关键词： 机器学习   食品质量   计算机视觉   食品检测  

摘要： 近年来,随着社会对食品质量和安全的关注度不断提高,计算机视觉技术在食品质量评价领域逐渐受到重视并开始广泛应用。通过学习技术,如人工神经网络、卷积神经网络和支持向量机等,研究人员能够利用大量的食品图像和相关数据进行训练,从而实现对食品质量的自动评估和监测。特别是深度学习技术的发展,使得计算机能够更加准确地识别食品的外观、形状、颜色等特征,进而对其进行分类、预测和质量检测。除了在食品质量评价中的常规应用,学习技术还被用于更复杂的任务,如食品缺陷检测、异物检测、新鲜度评估等。这些技术不仅可以提高食品生产和加工的效率,还能够减少人为因素带来的误差,从而确保食品质量和安全。然而,尽管学习技术在食品质量评价中的应用取得了显著进展,但仍然存在一些挑战需要克服。例如,食品图像数据集的获取和标注成本较高,数据质量和数量的不足可能会影响模型的性能和泛化能力。此外,模型的可解释性和透明性也是一个重要问题,尤其是在需要对食品质量评价结果做出解释或决策的情况下。因此,未来的研究需要继续探索如何提高数据集的质量和规模、优化模型的鲁棒性和可解释性,以及开发更加高效和可持续的食品质量评价系统。

关键词： 金工实习   计算机视觉   图像处理   检测  

摘要： 针对金工实习钳工作品的夹角、对边距离、螺孔中心位置检验是由人工采用目测方式使用量角器、卡尺测量的,存在效率低、误差大、结果易受人为因素影响等问题,提出了应用计算机视觉技术进行检测。首先以工件的边缘特征为检测目标,设计硬件系统采集图像、图像预处理、边缘特征提取及细化,得到精准的各加工边缘特征;然后采用最小二乘法拟合直线及圆特征,计算相邻两直线夹角及圆心到六边形各边的距离;最后根据所得结果判定作品质量。基于LabVIEW软件开发了界面友好、操作简单的计算机视觉钳工作品质量检测系统,实际使用结果表明:该系统准确率、效率、可靠性及精度均达到检测要求,检测结果客观、直观,稳定性好,效果良好。

关键词： 绝缘子缺陷   目标检测   注意力机制   YOLOv7   暗通道先验去雾算法  

摘要： 针对复杂环境与雾霾天气下绝缘子缺陷过小,传统目标检测算法难以识别造成误检、漏检等情况,提出一种以YOLOv7为基础模型并改进的缺陷检测算法。在图像预处理部分采用暗通道先验去雾算法,提高模型对特征的可分辨性与鲁棒性;为提高模型特征提取能力和识别小目标能力,在主干网络结构后端引入双重多尺度注意力机制(Dual Multi Scale Attention Network,DMSANet);为减小模型尺寸,提高模型识别速度,采用基于SwinTransformer改进的C3模块替代E-ELAN模块;在预测部分使用Wise-IOU损失函数,提高模型收敛效率。实验结果表明,DMSANet-YOLOv7算法相较于原YOLOv7算法平均准确率、准确率以及召回率分别提高6.3%、7.9%、12.3%,单张图片检测速度达到12.3 ms,参数量为37.7 M。在提高检测精度的同时确保检测速度和性能的平衡,能够更好地搭载至无人机及其他平台,满足绝缘子及其缺陷的实时动态检测需求。

关键词： 机器学习   图像处理   大米品质   麻雀搜索算法   面积法  

摘要： 针对大米加工中的品质智能化识别要求,提出了一种基于图像处理的大米品质识别系统。首先,采用面积法对大米外观进行完整性检测,从而将大米分为完整粒和碎米;其次,在完整粒划分的基础上,采用麻雀搜索算法(SSA)优化支持向量机(SVM)参数,并对完整粒色调和垩白度进行识别,以区分完善粒、垩白粒和黄米粒,进而完成大米品质的识别。实验结果表明,采用面积法的大米大小分级法对米粒完整性划分的准确度达94.3%;在完整粒识别基础上,采用的SSA-SVM分类模型对大米图像色调的识别准确率达98.21%,相较于传统SVM分类提高了1.63个百分点,表现出良好的识别精度;将上述算法部署到识别软件中,可有效对大米品质进行识别划分。由此得出,以上识别方案可行,可用于大米品质加工。

关键词： 深度学习   YOLOv5s   目标检测   多级特征融合   注意力机制  

摘要： 针对复杂场景下目标检测与识别精度较低的问题,提出了一种基于注意力与多级特征融合的YOLOv5目标检测与识别算法。该算法在传统YOLOv5s模型的主干网络中引入双空间方向的金字塔切分注意力机制,增强对特征空间和通道信息的学习能力,同时在瓶颈网络中采用多级特征融合结构,对不同分支的特征进行融合,增加特征的丰富性,提升应对复杂场景的能力。此外,利用C3Ghost模块和深度可分离卷积分别替换C3模块和普通卷积,降低网络参数量和复杂度。结果表明:与传统的YOLOv5s算法相比,所提算法在VOC2007+2012数据集的均值平均精度高达85%,在智能零售柜商品识别数据集的均值平均精度高达97.2%,表现出较好的性能。

关键词： 文本识别   图像处理   注意力机制   数据增强  

摘要： 针对自然场景下文本字体倾斜、背景复杂导致文本识别困难问题,本文提出一种融合通道注意力机制的非规则文本检测识别模型.首先,应用CRAFT算法与图像后处理技术以字符中心和相邻字符中心概率检测非规则文本区域,实现检测区域图像背景替换、倾斜文本旋转矫正以及文本行提取;然后构建融合通道注意力机制SENet的文本识别模型SE-CRNN,通过自适应学习通道权重与数据增强等手段实现复杂背景的文本识别.试验结果表明,该模型在文本倾斜和灰度不一致的情况下仍具有较高的文本识别精度,SE-CRNN模型在测试集上的识别准确率达到84.2%.

关键词： 无人机摄影   图像处理   局部精细拼接算法   应用实验  

摘要： 在现代无人机航摄技术中,图像拼接处理是关键。以局部精细拼接算法为基础,对无人机图像处理技术进行了分析,包括无人机图像拼接的主要步骤、局部精细拼接算法的分析以及在无人机图像处理中的应用实验。希望通过本次分析,为局部精细拼接算法的应用和无人机图像处理质量的提升提供一定参考。

关键词： 缺陷图像检测   目标检测   解耦检测头   轻量化模型  

摘要： 近年来,数字射线成像技术(digital radiography,DR)由于其独有优势已被广泛应用于工业管道无损检测。为提高管道DR缺陷图像检测精度,提出了一种改进的YOLOv5n管道DR缺陷图像检测方法。该方法有两点贡献,针对目标检测网络中分类和回归两个任务存在冲突的问题,设计了任务独立解耦检测头,通过分别为两类任务构建独立的特征图实现解耦。为了缓解解耦检测头模块带来的参数量增加问题,引入了轻量化的深度可分离卷积替代标准卷积,在保证精度的同时,减少模型参数量。实验结果表明,在管道缺陷数据集上,该方法的mAP@0.5比YOLOv5n提高0.9个百分点。与YOLOv4、Faster-RCNN和SSD等其他几种目标检测模型的对比实验表明,该方法在mAP@0.5、参数量和计算量上都达到最优,有效提高了管道DR缺陷图像检测的性能。

关键词： 卷积神经网络   滑动窗口   颜色聚类   标准色图谱信息表   腐蚀等级评价  

摘要： 金属在服役过程中不可避免会产生锈蚀,目前工程中的金属腐蚀等级评价以人工评价为主,存在效率低和准确性差的问题。根据金属腐蚀前后像素点差异化特征,利用卷积神经网络结合滑动窗口法实现腐蚀特征分类及腐蚀区域定位,提出了一种颜色聚类结合标准色图谱信息表,实现了金属腐蚀等级的计算机评价。结果表明:该方法评价准确率达到96%,具有检测速度快、客观性强和准确性高的优点,解决了基于多指标对金属腐蚀等级进行快速评价的问题。

关键词： 目标跟踪   结构张量降维   光谱信息   干扰因子   上下文信息  

摘要： 针对高光谱目标跟踪算法在目标受遮挡时跟踪漂移的问题,本文提出一种基于结构张量降维和改进上下文感知相关滤波器的高光谱目标跟踪算法。首先利用结构张量提取目标区域和搜索区域的边缘纹理信息,再对结构张量进行分解得到对应目标区域和搜索区域的特征向量,通过计算每个波段目标区域特征向量与搜索区域特征向量之间的马氏距离,获得当前帧高光谱图像的多维光谱权重,再利用多维光谱权重与高光谱图像进行加权融合实现降维,同时利用光谱信息与VGG19网络来提取降维后图像的深度特征;然后在训练分类器时,为抑制循环位移带来的边界效应,通过计算响应图的干扰因子来改进引入的上下文信息,当后续帧因干扰因素导致跟踪产生误差,并且随时间增加导致累积误差超过设定阈值的时候,本文所提跟踪算法将初始帧的响应图与当前帧的响应图融合,以便及时对跟踪结果进行校正;最后在标准数据集上验证了算法的性能,实验结果表明,本文所提跟踪算法与对比算法相比较,在克服目标遮挡方面具有更好的鲁棒性。