关键词： OpenMV视觉模块   乒乓球追踪与收集   PID控制   图像处理   乒乓球收集结构  

摘要： 针对当前乒乓球收集小车存在的收集结构成本较高、图像算法复杂问题,设计并实现了一种基于STM32与OpenMV的乒乓球收集小车。提出了一种新型乒乓球收集结构,包含由饮料瓶、塑料管制作的收集臂和纸盒制作的收集盒,大大降低了收集结构的制作成本。OpenMV内置丰富的图像算法,可有效降低软件开发难度。OpenMV依据乒乓球的Lab颜色阈值识别黄色乒乓球,获取其中心点坐标,并通过单目测距原理测得乒乓球与小车之间距离。设计了一种基于状态机的乒乓球追踪与收集算法,STM32将OpenMV从串口发来的乒乓球位置信息输入其中,得到运动指令,并使用PID算法将车轮转速调整到指令要求。通过上述控制算法,小车逐渐靠近乒乓球,并调整到合适位置,此时,舵机驱动收集臂完成收集。经测试,小车可适应多种地面及光照情况,乒乓球收集成功率94.47%。在室内有灯光环境下,小车可在5~156 cm距离内自主发现和收集乒乓球,收集时间在26.04 s以内。

关键词： 深度学习   YOLOv5   图像融合   目标检测   行人目标  

摘要： 目标检测指对图像内的物体类型进行识别并且定位。一阶段目标检测算法从深层网络输出的特征图中获得分类信息与目标位置信息,然而深层特征由于经过长距离卷积与下采样处理而缺乏空间信息。针对该问题,参考语义分割的思想,通过将骨干网络中的浅层特征与上采样得到的深层特征结合的方法,对一阶段目标检测YOLOv5算法进行改进,利用骨干网络ResNet-50可以对特征图信息进行有效提取。在残差块中引入注意机制,对浅层特征提取阶段进行有效选择对象信息,并且可以将更多的权重分配给小的和弱的对象,以改善特征表达准确探测小物体的能力。另外,根据行人检测的数据特点,对预选框的生成方式和损失函数进行改进。采用INRIA和Caltech这2个数据集进行实验,结果表明,提出的改进模型在检测效果与检索速度方面均有所提升。

关键词： 图像处理   表格图像结构识别   图卷积网络   特征融合   注意力机制   矩阵分解   双分支网络  

摘要： 针对表格图像很难精确从文档中提取出表格结构的问题,提出一种融合图卷积网络的双分支识别网络模型。以ResNet+FPN为主干网络,引入矩阵分解头代替注意力机制重整全局特征。设计一个双分支网络以获取表格单元格间空间位置和逻辑邻接信息。以GCN感知单元格间连接关系辅助输出位置信息和逻辑邻接关系。实验结果表明,在多个数据集上相比基线模型F1指标平均提升10.6%,F(beta=0.5)指标提升18.6%。在TableGraph-24K数据集上,相比最近的TGRNet模型在F1指标上提升3.1%,F(beta=0.5)指标平均提升2.9%。

关键词： 钢轨夹板接头螺栓   螺栓松动   余量不足   深度学习   目标检测   RegNet  

摘要： 鉴于当前钢轨夹板接头螺栓故障检测所面临的复杂环境及识别精度不足的挑战,提出一种基于图像识别技术的新型螺栓缺失与余量不足故障检测算法。以YOLOv5作为核心检测模型,精准定位图像中的螺栓检测区域。同时,对RegNet进行了优化改进,将颜色特征与形态特征作为浅层特征输入,并结合包含深层特征的模板图像,共同构成二分类的输入数据。通过采集数据集并进行实验验证,结果表明,所提出的算法在螺栓缺失和余量不足检测上的识别精度达到了99.63%,相较于VGG、RegNet、Ef fcientNet、MobileNet等传统模型,其准确率最大提升达4.26%,最小提升为2.98%。在螺栓余量不足或缺失的情况下,所提出的算法能在满足实时检测要求的同时,准确检测出螺栓的故障状态。

关键词： 残骸搜寻   无人机   目标检测   深度学习   数据仿真  

摘要： 飞行器残骸的可靠回收对于飞行试验数据的完整获取及型号后续的攻关研制具有重要意义。为保证飞行试验的安全性,飞行器试验的落区地点一般为无人区,且飞行器实际落点往往与理论落点有所偏差,残骸目标特性复杂、散布区域大,仅依靠人力完成对飞行器残骸的搜寻十分困难。针对飞行器落区残骸回收的难点问题,依托无人机平台搭载光学载荷的手段,开展融合数据仿真与深度学习算法的飞行器残骸搜寻技术研究,重点介绍了残骸搜寻的目标检测算法、数据仿真策略及应用效果。经实际测试,提出的智能搜寻方案效果良好,在多次任务中顺利完成飞行器残骸的快速定位,保障了飞行试验任务的圆满成功。

关键词： 微弱信号检测   长短时记忆网络   麻雀寻优算法   海杂波  

摘要： 针对强混沌背景噪声下传统方法难以检测微弱目标信号的问题,研究了混沌相空间重构理论和麻雀寻优算法,提出一种基于优化长短时记忆网络(LSTM)的混沌背景下微弱信号检测方法。利用麻雀搜索算法优化LSTM模型参数,提高模型预测精度,降低目标检测门限,结合LSTM模型进行单步预测,利用预测误差从强海杂波背景下检测出微弱目标信号。以Lorenz混沌系统作为混沌背景进行仿真实验,对叠加的小信号进行检测,结果表明,该方法能够有效地检测微弱信号,其预测的均方根误差0.00171(信噪比为-137.707 dB),相较于传统神经网络预测模型、LSTM预测模型、GA-LSTM预测模型、PSO-LSTM预测模型均有显著提升。利用IPIX雷达信号进行预测实验,进一步验证了该方法的有效性。

关键词： 特征   Hough变换   在线检测  

摘要： 针对圆锯片图像特征,将图像的预处理、轮廓提取、轮廓优化、锯片圆心的检测及内外圆直径、圆度误差的测量、齿尖及齿尖两段直线的检测、齿尖角的测量、径向前角及径向后角的测量算法集成。根据所研究的圆锯片图像齿尖特征,改进了直线的Hough变换,即首先将各个齿尖位置跟齿尖周围共线的像素点检测到,然后再用Hough变换逐次检测齿尖周围的两段直线。针对圆的常规Hough变换检测时间长的问题,改进了圆的Hough变换,即首先将圆上边缘像素点总数三等分,然后从每一部分边缘点各取一个像素点,利用不共线的三个像素点确定圆心。这样在保证精度的前提下,大大缩短了检测时间,为零件的在线检测奠定了基础。

关键词： 历史建筑   石材外饰面   典型损伤分类体系   目标检测   图像分割技术  

摘要： 上海市历史建筑中石材的类型众多,具有重要的历史文化价值。当前,石材外饰面的外观质量检测仍依赖于目测,缺少对石材损伤类型较为全面的认识。为此,结合国内外岩石劣化专业术语标准,调研、分析了上海市外滩37栋历史建筑的石材外饰面的现有典型损伤类型、成因和相应特征,面向石材损伤智能化识别应用,建立了历史建筑石材外饰面典型损伤分类体系,形成了历史建筑石材外饰面典型外观损伤的图像识别方法,并对目标检测和图像分割技术在损伤图像分类工作中的应用进行了探索,可为后续开展类似损伤识别提供借鉴。

关键词： 胡椒目标检测   卷积神经网络   胡椒采摘机器人   成熟度判别   YOLOv8m  

摘要： 目前,针对胡椒智能采摘领域的研究尚属空白,精确识别胡椒果穗的成熟度是胡椒智能采摘关键技术之一。通过两条技术路线判别胡椒成熟度:一是先建立胡椒目标检测深度学习模型,再根据胡椒果穗颜色特征来判别胡椒成熟度;二是直接建立胡椒成熟度判别深度学习模型。利用两条技术路线,采用SSD、Faster R-CNN、YOLOv5s、YOLOv5m和YOLOv8m这5种算法进行胡椒果穗成熟度判别对比。研究结果发现,基于YOLOv8m模型,第1种方法成熟度判别的准确度为94.81%,第2种方法的准确度、召回率等多项指标高达98%以上,可为胡椒智能化采摘机器人的开发提供依据。

关键词： 机器学习方法   高光谱遥感图像   目标检测   目标像元分割   投影寻踪   动力演化算法  

摘要： 针对高光谱遥感图像目标检测的难题,提出基于机器学习的高光谱遥感图像目标检测方法。首先,通过动力演化算法找到满足偏度、峰度最大化的投影方向,将高维图像数据投影至低维子空间,从而提取图像的光谱信息。然后,通过线性判别法将提取的信息转换为直方图形式,再利用自动标记分水岭算法和KNN方法进行目标区域的初分割和分类,以去除非目标光谱像元。测试结果表明,对目标信息进行检测处理后,图像像元整体分类精度与平均分类精度数值区间为[0.97,0.98],信息熵数值仅有0.01,说明该方法具有较高精度,结果可信度较高。