关键词： 目标检测   YOLOv5   可变形卷积   空洞卷积   注意力机制   显示视觉中心  

摘要： 针对水下海洋生物检测任务存在的目标间相互遮挡、对细长型目标检测精度低、小目标众多等问题,提出一种基于YOLOv5的水下目标检测算法。该算法通过引入可变形卷积、空洞卷积和注意力机制来重新设计主干网络,增强特征提取能力,解决目标间相互遮挡和对细长型目标检测精度低的问题;同时,提出加权显示视觉中心特征金字塔模块,解决特征融合不充分问题,降低小目标漏检率;并调整YOLOv5算法的网络结构,增加融合注意力机制的小目标检测层,提升对小目标物体的检测能力。实验结果表明:改进后的YOLOv5算法在URPC数据集上的平均精度均值达87.8%,较原始YOLOv5算法提高了5.3百分点;同时检测速度保持在34 frame/s;在水下目标检测任务中能够有效提高精确度,降低漏检率和错检率。

关键词： 计算机视觉   缺陷检测   矢量量化的变分自编码器   扩散模型  

摘要： 基于重建的检测算法在工业产品自动化缺陷检测中得到了广泛的应用。但是,很多算法重建的图像依然保留了较多的缺陷特征,从而导致检测精度不高。受扩散模型能够建立起噪声和生成图片之间的联系启发,提出了一种基于扩散变分自编码器的工业产品缺陷检测算法。该算法将工业产品中的缺陷视为一种噪声,通过扩散模型的反向去噪过程重建正常图片。在训练阶段,首先利用预训练的基于矢量量化的变分自编码器(Vector Quantized Variational Autoencoder,VQ-VAE)提取工业产品图片的正常特征并添加噪声;然后,利用扩散模型在去噪的过程中消除缺陷特征并保留正常特征,以得到重建的正常图片;最后通过比较重建图片与对应的原始图片之间的差异来判断产品是否存在缺陷并定位缺陷区域。在测试阶段,将输入图片理解为已经添加噪声的图片进行缺陷检测。实验结果表明,该算法的检测精度较其他算法有明显提高。

关键词： 氩弧焊   钨针损耗   图像处理   损耗检测   304不锈钢焊管  

摘要： 钨极氩弧焊(TIG焊)是目前大部分不锈钢焊管制管企业采用的焊接工艺。该种工艺通常使用钨针作为电极材料,正常的钨针顶部一般为尖锥形,而随着焊接的进行,钨针针尖会逐渐产生烧损,烧损后的钨针会对焊缝的成型造成极大的影响,极易产生焊洞、咬边、漏焊等缺陷。该文通过分析氩弧焊焊接图像中的熔池轮廓模型及图像信息,发现熔池宽度与焊接电流、钨针损耗之间的联系,提出一种基于熔池轮廓的钨针损耗检测方法,通过实验证明,该文所提出的通过熔池宽度的变化检测钨针损耗的方法具有较好的准确性和可行性。

关键词： 自主潜水器(AUV)   终端对接   单目视觉   位姿估计   图像处理  

摘要： 在水下复杂环境中高效回收自主潜水器(AUV)是一项重大的技术挑战。本文提出了一种利用单目视觉检测和跟踪对接站上光环标识进行终端对接的方法。为了提高光源特征识别,本文改进了Canny边缘检测算法,采用自适应阈值方法动态调整光源轮廓,并在阈值最优时采用最小外接圆方法确定光源中心。此外,利用几何位置和面积约束消除水面反射的干扰。在视觉定位和跟踪方面,采用张氏标定法获取相机的内部参数和畸变参数,通过比较光环中心和图像中心来估计AUV的航向和俯仰偏差,然后利用位置-姿态PID控制器进行快速跟踪。水池实验结果表明,该方法简单实用,鲁棒性强,能够为未来水下机器人的可靠回收提供一定技术参考。

关键词： 谷糙分离   机器视觉   图像处理   特征提取  

摘要： [目的]解决传统的谷糙分离机存在的人工检测精度差的问题,提高生产效率。[方法]提出了一种基于机器视觉的图像检测方法,通过不同图像算法的多级式递进融合,实现对谷糙的特征识别与分离。对采集到的图像进行ROI区域选定,并利用Retinex算法进行图像增强;使用Otsu算法对图像进行分割,再利用中值滤波与形态学相结合去除图像噪声;采用改进的Canny算法对二值图像进行边缘特征检测,结合Hough变换提取谷糙图像轮廓的位置信息;最后应用卡尔曼滤波对位置信息进行状态估计,得到分离位置最佳预测值的同时,减小位置偏移误差。[结果]系统的检测平均误差为3.14 mm,相比较滤波前减少1.82 mm,滤波误差平均标准差为0.8 mm。[结论]该方法能够有效检测谷糙特征信息并提高分离精度。

关键词： 水稻病虫害   目标检测   深度学习   神经网络  

摘要： 水稻病虫害对水稻的生长和产量具有严重影响,在病虫害初期做到有效识别,及时干预保障水稻生长至关重要,水稻病虫害目标检测技术能够较为准确地自动化识别。随着近些年深度学习的快速发展,目标检测技术也取得了重要进展,如YOLO算法、Faster R-CNN算法等。介绍了水稻病虫害目标检测技术的发展历程和研究进展,分析了近些年提出的改进算法和优点,针对不同类型算法在水稻病虫害目标检测领域中的应用场景和不足,展望了未来发展和研究方向,以促进目标检测技术协助水稻种植研究。

关键词： 车辆目标检测   激光雷达   点云图像   鸟瞰图映射  

摘要： 为提高车辆目标检测精度,针对传统视觉传感器光照敏感性、空间感知性差等缺点,采用激光雷达传感器,提出一种基于ResNet-MLP二阶段模型的车辆目标检测算法。该算法对点云鸟瞰图的映射方式进行改进,使其保留点云高度特征,并通过改进后的ResNet进行点云特征的提取,最后使用并行多层感知机网络对车辆目标分类和位置回归。采用KITTI的3D Object数据集进行验证,通过与PointNet++和VoxelNet方法进行对比实验,结果发现,交并比(IOU)较高时3种方法的检测精度均有所下降,但相对于其他2种算法,本算法检测精度更高,运行速度更快,可为未来自动驾驶车辆的实时感知方面提供技术支撑。

关键词： YOLOv5   水果采摘   目标检测   ODConv卷积   CBAM   GFPN  

摘要： 近年来,中国水果产业快速发展,出口产品销量始终位居世界前列,但水果采摘问题不容忽视,由于各方原因,我国采摘基本依赖人工、耗时且效率低,天气环境等因素严重影响人工作业。基于采摘检测困难问题,以苹果为研究对象,提出了基于YOLOv5s改进的YOLOv5-OCG结构,主要改进内容为:(1)构建新的主干网络OCSP Darknet,其中ODConv卷积可动态调整卷积核,CBAM通过通道与空间两方面更好地提取重要特征;(2)引入GFPN替换头部的C3网络,通过自底向上和自顶向下两种方式联合进行多尺度特征融合。相比最初的YOLOv5原始模型,mAP提高至0.767,改进后的模型有较高的稳定性,可适应不同情况状态下的水果检测,有一定的实际意义。

关键词： 采后处理   百香果   图像处理   目标检测   神经网络   分选  

摘要： [目的]提高百香果品质分级的精细化与智能化水平。[方法]利用OpenCV与轻量化神经网络(MobileNetV3_large_ssld)对百香果的果径、成熟度与皱缩情况进行了检测。通过最小外接矩形的短边测量果径;在HSV颜色空间中,分析H分量值在特定范围内(H∈[0,10]∪[156,180],[11,25],[26,34],[125,155])的像素占比来判别果实的成熟度;建立MobileNetV3_large_ssld轻量化神经网络模型,用于判别果皮的皱缩情况。基于对果径、成熟度与皱缩情况3个指标的检测结果,进一步采用评级量表法构建了果实品质综合评价模型,并开发了在线检测及分选系统。该系统利用KNN背景减去模型从传送带上运动的百香果视频流中提取目标并去除果柄,采用区间取帧法从视频中捕获单张图像,依据多指标综合评价模型对百香果品质进行分级,并通过分选机构的拨爪将百香果拨至相应的等级通道。[结果]测试结果显示,系统分选与人工分选的整体吻合度为97.02%,特级吻合度为95.51%,一级吻合度为97.84%,二级吻合度为100.00%。[结论]该系统可用于不同等级百香果品质的在线检测与分选。

关键词： 计算机视觉技术   图像拼接技术   图像配准   图像融合   图像质量评价  

摘要： 本文主要以计算机视觉技术为基础,对图像拼接处理技术的应用措施进行分析,包括计算机视觉与图像拼接技术概述,以及计算机视觉技术模式下的图像拼接处理技术措施。希望通过本次的分析,可以为计算机视觉技术与图像拼接技术的良好融合以及计算机图像拼接处理质量的提升提供有力支持。