文章应用图像处理技术,结合降噪、图像二值化和图像融合等方法进行预处理,提升了古画在AR中的特征点数量及分布均匀性,进而提高AR应用的识别效率。首先,使用降噪算法去除古画图像中的噪声,减少干扰,提升清晰度。其次,通过图像二值化突出画作中的结构和线条,增强图像对比度。同时,为避免单纯二值化可能导致的细节丢失,采用了图像融合方法,将二值化后的图像与原始图像按照一定权重进行融合,确保在保留细节的同时,增加背景和边缘区域的特征点。

关键词： 安全监管可视化   图像采集   细节增强   图像照度   Retinex算法  

摘要： 若视频图像质量较差会影响安全监管可视化平台对现场安全性的判断,为此提出一种面向安全监管可视化的作业现场视频图像处理技术。首先根据图像采集系统采集作业现场视频图像,并根据稀疏字典对图像实施去噪处理;再通过Retinex算法建立去噪后视频图像的图像模型,并通过引导滤波对图像实施照度估计,实现图像照度分量的均衡化调整;最后引入细节增强系数,增强图像细节实现图像融合,完成作业现场视频图像的质量增强。实验结果表明,使用该方法开展图像处理时,图像的处理效果好,且可在22 ms时间内完成图像处理,效率高,性能好。

关键词： 目标检测   安全帽佩戴检测   样本匹配策略   解耦检测头  

摘要： 针对目前无法实时准确地监测工人是否佩戴安全帽的问题,提出一种基于YOLOv5s的多场景安全帽佩戴检测算法(YOLOv5s-SDSNR)。首先,在YOLOv5s基础上采用最优传输理论将局部匹配策略改进为全局匹配策略,增加正样本的数量,使模型更有针对性训练;然后,利用解耦检测头对分类和定位进行解耦,分别提升分类和定位的准确性;最后,使用结构重参数化将主干网络的训练和推理等效转换,以此来提升特征提取能力和推理速度。实验结果表明,相比原YOLOv5s模型,YOLOv5s-SDSNR的mAP达到97.83%,提升了8.01个百分点,在NVDIA Tesla T4上FPS达到67.77,相较于Faster RCNN、YOLOX,改进的模型更适用于多场景安全帽检测需求。

关键词： 计算机图像处理   制造业   公差检测   表面缺陷检测  

摘要： 随着制造业的快速发展,对产品精度和生产效率的要求不断提升,先进的检测技术变得至关重要。计算机图像处理技术因其高精度和自动化优势,广泛应用于制造业。本文旨在系统探讨图像处理技术在制造业中的应用现状和未来趋势。首先,介绍图像处理技术的基本原理及主要应用领域。其次,重点分析其在工件公差检测和表面缺陷检测中的应用,包括技术优势、局限性与传统方法的比较。再次,讨论该技术在显示屏检测中的应用,尤其是漏光和亮斑检测。最后,展望未来的发展方向和应用场景,为行业提供有价值的参考。

关键词： 遥感图像   目标检测   瓶颈变压器   特征融合   卷积神经网络   空洞卷积   损失函数  

摘要： 为解决遥感图像目标小、多尺度、目标背景复杂等问题,提出一种Bottleneck Transformer目标检测网络,在YOLOv5s模型上用“CNN+Transformer”架构代替最后一个残差块中的C3卷积操作,利用空洞卷积,通过设置不同的膨胀率将多尺度下的信息融合,解决遥感图像背景复杂的问题;使用EIOU边界框损失函数。在NWPU VHR-10数据集上验证,mAP达到94.5%,比原始YOLOv5s提高了1.2%。港口、车辆等小目标相应有1.3%和4.5%的提升。验证了算法对小目标识别、复杂背景识别的有效性。