关键词： 中职教学   平面专业   图形图像处理技术   教学方法  

摘要： 随着信息技术的迅速发展,平面设计作为一种视觉传达手段,在商业、广告、媒体和教育等多个领域扮演着越来越重要的角色。中职平面专业图形图像处理技术的教学直接关系到学生创新能力和就业技能的培养。通过优化教学模式,能够显著提高学生的学习兴趣,优化知识结构,提升创造力和就业竞争力。旨在探究有效的教学方法,以提升中职学生在图形图像处理方面的实际操作能力。

关键词： 高压电力设备检测   YOLOv3   Darknet53   SGD   余弦退火算法  

摘要： 针对现有高压电力设备检测方法存在实时性差、准确性低和难以部署在移动端等问题,提出一种基于随机梯度下降(SGD)和余弦退火算法改进YOLOv3的高压电力输送设备安全检测算法。采用网络复杂度较小、计算速度快、识别精度高且易于部署的移动端YOLOv3作为算法的主要框架;然后设计了深层的残差网络(Darknet53)作为该模型的主干特征提取网络,在提高识别精度的同时解决网络过深可能产生的梯度爆炸问题;进一步地结合SGD优化算法和余弦退火算法,在保证网络训练学习效率较高的同时避免网络陷入局部最优解,以此提高高压电力设备安全检测的速度和精度,满足实际需要;最后使用采集的高压电力设备数据集对整个网络进行训练。结果表明,YOLOv3在高压电力设备数据集上的平均检测精度达到了97.08%,检测速度达到了56帧/s,误检率只有0.78%。

关键词： 针穿刺   形态学   最小二乘法   曲线拟合   残差   最优解  

摘要： 为了准确测量针穿刺过程中柔性穿刺针的运动轨迹,提出一种基于图像处理的柔性穿刺针运动轨迹模型建立方法。通过图像采集系统采集穿刺实验过程中的动态图像,采集动态图像借鉴图像处理形态学技术提取柔性穿刺针在穿刺实验过程中的针尖位置坐标。根据提取的针尖数据采用最小二乘法进行曲线拟合,建立二阶多项式模型、指数函数模型、自行车模型。通过分析不同模型的优度指标、残差及残差平方和,认为二阶多项式模型更优于其余两种模型,为柔性穿刺针运动轨迹模型的最优解。

关键词： YOLOv7-tiny   目标检测   轻量化   注意力机制   损失函数  

摘要： 为解决船舶目标检测算法参数量与计算量大,以及受内河环境下近岸复杂背景影响和船舶相互遮挡导致船舶检测困难的问题,基于YOLOv7-tiny做出改进,提出MED-YOLO船舶目标检测轻量化算法。首先,使用MobileNetV3网络作为主干特征提取网络,极大地降低了模型计算成本;其次,将EMA注意力模块引入颈部网络,构建EMA-ELAN模块,增强网络多维度感知和多尺度特征提取能力;然后,选用将尺度感知、空间感知和任务感知三合一的Dyhead作为改进模型的检测头部,以获得更强的特征表达能力;最后,使用具有动态非单调聚焦机制的WIoU作为模型边界框损失函数,提高模型应对船舶遮挡的能力,提升检测性能。实验结果表明,MED-YOLO相较YOLOv7-tiny在参数量与计算量方面分别减少39.8%和55.0%,精度与mAP@0.5分别提高了1.4%和1.0%,达到98.3%和98.9%,在实现轻量化的同时具有更好的检测性能,满足了计算资源受限环境下的部署需求,具有一定的工程实际意义。

关键词： 合成孔径雷达   模型剪枝   目标检测   深度学习  

摘要： 合成孔径雷达(Synthetic Aperture Radar,SAR)由于其具备全天时、全天候的工作特点,使其在海洋环境监测、海洋资源调查和海洋防灾减灾等领域得到了广泛的应用。其中,基于SAR图像的舰船目标检测是SAR图像处理中的重要部分,其在军用和民用领域均具有重要的意义。本文针对基于深度学习实现的SAR图像目标检测算法参数计算量大、内存占用率高的问题提出了关联剪枝方法。该方法通过对网络进行改进,将相关联的卷积同时进行剪枝,并在训练结束后统一映射到低维度上以实现剪枝操作。通过在SSDD、SAR-Ship-Dataset和HRSID上进行实验,可以在保证平均精度(AP_(50))下降小于2%的前提下,针对FCOS网络实现70%以上的剪枝率,验证了所提方法的有效性。

关键词： 设备故障诊断   红外热成像   图像处理   非接触测温  

摘要： 针对采煤机电控箱内电气元件检修依赖人力、需停机开盖检修等问题,提出基于红外热像仪的测温方案,根据采煤机主回路关键器件温度检测需求,结合电气元件红外辐射与温度对应的关系,研制了一套针对高压电气元件的红外测温装置,该装置可实现基于红外热力图的温度测量与分析,以及异常温度预警功能。

关键词： 计算机视觉   机器学习   信息技术运维  

摘要： 阐述计算机视觉、机器学习在IT运维中的应用,包括设备和服务器监控、故障检测与预测、安全与入侵检测、资产管理与优化,以及异常检测、自动化决策与问题解决、故障排除与性能优化。

关键词： 超分辨率重建   多层可分离卷积   特征金字塔网络   注意力机制  

摘要： 利用面向边缘的卷积模块、像素注意力机制和重参数化技术使超分辨率重建算法图像分辨率得到提升,使图像特征细节表现更为优越;利用YOLOv4目标检测算法并结合Focus结构、双向特征金字塔网络和轻量级子通道注意力机制,提高中、低分辨率图像目标检测精度。经实验研究,基于超分辨率重建的轻量化目标检测算法对图像目标具有较好的检测效果,有效提升了图像的检测精度,对提升图像中的细小目标检测精度具有一定的参考意义。

关键词： 仓储环境   目标检测   注意力机制   Faster R-CNN  

摘要： 为解决传统目标检测精确度不高、有效性差、难以适应仓储环境下多目标识别应用场景的问题,提出了一种改进型Faster R-CNN目标检测算法。首先,采用ResNet50替换VGG16作为特征提取网络,以提高模型的检测精度;同时,为兼顾多尺度及小目标物体的检测,引入了特征金字塔网络,形成了残差金字塔特征提取网络ResFPN;其次,引入了注意力机制,提高输入特征的空间和通道有效信息利用率;最后,使用RoI Align代替原有的RoI Pooling,以消除因量化取整而产生的预测框回归误差。在经图像增广处理的自建数据集上进行实验测试,结果表明,提出的改进型Faster R-CNN算法在仓储环境下能满足对人员、叉车和托盘的目标检测需求,其平均检测精确度能达到90.2%。

关键词： 水果识别   背景帧差法   图像处理   现场可编程门阵列(FPGA)  

摘要： 针对目前大多数水果识别系统实时性差和成本较高的问题,本文提出一种基于现场可编程门阵列(FPGA)的水果识别系统。整体硬件设计包含图像采集、检测识别和显示模块。软件部分通过图像采集平台将水果图像存储至双倍数据率同步动态随机存储器(DDR3)控制模块,进行图像灰度化处理,并创造性地提出背景帧差法对水果图像进行分割。通过融合水果颜色和几何特征,实现对水果数量、颜色和种类的识别。整个水果识别系统在不同光照下对常见水果进行了测试。实验结果表明,水果平均识别准确率达到93.25%,识别速度约为16.67 ms,FPGA硬件资源消耗率仅占28.02%,可以满足实时性需求。