关键词： 信息化   预制叠合板   机器视觉   图像处理   检测  

摘要： 装配式建筑采用工业化生产、装配化施工,具有施工效率高、节能环保等特点,受到国家的大力扶持,而预制叠合板作为预制率、装配率高的预制构件,其质量优劣关系整个工程。预制叠合板在生产过程中存在一些问题,如混凝土浇筑前的隐蔽验收工作采用人工检查方法,人工投入量大,质量检测水平和效率低,容易漏检、错检,严重制约了混凝土叠合板生产效率。以预制叠合板为研究对象,开展图像畸变校正算法与数据增强算法研究,研究改进YOLOv7预制叠合板精准识别算法、钢筋排布和间距识别方法,开发了一套基于机器视觉的预制叠合板智能检测控制系统。系统可对叠合板尺寸误差、预埋件位置及数量进行智能评估,从而减少质检人员投入,提高生产效率和产品合格率。

关键词： 激光清洗   碳钢   正交试验   工艺参数   灰度特征  

摘要： 激光清洗技术是一种绿色、高效、无接触的先进清洗技术。为探究碳钢表面锈蚀污染层的激光清洗工艺,利用红外纳秒激光器,基于正交试验主要研究了激光功率、扫描速度、扫描次数和线间距等工艺参数对除锈效果的影响规律。通过对激光清洗前后区域进行灰度化处理,并对灰度均值进行极差和方差分析,建立起基于灰度均值特征的碳钢除锈效果评价标准。结果表明,通过图像识别处理能够快速、准确确定碳钢表面状态,为后续激光清洗工艺提供量化评价指标。

关键词： 隧道工程   目标检测   第2版可变形卷积网络   Transformer Decoder   衬砌裂缝  

摘要： 为解决因衬砌裂缝性状随机、分布密集、标注框分辨率低所导致的现有模型识别精度低、检测速度慢及参数量庞大等问题,以第2版可变形卷积网络(DCNv2)和端到端变换器解码器(Transformer Decoder)为基础对YOLOv8网络框架进行改进,提出了面向衬砌裂缝的检测模型DTD-YOLOv8。首先,通过引入DCNv2对YOLOv8主干卷积网络C2f进行融合以实现模型对裂缝形变特征的准确快速感知,同时采用Transformer Decoder对YOLOv8检测头进行替换以实现端到端框架内完整目标检测流程,从而消除因Anchor-free处理模式所带来的计算消耗。采用自建裂缝数据集对SSD,Faster-RCNN,RT-DETR,YOLOv3,YOLOv5,YOLOv8和DTD-YOLOv8的7种检测模型进行对比验证。结果表明:改进模型F1分数和mAP@50值分别为87.05%和89.58%;其中F1分数相较其他6种模型分别提高了14.16%,7.68%,1.55%,41.36%,8.20%和7.40%;mAP@50分别提高了28.84%,15.47%,1.33%,47.65%,10.14%和10.84%。改进模型参数量仅为RT-DETR的三分之一,检测单张图片的速度为16.01 ms,FPS为65.46帧每秒,对比其他模型检测速度得到提升。该模型在面向运营隧道裂缝检测任务需求时能够表现出高效的性能。

关键词： 交通运输系统工程   计算机视觉   红外和可见光图像融合   多尺度图像融合   YOLOv5目标检测  

摘要： 为提高道路交通安全领域中的道路目标检测的精度,本文借鉴图像融合技术中多尺度特征图像融合思想,融合和GPNet中Ghost瓶颈模块,实现了融合质量和较小算法复杂度的平衡,建立了一种红外和可见光融合及目标检测网络。网络分为选择性图像融合模块、轻量化目标检测模块和融合质量及检测精度判别网络3个部分。在白天、夜间和特殊天气(雨、雾等)下,平均车速30~40 km/h的城市工况下进行3组试验作为数据集,实验结果表明:平均梯度最高提升5.64881、交叉熵提升了0.93668、边缘强度提升了56.9457、信息熵提升了0.925208781、互信息提升了1.000548571、峰值信噪比提升了3.053893252、Qab提升了0.342882208、Qcb提升了0.20898381以及均方误差降低0.08。轻量化目标检测网络输出的AP、mAP和Recall均为最优水平,验证了红外和可见光技术应用在道路障碍物检测方面的优势。

关键词： FPGA   动态目标检测   自适应快速中值滤波   三帧间差分法   防御躲避  

摘要： 针对传统动态目标检测实时性差、功耗高及精度低等问题,提出了一种基于FPGA芯片的高精度、低功耗动态目标检测与防御躲避系统。该系统采集OV5640摄像头像素信息,经DDR4高速缓存后,依次对图像进行多步预处理,包括灰度化、自适应快速中值滤波、改进型三帧间差分、形态学运算及包围盒检测等,在HDMI液晶屏上实时显示目标检测结果。系统根据计算出的动态目标中心坐标,驱动电机控制摄像头进行精准的对角躲避。硬件测试结果表明,该系统在50 MHz的时钟频率下,视频帧率达到60 FPS,具有较高的实时性和鲁棒性,能够清晰并准确检测出动态目标,且防御躲避设计可行,功耗仅为0.969 W。

关键词： 目标检测   YOLOv5   K-Means   机器视觉   制动模块   装配检测  

摘要： 针对动车组制动模块结构复杂,装配过程子部件种类、数量较多,易产生混装、漏装等问题,建立一种基于机器视觉的装配检测模型。首先,通过数据集构建、模型训练、推理测试等步骤,完成YOLOv5部件检测模型的建立并进行计数统计判断。然后,对YOLOv5输出的位置坐标与类别数据,通过坐标转换和标准化处理使位置信息区分度提升。进一步,在训练集上运用K-Means进行聚类学习,生成部件各位置簇的中心坐标和内外限值。最后,计算待测部件位置坐标与各簇中心的欧氏距离,结合内外限值判定位置的正确性。同时,为便于工程部署,在推理端采用ONNXRuntime框架进行可视化系统的开发。结果表明:检测方法具有较高的准确率和查全率,同时具备位置检测功能,较现有人工目视检查方法更加准确、稳定、高效,具备工程应用价值。

关键词： 作物   病害   无人机遥感   深度学习   目标检测   语义分割  

摘要： 作物病害的高效、精准监测不仅在保障农业生产安全中具有重要意义,还对国家粮食安全政策的制定起着至关重要的作用。近年来,随着无人机技术的迅速发展,无人机农业遥感因其高空间分辨率、时效性强、成本相对较低等优势,在农作物病害监测领域的应用日益广泛。首先梳理了无人机遥感在作物病害监测中的应用背景,概述了当前广泛应用于农业生产中的无人机设备及其搭载的作物监测传感器;其次,从技术方法和研究进展的双重视角,系统综述了无人机遥感技术在作物病害监测中的具体应用及其成果;最后,深入探讨了影响无人机遥感病害监测精度的关键因素,分析了当前尚存的技术瓶颈,并展望了无人机遥感在作物病害监测中的未来发展方向。通过研究旨在为我国农作物病害监测平台的构建及相关技术的发展提供理论支持和实践参考。

关键词： 可计算感知   智能教育   计算机视觉   自然语言处理   物联网   虚拟现实  

摘要： 随着教育技术的进步和发展,以深度学习、机器学习、虚拟现实、物联网为代表的可计算感知技术在以人为本的教育中的应用愈发广泛,同时也是赋能教育发展变革的关键力量之一。然而,目前对于可计算感知技术在智能教育中的应用还知之甚少。以面部表情、语音、文本、眼动、触觉、生理信号等可感知的物理及虚拟空间中可感知数据为基础,对当前公开发表的期刊文献和会议论文进行筛选和统计,系统分析了智能教育中可计算感知技术的进展与应用,并提出了其对教育实践的潜在影响和挑战。最后,基于结论对智能教育中可计算感知技术的未来发展方向展开了前瞻讨论。

关键词： 深度学习   图像识别   FPGA   图像处理   Zynq  

摘要： 为了解决手写数字识别准确率不高的问题,设计了一种基于FPGA的手写数字识别系统。系统以Xilinx公司的Zynq-7020 FPGA为处理器,利用OV5640摄像头获取卷积神经网络训练完成的手写数字信息,并进行分析和处理,通过HDMI接口发送至液晶显示器进行显示。实验结果表明,该系统能够对卷积神经网络训练完成的不同形状的手写数字0~9进行准确的识别,手写数字识别准确率大于95%,为手写数字识别提供了一种参考。

关键词： 防吊起   目标检测   YOLOv5s算法  

摘要： 为防止集装箱卡车卸箱作业过程中与集装箱一同被吊起的安全隐患,需要对其作业过程中的位置状态进行准确的识别。以集卡车轮作为目标检测的特征提取对象,利用神经网络中YOLOv5算法作为基础算法,并针对算法中的特征提取能力不足、特征联系程度不强、场景应用能力不足的缺陷,给出融合结构重参数、自适应加权金字塔、检测头剪枝3种改进措施。实验结果表明,改进算法可提高模型的目标检测性能。