关键词： 目标检测   SqueezeNet   深度可分离卷积   CenterNet  

摘要： 为提高传统目标检测算法的实时性,并解决小目标检测效果不佳及漏检率高的问题,提出了改进CenterNet算法。首先将特征提取网络由ResNet50改为SqueezeNet,卷积计算的部分用深度可分离卷积代替;接着使用双阈值改进NMS算法替代单阈值-非极大值抑制算法,通过DIoU计算损失函数。结果表明:改进算法在安全帽和口罩检测数据集的检测精度分别为91.3%和85.5%,与CenterNet算法相比,性能分别提升了2.35%和3.76%,同时具有更快的检测速度。

关键词： 跟踪系统   图像处理   模糊系统   Hi3516A   GD32F407  

摘要： 针对当前光电跟踪系统在复杂背景下对目标跟丢的情况,设计了一款应用在交通执法领域且适用于复杂背景的光电跟踪系统。该系统采用Hi3516A处理器完成对视频图像的获取、处理,保存成H.264或H.265码流文件,通过无线WIFI和实时流传输协议RTSP(Real Time Streaming Protocol)将码流文件实时传输到PC端进行显示;同时,应用模糊系统对KCF跟踪算法进行改进,实现滤波模型的自适应更新。此外,该系统基于GD32F407处理器采用PD控制算法实现俯仰和航向双自由度的控制,使目标始终保持在视野的中心。实验结果表明,应用改进后的跟踪算法使得该系统能够完成在复杂背景下对目标的准确跟踪,且运行速度在每秒30帧左右。

关键词： 计算机技术   图形图像处理   计算机视觉  

摘要： 计算机技术的应用为图形图像处理领域带来了革命性的变化,不仅提升了处理效率,还拓宽了应用范围。文章旨在深入探究计算机技术在图形图像处理中的应用与关键技术,从而揭示其对现代科技的重要性。

关键词： 图像去雾   生成对抗网络   混合空洞卷积   复合损失函数   目标检测  

摘要： 经现有去雾算法处理的图像存在色彩失真、纹理细节丢失、网格伪影等问题,为此,基于生成对抗网络,提出了一种端到端的去雾算法。该算法将U-Net网络引入生成器模块,采用多尺度卷积和跳跃连接融合不同层级的特征,使用混合空洞卷积模块捕获上下文信息,扩大了感受野并缓解了网格伪影问题;同时通过复合损失函数约束图像边界,提高了去雾图像的精细化质量,有效解决了现有去雾算法存在的问题。所提算法在SOTS数据集上的实验结果表明,去雾图像的客观评价指标和感官效果均优于所有对比算法;在UA-DETRAC数据集上的实验证明,经该算法处理的图像可应用于交通场景的目标检测任务中。

关键词： 汽车涂胶   缺陷检测   机器视觉   图像处理  

摘要： 白车身涂胶是汽车生产中的重要环节,实现白车身涂胶缺陷的自动检测对于提高汽车生产质量和效率具有重要的意义。针对目前基于传统图像处理和深度学习的视觉检测方法均不能很好地完成涂胶缺陷检测的问题,提出一种将深度学习和传统图像处理相结合的白车身涂胶缺陷检测方法。首先,利用Faster R-CNN的区域候选网络完成胶条的定位和抽取,并根据检测到的感兴趣区域个数,判断是否存在断胶缺陷;然后,采用广度优先搜索和骨架提取算法计算胶条的像素面积、长度和宽度;最后,通过相机标定得到实际宽度和像素宽度的映射比值,计算出胶条的实际宽度,由此判断涂胶宽度是否合格,实现涂胶的缺陷检测。采用(10±1)mm涂胶进行验证实验,结果表明:该方法能够准确识别出断胶缺陷;对胶条宽度的测量误差在±0.35 mm以内;检测速度约为19.50 frame·s^(-1),满足实际生产的要求。

关键词： Mask R-CNN   报纸数字化   内容分割   目标检测  

摘要： 开展馆藏报纸图像内容分割研究,能提升文字识别准确率,对促进机器识别取代人工操作、提高图书馆数字化工作效率具有重要意义。文章根据报纸图像呈现的特征,提出一种基于改进MaskR-CNN的算法,实现报纸图像内容分割。首先,通过优化锚框比例和损失函数,对原始MaskR-CNN算法进行改进。其次,采用数据增强、调整训练参数开展样本训练。最后,通过实验的方式对改进后的MaskR-CNN算法训练模型和原始算法训练模型进行比较,并采用AP_bbox和AP_segm评价指标对实验结果进行评估,改进后的算法训练模型AP_bbox为0.935,AP_segm为0.943,均超过原始算法训练模型。实验结果表明,改进后的MaskR-CNN算法能够实现报纸图像内容有效检测与分割。

关键词： 遥感   目标检测   仿真  

摘要： 利用改进YOLO V5s模型实现遥感图像目标检测并用于地域贫困评估。针对现有模型提出了三点改进:加强PAN结构、基于bounding box的RIOU_Loss回归损失函数、协同注意力机制。同时将遥感图像目标作为表征,计算连续时间节点内的贫困率变化。实验结果表明,改进模型的P、R、mAP@0.5、mAP@0.5:0.95值存在不同程度的提升,而Loss值有所下降。因此,与原模型相比,改进模型具备更精准的目标检测能力。同时,与传统的统计数据方法相比,改进模型为地域贫困评估提供了一种等效的无数据评估思路。

关键词： 摄影测量技术   数字图像处理   地质灾害监测  

摘要： 地质灾害监测作为工程地质领域的关键研究内容,对于预防和应对自然灾害至关重要。本研究聚焦于摄影测量技术在地质灾害监测中的应用,通过数字图像处理技术对传统摄影测量法进行改良,显著提升了其应用效果。首先,本文阐述了摄影测量技术的基本原理及其在地质灾害监测中的应用方法。随后,构建了一个基于数字图像处理的摄影测量模型,并设计了相应的算法。通过实地采集地质灾害图像数据,我们利用该模型进行了模拟测量。实验结果表明,与传统方法相比,新模型在地质灾害监测与预测方面具有更高的准确性和效率。这一研究为地质灾害预防和控制提供了新的技术手段,具有重要的实际应用价值。

关键词： 核电蒸汽发生器   机器人定位   目标检测  

摘要： 密闭的核电蒸汽发生器(Steam Generator,SG)内环境纹理单一重复及光照不良等导致检查机器人定位困难及作业过程中难以确定被检查的传热管位置。针对该问题,提出一种实时高精度的机器人定位方法。通过目标检测算法对视频帧中选定范围内的传热管进行检测及排序,并在初始帧中参照SG内部少量可区分点设定传热管的初始参考序号;基于前后帧同一目标间距离与帧内不同目标间距离的几何约束关系,对传热管目标进行跟踪及动态排序,从而间接地实现机器人精确定位。实验结果表明,该方法在SG模拟体内部进行检查的过程时能很好地实现机器人的高精度定位,指导机器人进行检查作业。

关键词： 图像处理   散斑图像   深度学习   GoogleNet   分类识别  

摘要： 为了解决激光散斑对高于20℃时的水温存在测量灵敏度下降等问题,提出了一种基于深度学习的激光散斑图像识别探测方法,构建了20.1℃、20.2℃及20.3℃的散斑图像数据集,采用一种多尺度卷积神经网络,结合适当的损失函数和数据增强技术,以优化激光散斑图像的特点;通过深度学习模型在散斑数据集上的训练与测试实验,实现了水下温度信息散斑图像的高准确率识别,解决了对比度饱和测量灵敏度下降的问题。结果表明,与AlexNet、VGG、ResNet模型相比,GoogleNet模型对散斑图像的水下温度识别准确率达到了99%。该研究为深入了解温度场分布及其影响提供了理论支持,并为相关应用领域提供了有价值的参考。