关键词： 草莓目标检测   深度学习   注意力机制   轻量化模型   迁移学习  

摘要： 为实现草莓采摘时精准检测,同时考虑到嵌入式设备内存小、计算能力低下,而当下目标检测模型参数量和计算量巨大的问题,提出一种基于YOLOv5s的轻量化网络模型。首先,对YOLOv5s进行轻量化处理,利用深度卷积(DWConv)替换普通卷积,同时用C3Ghost模块替换原网络模型中的C3模块,降低模型的复杂度。然后,为增强主干网络对特征信息的提取能力,加强输入特征图通道间的信息交互,在主干网络的C3模块中融合高效通道注意力(ECA)结构,在特征融合网络添加无参数注意力模块(SimAM),使网络聚焦更多的有效特征信息,达到不增加模型的参数量,同时又提升模型识别精度的目的。最后,结合迁移学习加快模型收敛速度并进一步提升模型检测精度。结果表明,轻量化后的网络模型体积减小55.8%,计算量减少55.1%,在自制草莓数据集上的平均精度均值mAP@0.75达到74.9%,比原模型提高3.1%,单张图片平均推理时间仅6.4 ms,能够实现在草莓采摘任务中的精准快速检测,为草莓生产智能化提供支持。

关键词： 计算机视觉   语义分割   注意力机制   多尺度特征融合  

摘要： 为解决双边分割网络在标签分割时存在的分割边界拟合精度低以及边缘不准确而导致的形心计算偏差问题,提出一种改进的BiSeNet模型。首先,改进损失监测机制,提升模型对目标对象的关注度;其次,设计了一种多尺度边缘融合模块,增强网络的特征表示和训练稳定性。消融实验和对比实验结果表明,改进的双边分割网络分割模型,其mIoU和mF1评价指标较基准网络分别提高了2.82百分点和2.51百分点。为验证其在振动测量中的有效性,以振动实验台作为实验对象。实验结果显示,与传统加速度传感器相比,所提方法测得的振动数据与真实位移数据之间的均方误差仅为0.06。

关键词： 车辆工程   无人驾驶方程式赛车   激光雷达   目标检测   深度学习  

摘要： 针对无人驾驶方程式赛车感知系统锥桶检测精度不高的问题,提出一种人工特征提取和深度学习结合的FSAC赛道锥桶3D目标检测方法。对原始点云进行感兴趣区域提取、体素化格栅滤波、地平面滤除、欧式聚类,生成一阶段的目标检测框;基于柱状体素对原始点云数据进行表示,利用PointNet思想逐点提取特征,将每个点还原到H、W分辨率上形成伪图像。使用卷积神经网络处理伪图像结果,使用SSD目标检测网络生成二阶段目标检测框,通过检测框确认模块将两阶段检测框进行交并比计算,交并比大于设置阈值时判定为锥桶。在校园模仿赛场环境进行的实验结果表明:结合人工特征提取和深度学习的锥桶目标检测算法取得了较好的效果,漏检率为0.08%,误检率为0.02%,帧率在60 FPS左右,提高了赛车的环境感知能力。

关键词： 深度学习   目标检测   YOLO   轻量化  

摘要： 为了实现对现有物流行业中输送线上纸箱外形异常检测问题的优化,在YOLOv8框架的基础上,改进了骨干网络,推出一种融合ShiftConv模块的轻量化骨干网络。提出了一种新的检测头DSDET,使网络在轻量化的同时保持较高精度,为解决在目标遮挡情况下检测效果不佳的问题,使用了Repulsion Loss损失函数,通过损失函数使同类间的预测框尽可能远离,从而使检测网络模型在存在较多遮挡情况的纸箱外观异常的检测任务中有更高的精度。通过在自制纸箱数据集上对目标检测网络模型进行测试,平均检测精度可达93.8%,与原有YOLOv8相比检测精度提升2.4%,这种方法可应用于自动化物流实际场景下的纸箱外形异常目标检测。

关键词： 图像处理   运行一体化   边缘检测   AGV系统   自适应检测   霍夫直线变换  

摘要： AGV系统作为一种典型的复杂产品,具有开发周期长、定制成本高、售后服务需求性高等特点。AGV系统通常在工业领域运输元器件生产的任务中表现良好,可以通过系统内部的定位导航实现运输任务的全自动进行。但是,传统AGV系统只能在固定线路上运行而且缺乏灵活性。针对这一问题,提出了一种基于边缘检测的自适应AGV系统。系统基于图像边缘检测等原理进行道路路径的自适应检测,同时结合霍夫直线变换方法,提高了AGV系统的鲁棒性和自适应性,实现了系统的高效协同与联动,有力地推动了AGV系统转型升级。

关键词： 智能叉车   目标检测   目标分割   障碍物识别   目标定位  

摘要： 实现叉车障碍物识别与定位对提升物流仓储行业自动化、智能化具有重要的意义。现有技术大多受限于实际生产中的复杂场景,无法满足对障碍物识别与定位的高精度实时性的要求。针对现有问题,文中提出了一种基于深度学习的智能叉车障碍物识别与定位方法,以实现在仓储货场环境下对障碍物实时、高精度的识别与定位。首先,设计了改进的YOLOX-nano网络获取障碍物外接矩形框,实现对障碍物的检测与提取;然后设计了基于改进的DeepLabv3+网络对筛选出的障碍物进行分割;最后采用阈值化分割方法对障碍物分割区域进行轮廓提取,进而求解障碍物的像素中心点。在叉车实际工作环境中的障碍物数据集上进行实验,结果表明,该方法能够快速准确地对障碍物物中心进行定位。其中第1阶段的障碍物检测平均精度均值为99.90%,平均检测时间为25.62 ms;第2阶段障碍物分割的平均像素准确度为95.93%,平均分割时间为24.69 ms,保证叉车对障碍物实时识别的同时具有较高的准确率。

关键词： 医学图像处理   UbD课程设计方  

摘要： 为了适应“新医科+新工科”背景下创新型卓越生物医学工程人才培养需求,提高医学图像处理课程教学质量。笔者团队对医学图像处理课程进行了课程设计改革并实践。基于UbD(Understanding by Design)理论,突出医学应用,将医学图像处理技术与人工智能、大数据、5G通信等先进技术交叉融合,对医学图像处理课程进行教学设计,并在我校生物医学工程专业第6学期进行了教学实践。本课程设计以理解为教学目的,课程目标明确,课程内容满足“新工科+新医科”要求,考核方式能够评估学生对教学内容的理解程度。实践证明学生对教学整体满意度较高。

关键词： 图像处理   图像融合   深度可分离卷积   注意力机制   损失函数  

摘要： 在红外与可见光图像融合时,融合后图像常出现显著目标不突出、可见光信息表达不充分的问题,且在亮度不均衡条件下,易出现边缘模糊和局部信息不均衡。因此,提出了结合注意力机制与均衡损失的图像融合算法(DepthwiseSeparable,Squeeze-and-Excitation,andEquilibriumLoss-based Convolutional Neural Network, DSEL-CNN)。首先,使用深度可分离卷积提取图像特征;其次,在融合策略中使用Squeeze-and-Excitation注意力机制来提高有效信息的权重;最后,利用均衡组合损失函数计算融合后图像损失,进行图像信息均衡。与FusionGAN、Dense Fuse和其它4种融合算法在TNO和MSRS公开数据集中进行主客观对比实验,其中互信息值、视觉信息保真度、边缘信息保留指标较其它6种算法分别最高提高了1.033、0.083、0.069,实验结果表明所提算法与6种常用融合算法相比,在融合图像视觉感观、信息含量、边缘和纹理保留方面均有提升。

关键词： 奶牛体况评分   目标检测   农业领域   健康监测  

摘要： 奶牛体况评分是评价奶牛产能与体态健康的重要指标。目前,随着现代化牧场的发展,智能检测技术已被应用于奶牛精准养殖中。本研究旨在创建一个奶牛体况评分目标检测数据集,以支持农业领域中奶牛健康监测的自动化。本数据集由体况评分3.25、3.5、3.75、4.0和4.25的5类图像组成,且每张图像都标注了奶牛的体况评分区域。体况评分是衡量奶牛健康状况的重要指标,对于精确而高效的评估具有重要意义。数据集的构建来自规模化养殖农场的奶牛图像,每张图像都经过专业兽医团队的体况评分,评分结果被用于生成标注信息。标注信息包括奶牛体况评分的边界框坐标和相应的评分标签。为了提高数据集的多样性和鲁棒性,在数据集中引入了一系列挑战性因素,例如不同光照条件、奶牛姿态的变化以及背景杂乱的情况。这有助于确保训练的目标检测模型在真实场景中具有良好的泛化性能。通过开发这一奶牛体况评分目标检测数据集,为农业领域的奶牛健康监测提供了一个有力的工具,有望推动相关技术的发展,提高奶牛管理的效率和精度。此外,本数据集还为研究人员提供了一个有价值的资源,用于深入研究奶牛体况与健康之间的关联,为未来的农业科技创新提供支持。

关键词： 智能变电站   多视角巡视   AI巡视   目标跟踪   跟踪系统  

摘要： 为了优化AI巡视视频目标跟踪系统多视角目标的捕捉能力,设计了一种新的智能变电站多视角AI巡视视频目标跟踪系统,对系统硬件和软件进行优化。系统硬件由DSP、视频解码器、视频编码器和控制电路四部分组成,选用TM9053113型DAV媒体专用处理器进行数据处理的同时,采用ADV21839型的视频解码器和DM3344型的视频编码器实现解码和编码。软件部分利用高斯单背景模型进行目标分割,计算代价函数从而实现实时跟踪和连续跟踪。实验结果表明,智能变电站多视角AI巡视视频目标跟踪系统能够精准地捕捉目标,丢失率低于0.1%。