关键词： 计算机视觉   目标检测   深度学习   特征金字塔网络   注意力机制  

摘要： 针对道路障碍物目标检测任务中多尺度目标检测精度低,以及在不同场景下检测鲁棒性和泛化能力差等问题。改进算法基于传统特征金字塔网络,提出一种自上而下和自下而上结合的双路径特征金字塔网络模块,通过特征拼接和融合操作保留预测特征层中更多的浅层和深层次语义信息。在此基础上,提出一种空间和通道机制串联的注意力网络模块,通过采用不降维的局部跨通道交互策略,进一步提升网络模型检测性能。经实验验证,改进算法相较于原始算法目标检测准确率提升4.6个百分点;小目标检测准确率提升11.76个百分点;中目标检测准确率提升5.78个百分点;大目标检测准确率提升3.7个百分点。

关键词： 油气管道   深度学习   目标检测   多模型叠加检测   安全监控  

摘要： 油气管道及周边安全监控是保障油气安全的重要手段,现有方法存在成本高、效率低、覆盖范围小等问题。为解决这些问题,基于目标检测技术,提出一种基于深度学习的油气管道及周边安全监控方法。该方法利用Flask框架搭建了一个Web检测系统,可对输入的图片、视频文件和视频流进行检测,并实现了多模型叠加检测、检测任务配置化等功能,使用YOLOv8作为目标检测模型,并在自行收集并标注的数据集上进行训练和测试。实验结果表明,该方法可以有效地检测出如明火、吸烟、施工车辆、未带安全帽、未穿工服、烟雾、未封口管口等违规场景,并与其他方案进行了对比,证明在费用、速度、精度、泛化能力等方面的优势。

关键词： 厚度检测   图像处理   醋酸纤维   灰度特征   Otsu算法  

摘要： 针对醋酸纤维丝束厚度检测缺乏成熟的非接触式检测方案的现状,基于丝束厚度与本身均匀性以及所受拉力有关,不同厚度的丝束区域透光性不同,呈现在图像中的灰度不同的原理,提出基于数字图像处理的丝束在线厚度检测方法。首先采用图像滤波去除噪声;接着通过Otsu阈值分割实现目标和背景的精确分离;随后进行连通区域划分,不同区域分别提取灰度信息,并结合光学领域知识,构建在线厚度检测模型,实现了对丝束厚度的准确检测。实验结果表明:该方法实现了对丝束区域的划分和对丝束厚度的计算,其厚度计算值与实际测量值的偏差不超过8.00%,满足实际检测需求。

关键词： 灰度变换增强   切线方位   改进高斯滤波算法   图像处理  

摘要： 随着激光技术在光学测量和精密加工等领域的应用日益广泛,对图像的质量要求也越来越高。然而,在实际应用中,图像常常受到散斑噪声的影响,导致图像质量下降。现有方法由于采取的平滑技术较为简单,对于散斑噪声的抑制能力有限,为此,设计基于改进高斯滤波算法的图像去噪方法。测试结果表明,设计方法展现出了优秀噪声抑制性能,保留了图像的主要特征。

关键词： 浙贝母   炮制自动化   智能制造   切片工艺   注意力机制   深度卷积网络   目标检测   模型轻量化  

摘要： 目的:基于改进的YOLOv7-tiny算法实现浙贝母切片角度的自动识别。方法:通过数据增广构建16000张包含不同角度浙贝母的图像数据集。对YOLOv7-tiny算法进行改进,将普通卷积替换为鬼影卷积(GhostConv),优选添加坐标注意力机制(CA),将部分激活函数替换为计算量更小的HardSwish函数,在损失函数中添加角度识别误差的惩罚项,并针对同一目标有多个识别结果的现象修改非极大值抑制(NMS)策略。为验证不同改进点对算法模型优化的有效性,对所有的改进点进行消融实验,通过对比在原模型或增加了已验证有效性的改进点的模型基础上增加某改进点前后的预测结果,以评价指标的改善,证明该改进点的有效性。结果:改进的浙贝母切片角度识别算法所需参数量约为原算法的55.4%,计算量约为原算法的59.4%,交并比(IoU)为0.5时的平均精度均值(mAP@0.5)上升了12.2%,识别角度的平均绝对误差(MAE)为5.02°,较原始算法降低了4.58°,在本研究实验环境中,单张图片平均识别时间可达8.7 ms,远快于人类平均反应时间。结论:该研究使用改进YOLOv7-tiny算法实现了浙贝母切片角度的识别,且较原模型更轻量,识别准确度更高,为稳定、准确的浙贝母切片自动化提供了新方法,同时为其他中药的自动化炮制提供了一定的参考。

关键词： 垃圾分类   目标检测   轻量化网络   坐标注意力   多尺度检测  

摘要： 当前高速发展的社会和迅速增长的城市人口,使得日益严峻的垃圾污染问题越发凸显,垃圾分类处理势在必行。人工处理存在任务重、效率低等问题。部分自动化的分类方法检测精度低,速度慢。为提高复杂场景下垃圾检测准确率,同时轻量化结构,使其便于部署,提出一种融合轻量化卷积模块、注意力机制和多重感受野模块的改进YOLO v5s的垃圾检测模型Lightweight Garbage Detection-YOLO(LGD-YOLO)。首先,在网络结构中引入Ghost卷积和包含GSConv的Slim-Neck模块,使模型变得更加轻量化;其次,嵌入坐标注意力机制,侧重于关注重要信息,以提高检测精度。最后,引入多重感受野模块,提高模型的多尺度检测能力,避免小目标物体的漏检。采用包含不同环境下垃圾图片的Trash_dataset数据集进行测试验证。结果表明:改进后的模型参数量和计算量分别为5.77 M和9.2 GFLOPs,与原模型相比分别减少22.4%和56.4%,单张图片检测速度为26.5 ms,达到垃圾检测的实时性要求。此外,改进的算法具有良好的检测精度,mAP_(0.5)和mAP_(0.5∶0.95)分别达到96.20%和77.77%,优于当前流行的目标检测算法。

关键词： 不停电作业   目标检测   安全帽   绝缘手套   CenterNet  

摘要： 在配网不停电作业现场,利用监控视频进行作业风险管控已经得到越来越多的应用,但目前的检测主要是针对安全帽,且对背景复杂、目标部分遮挡等情况下的检测较为困难。为此,提出一种基于Openpose-CenterNet的绝缘护具检测模型。首先,利用Openpose网络对图像中的作业人员进行检测,确定作业人员的骨骼关键点;其次,利用关键点信息确定安全帽、绝缘手套、绝缘披肩及绝缘服的检测范围,再利用CenterNet网络在检测范围内进行目标检测。将该模型在绝缘防护用具图片数据集上进行训练,得到测试集的检测精度接近90%,比YOLO(you only look once)v5、CenterNet等模型提高约5%。最后将该模型封装在硬件端进行硬件现场测试,测试结果表明,在不同姿态、人数、角度的情况下,该模型均能较好地完成绝缘安全防护用具的识别,同时能标注不符合安全作业规范要求的作业人员。

关键词： 火灾探测   火焰检测   烟雾检测   特征增强   目标检测  

摘要： 为了同时准确地检测火焰和烟雾目标,开展了多特征增强融合的视觉火灾探测网络模型的研究。在多尺度特征提取骨干网络的基础上,提出高层语义空间信息增强模块、多尺度特征深度融合模块、空间距离信息注意力模块、分类定位模块。这些模块分别聚焦烟雾和火焰的空间纹理、多尺度特征、视觉注意力以及小火焰和烟雾目标检测等问题。本文参与建构一个新的火焰和烟雾图像检测数据集,方便火灾检测模型的训练和测试。实验结果表明,本文方法取得的检测指标超过对比算法。

关键词： 有限元分析   ABAQUS   力学   图像处理   3D建模  

摘要： 针对用纱线进行纬平织物打样试织来预测织物力学性能和外观效果费时费力的问题,通过有限元分析对5种纬平针织物进行力学模拟测试实验。首先拍摄织物图像,选取19个特征点并获取坐标,用3次NURBS曲线对特征点进行拟合,构建微观单线圈中心曲线3D模型;根据该模型建立细观线圈单元模型,并通过衔接嵌套得到宏观织物模型。然后依次利用ABAQUS软件对单根纱线进行拉伸模拟实验,验证其在ABAQUS中赋予的材料属性正确性;对织物模型进行纵向拉伸和顶破实验,将材料属性在ABAQUS中赋予宏观织物模型,根据国家标准赋予分析步并提交分析。结果发现,模拟结果与实验结果基本一致。该分析方法的应用可降低企业的打样成本。

关键词： 船舶检测   YOLOv3-Tiny   深度可分离卷积   H-Swish   GIOU  

摘要： 针对船舶实时性检测中出现的检测精度低、漏检问题,改进一种基于YOLOv3-Tiny的船舶目标检测算法。通过引入深度可分离卷积作为主干网络,提高通道数量,减少模型的参数量和运算量;采用H-Swish和Leaky ReLU激活函数改进卷积结构,提取更多特征信息;利用GIOU(Generalized Intersection Over Union)损失优化边界框,突显目标区域重合度,提高精度。在混合船舶数据集上检测结果表明,改进后YOLOv3-Tiny的检测精度为83.40%,较原算法提高5.33百分点,召回率和检测速度也均优于原算法,适用于船舶实时性检测。