关键词： 大米抛光机组   品质分析仪   图像处理   MODBUS通讯  

摘要： 稻谷加工环节中,抛光不仅关乎最终呈现的产品品质,而且易产生碎米,为增加抛光机组的生产稳定性,降低生产能耗,需要对抛光环节进行智能优化。结合大米抛光机组实际情况,引入大米品质分析仪,通过图像处理技术,为机组智能调控提供决策依据,研究了抛光工序中基于MODBUS的通讯方式,为后续抛光机组的智能化改进奠定数据存储的基础。

关键词： 无人机   OpenMV   目标识别   自动伴飞  

摘要： 无人机在众多领域展现出巨大的应用潜力,其中作为关键技术之一,目标跟踪对于提升无人机自主作业能力至关重要。文章介绍一种无人机目标识别与跟踪系统。该系统基于OpenMV平台,利用阈值分割的图像处理算法,确保目标识别的高精度与鲁棒性。通过分析图像中特定色块的位置,计算相对于图像中心的偏移量,进而确定目标运动轨迹。所获取的偏移信息被实时传输至无人机控制系统,无人机通过PID控制器调节,自动调整飞行路径,对目标实施紧密跟踪。在实现过程中,通过优化算法参数和进行大量实验测试,确保系统的稳定、可靠运行。实验结果表明,该系统能准确识别目标色块,并实现对目标的稳定伴飞,为无人机在目标跟踪、智能监控等领域的应用提供有力支持。

关键词： 激光技术   图像处理   DR图像缺陷检测   YOLOv8   SimAM模块   WIoU损失函数  

摘要： 针对当前目标检测算法在铝合金焊缝数字射线成像(DR)图像缺陷检测中精度不足的问题,提出了一种基于YOLOv8的改进模型Sim-YOLOv8。首先改进C2f,通过增加SimAM模块提升模型的整体性能;其次,针对部分像素较小的气孔和夹渣缺陷,将首层卷积模块更换为Focus模块,以提升模型对小目标的检测能力;最后添加WIoU损失函数,以提高模型锚框的质量,从而提高检测效果。实验结果表明:在阈值为0.5的前提下,Sim-YOLOv8模型对气孔、夹杂、未焊透这三类缺陷检测的平均精度(mAP@0.5)达到了93.6%、94.4%、97.3%,较原模型分别提高了2.5、1.9和1.7个百分点,具有更好的焊缝缺陷检测效果。

关键词： 船型智能设计   深度卷积生成式对抗网络   计算机视觉  

摘要： 船体型值与图片一样也是序列相关型数据,所以用于生成图片的神经网络模型也能生成船型数据。由于船舶种类繁多、需求复杂,本文研究重点从船舶水线上下、船艏、舯、艉等区域位置特征,和船舶设计中普遍存在球艏、尾轴、艏部外板升高等全局几何特征的条件生成需求出发,训练条件深度卷积生成式对抗网络模型(Con⁃ditional Deep Convolutional Generative Adversarial Networks)来实现两种特征的条件认知与生成。首先,将实现船型区域位置特征与全局几何特征的条件生成作为目标,分别建立条件深度卷积生成式对抗网络模型;然后,针对两类特征设置若干从易到难的不同分割方案和特征种类,使神经网络能够循序渐进地完成条件生成任务;最后,通过对训练过程和生成结果进行对比,初步证明所研究方法用于解决船型特征条件生成问题的可行性。本研究延续了作者之前的研究成果,属于基于计算机视觉技术的船型智能设计方法领域,旨在进一步探索引入人工智能实现船型智能设计的可行性方法。

关键词： 伪装目标检测   上下文感知   注意力机制   背景探索  

摘要： 伪装目标检测(camouflaged object detection, COD)旨在检测出与周围环境高度相似的伪装目标。针对目前COD方法中检测结果不完整、边缘细节模糊的问题,提出了一种融合上下文感知和背景探索(CABENet)的伪装目标检测模型。首先,该模型利用Swin-Transformer模型作为骨干网络,在多个尺度上提取全局上下文信息;其次,利用提出的注意力联级上下文感知模块扩大感受野,并从通道和空间两个维度增强网络的特征提取能力,再通过全连接解码器捕获隐藏对象的粗略位置图;最后,通过融合注意力机制的背景探索模块从背景信息中挖掘目标的边缘线索,加强伪装目标边缘特征的提取。在CHAMELEON、CAMO以及COD10K数据集上的实验结果表明,该方法在4个评估指标上的性能优于其他10个具有代表性的模型,在COD10K数据集上,平均绝对误差降至了0.026。

关键词： 输电线路   机器人   间隔棒安装   模型预测控制   目标检测   深度相机   间隙识别  

摘要： 为解决输电线路人工安装间隔棒作业危险性高和劳动强度大的问题,设计了一种间隔棒安装机器人。针对传统电力机器人依赖摄像头观察和上位机手动调整的低效率和精准度较差的问题,提出了一种基于模型预测控制(model predictive control,MPC)的运动控制方法,在预测模型中加入积分项以减小系统的稳态误差,并且采用了D‒H法对机械臂进行连杆坐标建模,使用拉格朗日法对其建立动力学模型。此外,采用YOLOv7目标检测算法并结合深度相机,对机器人进行定位。针对间隔棒安装至输电导线过程中存在间隙过大或者对准率不高的问题,提出了一种基于DeepLabV3+轻量级间隔棒安装机器人间隙识别算法,以确保安装的可靠性。仿真及试验对比分析表明,采用MPC方法的系统控制收敛时间为18 s左右,控制器的超调量约为0.05,系统的上升时间为12 s,与传统的PID控制或模糊PID控制相比,其具有更好的稳定性和鲁棒性。在模拟220 kV输电线路间隔棒安装试验中,利用所提定位方法得出的坐标与实际值偏差量小于1 cm,符合机器人作业要求,验证了所提的机器人作业控制方法的可行性。

关键词： 红外小目标   自适应   目标检测   双边滤波  

摘要： 针对红外小目标检测在不同复杂背景下虚警率高、检测精度低的特点,提出了一种改进相对局部对比度RLCM的红外小目标检测算法。在预处理阶段采用自适应双边滤波对无关噪声进行滤除,同时通过多尺度处理增强小目标边缘轮廓,防止小目标淹没在背景中,以提高检测精度。检测阶段引入权重信息,将目标信息和背景信息作为权重参数进一步增强小目标。通过将处理后的目标显著图与原图作差,以增强目标位置精度,减弱块效应的影响。经实验表明,相比于传统的检测算法,所提算法的处理效果有明显提升。

关键词： 深度学习   遮挡车辆   特征融合   注意力机制  

摘要： 针对复杂环境下被遮挡车辆目标检测能力差的问题,提出一种基于改进SSD的车辆目标检测算法。替换骨干网络为ResNet50网络,利用残差学习的思想获得更好的模型训练效果,引入特征融合模块增加网络的语义信息并增加注意力机制对重要特征进行强调,以提高被遮挡车辆目标的检测能力,利用Focal loss损失函数解决模型训练时正负样本失衡问题。实验结果表明,所提算法检测精度更高,同时对于被遮挡车辆目标的检测效果也较好。

关键词： YOLOv8   目标检测   注意力机制   细长物体识别  

摘要： 在计算机视觉领域,无锚框的检测算法能够较好地检测并定位任意几何形状的物体,有利于检测细长物体。从更好保留细长物体信息、防止信息的混淆以及更好表达非局部信息之间关联的角度出发,提出改进YOLOv8的细长物体检测方法。在YOLOv8的骨干和头部网络中加入有助于处理细长物体的SPD-Conv构建块,SPD-Conv充分利用空间分割与非跨步卷积处理技术,有效减少细长物体特征的丢失;改进YOLOv8骨干网络中的卷积运算,解决参数共享的问题,对图像不同位置和不同通道的特征赋予不同的重要性和含义;为更好标定细长目标,使用非局部non_local注意力机制理解图像中的长距离依赖关系和相关性。实验结果表明:与YOLOv8原型相比,改进算法平均精度提升了11.35%,推理速度略有降低,为每秒20帧,基本达到了实时性要求。

关键词： 计算机图像处理技术   徽派元素   空间设计   图像处理  

摘要： 徽派文化作为中华文明瑰宝中的一颗璀璨明珠,不仅蕴含着深厚的历史底蕴,更承载着独特的审美情趣和艺术价值。本研究致力于对该领域进行深度探索与挖掘,从中提炼出具有代表性的徽派元素,并采用尖端计算机图像处理技术对其进行数字化转换,涵盖图像的采集、处理等多个环节。在此基础上,将这些经过处理的徽派元素巧妙融入空间设计理念之中,以期在丰富空间设计理论的同时提升设计的创新力和艺术魅力。此外,此举亦为徽派文化的传承与创新开辟新的途径,为其未来发展注入新的活力。