关键词： 计算机   图形图像处理   软件   先进制造技术  

摘要： 当今社会,图片、影视等视觉效果类信息呈爆炸式增长,使得数字图像设计与处理已逐渐成为计算机应用领域里的基本技能之一,计算机图形图像处理软件在设计、生产、质量控制等方面发挥的作用也越来越重要。本次研究通过对数字图像的处理和分析,介绍了计算机图形图像处理软件在提高产品设计的精度、效率、优化生产过程、以及实现智能化质量控制等方面的必要性和局限性,对其未来的发展及前景进行预测,以推进先进制造技术的发展。

关键词： 机器视觉   袋式输液器   缺陷检测   图像处理   边缘检测  

摘要： 人工质检液袋组件会因主观性和疲劳带来质检风险,还会降低生产线的自动化程度。为解决这一问题,采用机器视觉系统对液袋组件挂绳、加药两通进行组装质量检测。设计图像采集辅助机构,解决因液袋组件形态不固定而难以进行图像采集的难题;在确定缺陷检测策略的基础上,选用Canny算法以最短时间提取液袋管路区域的清晰轮廓,相较于其他算法节约160~520ms;采用虚拟直线法,结合本文根据轮廓外接矩形框位置特征选定的感兴趣区域(ROI),完成轮廓数的统计,最终实现缺陷检测目标。实验表明,管路缺失检出率达100%,检测最高耗时438ms,检测一组液袋组件仅需要1.75s,远小于工厂生产线上生产一组液袋组件的单工位工时8s。该方法能代替现有人工肉眼检测,减少企业用人成本。

关键词： 疵点检测   YOLOv7算法   目标检测   特征提取   注意力机制  

摘要： 针对纺织工业生产中织物疵点形状多变、目标范围较小等问题,提出了一种改进YOLOv7特征提取网络,引入可改变核卷积的不规则织物疵点识别算法。在YOLOv7特征网络中引入可改变核卷积替换传统卷积块,利用可改变核卷积的任意采样形状和任意参数量特性来提高疵点的特征信息采集效率,在采样时可以更加适应不规则的疵点形状和尺寸特征;同时嵌入高效多尺度注意力,利用跨维度的交互来捕捉像素级别的关系,提高模型处理微小特征的能力。通过实验验证:改进后的模型各类别样本的检测精确率P达到95.1%,相比YOLOv7基线模型提升了7.3个百分点,召回率R提升了7.2个百分点,mAP@0.5提高了12.3个百分点;检测精度与检测速度均大幅提升。改进后的模型对不规则织物疵点和疵点范围较小的目标识别检测效率更高,可为工业场景下织物疵点的高效快速识别提供技术支持。

关键词： 多模态   RGB-热   特征锐化模块   跨模态融合机制  

摘要： 针对RGB(Red Green Blue)模态与热度模态信息表征形式不一致,特征信息无法有效挖掘、融合问题,提出了一种新的联合注意力强化网络-FCNet(Feature Sharpening and Cross-modal Feature Fusion Net)。首先,通过双维度注意力机制提升图像特征映射能力;然后,利用跨模态特征融合机制捕获目标区域;最后,利用逐层解码结构消除背景干扰,优化检测目标。实验结果表明,该优化改进算法运算参数更少、运算时间更短,且模型整体检测性能均优于现有多模态检测模型性能。

关键词： 手术视频   垂体腺瘤切除术   队列研究   内窥镜   计算机视觉   外科医生   学习曲线   经鼻  

摘要： 本研究背景:经鼻内内窥镜入路(endonasal endoscopic approach,EEA)是垂体腺瘤切除术的有效方法。然而,人工检视操作录像是费时的。计算机视觉(computer vision,CV)算法的应用可以潜在性地减少手术视频检视所需的时间,并促进外科医生的培训,以克服EEA的学习曲线。

关键词： 目标检测   YOLOv5s   聚类算法   注意力机制   空间金字塔池化  

摘要： 长江实行十年禁渔是长江生态环境修复的关键环节,针对禁渔期间长江非法捕捞渔船目标小、背景复杂、流动大等问题,提出了一种基于改进YOLOv5s的目标检测算法。该算法优化多尺度自适应锚框模块,采用改进的K-means++聚类算法,重新匹配适合长江船舶尺寸的锚框;使用轻量高效的坐标注意力(coordinate attention,CA)机制,提升模型关注目标通道信息特征的能力;采用SPPCSPPC(spatial pyramid pooling and context-aware spatial pyramid pooling combination)对特征图进行池化,提高小目标检测能力;通过构建长江船舶数据集训练得到最优权值模型。结果显示,改进后的模型在准确率、召回率、mAP0.5、mAP0.5∶0.9和原模型相比分别提高了1.5%、3.0%、2.4%、7.7%,且训练过程损失收敛更快,收敛值更低,能够准确快速识别出长江上的渔船目标。研究结果可为长江十年禁渔提供技术支持。

关键词： YOLOv7   GhostNet   轻量化   PConv   注意力机制   CARAFE  

摘要： 针对传统鱼群检测方法耗时长且检测结果易受检测人员技术经验影响等问题,结合养殖鱼群图像特征,基于YOLOv7模型,提出一种轻量级实时检测鱼群的方法。该方法将GhostNet引入YOLOv7模型中作为主干特征提取网络,以减少网络的参数量,同时将特征融合网络的ELAN-H模块中CBS卷积层替换为PConv,进一步降低模型的计算复杂度,并在特征融合网络中加入CBAM注意力模块和轻量级上采样算子CARAFE,以提高网络的特征表达能力。在采集的鱼群数据集上进行实验表明,提出模型的平均精度均值为95.54%,参数量为24.13×10^(6),浮点运算次数(GFLOPs)为38.45×10^(9),相较于YOLOv7模型,改进后的模型平均精度均值提高了1.86%,参数量和计算量分别降低了13.14%、70%。相较于YOLOv4和YOLOv5s等模型,文中模型的平均精度均值也均有提高,能够为鱼群检测提供一种轻量化的实时高效检测方法,大大降低了检测人员的工作量。

关键词： 多目标跟踪   目标检测   注意力机制   斑马鱼幼鱼  

摘要： 针对斑马鱼幼鱼体积小,外观相似度高,运动模式不稳定等特征导致的目标丢失、目标身份匹配错误、轨迹混乱等问题,本文提出了一种基于卷积神经网络的多目标跟踪算法。算法分为目标检测和目标跟踪两部分。检测部分通过经典的检测算法YOLO(You Look Only Once)v5实现,跟踪部分,主要通过DeepSORT实现对斑马鱼幼鱼位置的跟踪与轨迹连接。针对幼鱼容易被漏检、错检等特点,在YOLOv5m的基础上改进了网络的检测层结构,提升对小目标的检测能力。同时融合双通道注意力机制(Convolutional Block Attention Module,CBAM)对网络对背景噪声的抗噪能力。结果表明,在小样本训练的情况下,本文提出的YOLOv5m-ss对斑马鱼幼鱼群体的检测精度@mAP(mean Average Precision)可达99.9%,相较原网络提升了9.4%。结合DeepSORT后的跟踪精度MOTA可达98.0%,在算法运行速度和精确率上都有一定优势。

关键词： 落蔓   图像处理   黄瓜秧蔓冠层   霍夫变换   HSV色彩空间  

摘要： 针对长季节黄瓜作物人工落蔓强度大、成本高和效率低等问题,设计一种基于冠层高度阈值识别的温室黄瓜整体自动落蔓装置。为保证黄瓜冠层特征提取的正确率,对8:00、12:00和18:00实时采集的黄瓜冠层图像进行预处理,基于Otsu算法获得平滑黄瓜冠层二值图像。采用霍夫变换算法识别黄瓜冠层顶端绳束,并利用统计学方法归纳出感兴趣区域中HSV色彩空间绿色部分各分量取值范围,研究感兴趣区域中绿色像素点占总像素点的比值变化规律。为防止黄瓜卷须缠绕秧蔓冠层顶端水平绳束,以黄瓜植株高度184~185 cm为落蔓控制目标,确定感兴趣区域绿色像素占比的平均值0.162~0.182为整体落蔓装置的落蔓阈值范围。结果表明,植株高度184~185 cm和高于185 cm落蔓次数占总试验次数比例分别为90%和10%。高于185 cm落蔓组中,最高植株距离顶端绳束(195 cm)的距离为9.2 cm,无黄瓜卷须缠绕黄瓜秧蔓冠层顶端水平绳束现象,采用感兴趣区域绿色像素点占比确定黄瓜落蔓阈值方法,能够满足黄瓜生产实际要求。

关键词： 图像处理   喷雾   纹影   动态背景  

摘要： 纹影方法是研究喷雾过程的重要可视化手段之一。本文分析了这种复杂动态背景条件下喷雾纹影图像的特征,使用当前帧减去前一帧的减背景方法、中值滤波去噪方法、阈值分割方法、阿尔法形态轮廓计算方法以及活动轮廓演化图像分割方法对喷雾纹影图像进行了处理,获得了喷雾区域,为处理类似低质量喷雾纹影图像提供了参考。