关键词： 图像处理   颜色恒常性   语义分割   多区域融合   光源估计   场景语义  

摘要： 针对现有颜色恒常性算法在复杂场景下的适用性差,光源估计精度不高的问题,提出一种多区域融合的全卷积颜色恒常算法.首先,利用金字塔场景解析网络(Pyramid Scene Parsing Network,PSPNet)模型对目标图像进行场景语义分割;其次,将本文提出的基于全卷积网络架构的端到端光源估计模型(Full Convolutional Illuminant Estimation Network,FCIEN)用于各语义区域进行光源估计,各区域通过加权融合得到整体图像的光源估计值;最后,根据得到的光源估计值使用Von Kries模型对目标图像进行偏色校正.在Gehler-Shi、NUS-8camera等数据集中的实验结果表明,相较于同类型的算法,本文算法的光源估计角度误差值分别下降20.73%、15.22%.实验结果表明,本文算法针对复杂场景的光源估计有着较强的鲁棒性和准确性.

关键词： 目标检测   危险驾驶行为检测   YOLO11   深度膨胀卷积   大型可分离核注意   减少通道空间对象注意力  

摘要： 全球范围内,交通事故发生率不断增长,成为日益突出、不容忽视的严重社会问题。基于此,文章针对危险驾驶行为检测提出了一种目标检测算法——Faster-YOLO11,旨在提高危险驾驶行为检测的效率和准确性。算法以YOLO11作为基础,使用FasterNet作为主干网络,在SPPF(spatial pyramid pooling-fast)中LSK注意力机制,并将颈部网络的C3K2替换为RCSOSA(reparameterized convolution based on channel shuffl e and one-Shot aggregation),以及后处理阶段的Soft-NMS,实现了在保持高检测精度的同时,显著提升了模型的推理速度,为危险驾驶检测领域提供了一种新的解决方案。

关键词： 铁路货运   货检   货车装载状态   图像生成   目标检测   生成对抗网络  

摘要： 铁路货车装载状态图像是反映货物列车运行状态的重要载体,其智能化水平直接影响到行车安全和货运安全。受货物类型、货车类型、装载加固方案等因素影响,部分场景下铁路货车装载状态图像较少,难以满足该场景下识别项点目标检测模型构建需要。面向铁路货运检查作业需要,考虑铁路货车装载状态不良图像特征,采取基于生成-对抗的生成约束、前景项点目标提取、启发式项点目标放置等措施,构建基于生成对抗网络、实例分割等多技术融合的铁路货车装载状态图像生成技术模型,为丰富特殊场景下铁路货车装载状态图像库、构建可靠的智能识别模型提供技术支撑。

关键词： 数字识别系统   机器视觉技术   深度学习   图像处理   文本检测   文本识别   计量检定  

摘要： 为提高X、γ剂量率仪检定、校准的自动化程度,提出一种基于计算机视觉的X、γ剂量率仪数字识别系统。该系统可实现摄像头视频采集、采集图像预处理、仪表图像的文本检测与识别以及识别结果的后处理。分别采用DBNet与CRNN-CTC作为文本检测与文本识别的模型,比较不同骨干网络结构对模型的影响。在平衡准确性和速度指标后,选择MoblieNetV3作为文本检测和识别模型的骨干网络,对32种常见的X、γ剂量率仪进行识别实验。结果表明:经算法过滤后,仪器识别准确率可达到100%;对于绝大部分仪器,使用数字识别系统效率可以提高20%以上,但是对于显示界面刷新面积较大的仪器,摄像机难以识别,仍需要人工检定。

关键词： 计算机视觉   视频透视式增强现实   YOLOv8算法   实时战机检测   平均精度  

摘要： 针对实时战机检测面临的目标种类多、检测准确率较低、人机交互不够友好等问题,基于YOLOv8算法和视频透视式增强现实技术设计了一种实时战机检测系统,利用阿里云天池数据集中的美军用飞机数据进行了检测测试,测试结果表明,提出的实时战机检测系统mAP@50接近0.92,mAP@50-95接近0.85,具有较好的检测性能,提高了实时战机检测质效。

关键词： 遥感影像   目标检测   高效视觉转换器   幽灵卷积核   无锚点框机制  

摘要： 针对边缘计算场景下轻量模型对遥感影像目标检测精度较低的问题,提出一种融合高效视觉转换器与无锚点框机制的轻量级检测方法。在YOLOv5s基础上,在特征提取阶段引入高效视觉转换器网络,以轻量化结构同步捕获局部特征和上下文注意力权重;在特征融合阶段,以浅层特征图参与多尺度特征融合,并采用幽灵卷积核减少计算量;在检测阶段,引入无锚点框机制实施目标框位置回归,提高计算效率,并适应尺寸复杂的遥感影像目标;最后使用C++语言与TensorRT推理引擎,实现模型部署。结果表明,所提模型较YOLOv5s在检测精度、速度方面均有明显提升,能够在小算力环境下实时输出检测结果。

关键词： 计算机视觉   5G通信   智慧电厂   异物目标   自动检测   CSPDarknet模型  

摘要： 针对电厂环境复杂、光照多变和遮挡问题,提出基于计算机视觉的5G智慧电厂异物目标自动检测方法。首先,通过高斯滤波去噪、对比度增强和背景减除等对图像进行预处理;然后,结合CSPDarknet模型提取特征,计算监控图像差值并设定阈值,以自动检测异物目标并确定其实际位置;最后,通过实验验证所提方法的先进性。实验结果表明,该方法能有效降低定位偏差,确保在复杂环境中对异物目标进行准确识别与定位。

关键词： 智能化巡检   输电线路通道   目标检测   窗口自注意力网络   自适应空间特征融合  

摘要： 针对输电线路通道异物检测背景复杂以及小目标情况下检测效果不佳等问题,提出一种基于窗口自注意力网络与YOLOv5模型融合的输电线路通道安全检测算法.首先,选用窗口自注意力(S-T)网络优化主干网络,扩大模型感受视野,增强提取有效信息的能力.其次,改进自适应空间特征融合(ASFF)模块,增强多尺度特征融合能力.最后,考虑到真实框与预测框不匹配的问题,引入结构相似性交并比(SIoU),优化边界误差,提高小目标定位准确性.实验结果表明,本文模型对线路通道多目标入侵检测精度达到90.2%,且提升了小目标检测效果;与主流目标检测算法相比,可以更好地满足输电线路通道中的异物检测需求.

关键词： 计算机视觉   数学课堂   教学互动方法  

摘要： 文中探讨了基于计算机视觉技术的数学课堂教学互动方法,重点分析了行为识别与情感分析对课堂互动的影响。通过使用高清摄像头和高性能计算单元实时捕捉学生的手势和表情,结合OpenCV和TensorFlow进行图像处理和模型训练,实现了课堂行为识别和情感分析。实验结果显示,该方法的行为识别与情感分析准确率接近100%,处理延迟低于100 ms,确保了课堂反馈的实时性。

关键词： 多尺度特征增强   特征指导   目标检测   方法   实验  

摘要： 针对传统输电线路异常目标检测全面性不足、效率低的弊端,本文提出基于多尺度特征增强与特征指导的检测方法,旨在实现全面、高精度检测,避免漏报、误报等问题。通过对目标检测方法应用原理的了解,对候选框生成做出改进,进行实验与分析,对比本文方法与其他方法(FasterR-CNN、MaskR-CNN等)的应用效果,根据检测精度对比结果评价本文方法对输电线路异常目标检测的应用效果。结果表明:本文方法在MSCOCO数据集上的检测精度为44.46%,在输电线路数据集上的检测精度为78.99%,均高于对比方法,对提高输电线路异常目标检测精度具有良好应用效果。本文研究可为同仁提供技术指导,通过高精度检测结果评价输电线路运行状况,以确保安全管理的有效性。