关键词： 刀具磨损   机器视觉   图像采集   图像处理  

摘要： 为在生产加工过程中有效检测刀具磨损状态,提高加工效率,降低加工成本,提出一种基于机器视觉的刀具磨损特征值获取方法与检测装置。基于加工场合开发了一款具备回收与展开两种状态的在位刀具图像采集装置;运用灰度处理、高斯模糊滤波与二维中值滤波、自适应二值化、形态学等图像处理技术对刀具图像进行预处理,结合GrabCut算法分割图像背景,运用OTSU分割算法提取刀具轮廓,采用Canny算子边缘检测提取刀具磨损区域,结合刀具直径计算得出刀具磨损特征值;通过对6061铝合金航发叶片进行正交试验,获取刀具磨损特征测量值,与电子数码显微镜获得的实际值对比表明,测量值与实际值之间的误差(除少部分外)均保持在0.02mm内。

关键词： MPCM技术   红外弱小目标检测   装置设计   设计优化  

摘要： MPCM技术是一种基于对多尺度局部块内一致性的对比度检测算法,以实现对红外弱小目标的检测。本文从红外弱小目标检测技术特点、MPCM算法以及装置组成出发,探讨基于MPCM技术的红外弱小目标检测装置设计与优化策略,并从噪声处理、图像预处理以及检测算法层面进行阐述。

关键词： 特征提取   尺度变化   目标检测   通道自适应感受野   冗余特征   边框损失   知识蒸馏  

摘要： 针对不同尺度的目标容易造成模型的特征提取和尺度变化的适应性问题,提出一种融合自适应感受野的目标检测算法。通过对特征图采用拆分、卷积和融合的方式构造通道自适应感受野模块,以提取不同尺度的感受野,提高对尺度变化的适应能力;在网络结构中引入通道自适应感受野模块和RepVGG模块,采用FC模块(concatenate with convolutions)过滤冗余特征,强化模型的特征提取能力;采用Alpha-CIOU损失和知识蒸馏优化训练,提高算法的检测能力。在Pascal VOC和MS COCO数据集上的实验结果表明,该算法在尺度变化、精度和速度等方面取得了优秀的性能。

关键词： 目标跟踪   卷积神经网络   相关滤波   非对称-膨胀卷积   多阶段特征  

摘要： 目标跟踪是计算机视觉领域的研究热点,基于相关滤波的目标跟踪方法具有良好的表现,但在特征提取过程中,对图像采用的人工特征描述方法具有一定局限性。为获得图像更具鲁棒性的特征表达,在目标跟踪过程中采用卷积神经网络实现对图像的特征提取,并与相关滤波方法相结合,提出一种基于多阶段特征和非对称-膨胀卷积的目标跟踪方法,以嵌有非对称-膨胀卷积模块的ResNet50网络为特征提取网络,分别输出网络多个阶段的特征图,通过相关滤波实现目标检测定位。在OTB100视频数据集上对所提方法进行实验,设置距离阈值为20像素时,距离精度可达85.38%;设置重叠阈值为50%时,重叠精度可达80.42%。实验结果验证了所提方法的准确性,且对背景复杂、遮挡以及旋转形变等情况具有较好的鲁棒性。

关键词： 面向就业   图像处理   人工智能   联合培养   项目驱动   校企双导师  

摘要： 为国家经济转型升级和可持续发展培养高质量的人工智能技术人才,成为高校人工智能学科建设的重要任务。针对当前以项目为导向的图像处理及人工智能领域的校企联合培养研究生模式中存在的重理论实践、轻职业技能问题,该文提出了一种校企联合培养的改革创新思路,根据企业对图像处理及人工智能方向人才的需求,以就业为导向,以项目为依托,引入企业文化、校企双导师责任制,联合对电子信息专业硕士研究生进行图像处理及人工智能方向的定制培养。实践案例表明:该模式能够为企业培养符合其需求的专业人才,为该领域研究生就业起到了积极作用。

关键词： 夜间航标灯检测   目标跟踪   灯闪序列识别  

摘要： 为了实现夜间航标灯的智能检测,提出一种基于视频的航标灯质检测网络模型,首先利用检测模块捕捉航标灯质的颜色特征,接着利用跟踪模块对灯质颜色特征进行跟踪以锁定目标,再利用分类模块完成目标的灯质闪烁序列识别,最后采用二元相关性方法将颜色与灯质闪烁序列结合形成航标灯检测结果。检测模块基于YOLOv5模型,改进了其骨干网络并采用了新的SIoU损失函数,实现了视频单帧图像的灯色检测;跟踪模块基于DeepSort,并结合卡尔曼滤波和匈牙利算法实现间歇出现灯色的稳定跟踪;分类模块利用简单的网络结构实现了灯闪频率的快速识别。利用3 500 min的航标灯视频对模型进行训练和测试,结果表明模型的航标灯检测准确率可达90%,检测速度也满足实时性要求。

关键词： 桥梁检测   桥梁裂缝识别   深度学习   目标检测   YOLOv5   注意力机制  

摘要： 为进一步提高混凝土桥梁裂缝识别的准确率,并提高识别效率,基于一阶段目标检测算法中的YOLOv5算法和注意力机制模块,提出了YOLOv5_CBCA算法。在CBS(Convolution,Batch Normalization,SiLU)模块中融入注意力机制CBAM(convolutional block attention module)模块以减少降采样对特征提取的影响,骨干网络尾部添加CA(coordinate attention)模块降低图像背景的影响,从而提高目标定位的准确性。通过消融实验、对比实验,验证了YOLOv5_CBCA算法中改进模块的有效性。通过对双龙堡大桥、钟家大桥等混凝土桥梁裂缝图片进行检测,证明了YOLOv5_CBCA算法在提高准确率的同时具备更好的抗干扰能力,体现了在混凝土桥梁裂缝检测方面的优越性,为一阶段目标检测算法在混凝土桥梁裂缝识别工作中的应用提供了参考。

关键词： 行人重识别   神经网络   专利分析  

摘要： 随着监控视频的急剧增加,如何更加高效智能地使用行人重识别技术对海量数据进行分析和使用是一个亟待解决的问题。文章梳理了行人重识别技术领域的专利现状,介绍当前行人重识别技术的主要分支,统计分析该技术在全球范围内的时域分布,结合关键技术点,对主要申请人、关键专利申请进行分析,最后对行人重识别技术未来可发展方向进行了探究。

关键词： YOLOv8   水稻虫害   目标检测  

摘要： 由于水稻虫害存在一些错检漏检的问题,文章提出了改进的YOLOv8模型BO-YOLOv8来提高水稻虫害识别的准确率。针对YOLOv8模型特征融合时浅层语义信息不足的问题,在Neck部分引入BiFPN网络,通过不同的权重来学习不同输入特征的重要性,提高水稻虫害特征表达能力。针对水稻虫害检测精度不理想的问题,在主干部分将原来的卷积替换为ODConv卷积,提高模型的检测精度。实验表明,BO-YOLOv8模型相较于改进之前mAP50提高了1.4%,精确度和召回率分别提升了2.0%和2.9%。实验结果表明,BO-YOLOv8模型可以有效提升水稻虫害的检测能力。

关键词： 汽油机   颗粒物   分形维数   灰度直方图   图像处理  

摘要： 使用透射电子显微镜(简称透镜)对道路试验得到的颗粒物样品进行拍摄获得排放颗粒物图像。发现缸内直喷汽油机在高海拔地区正常运行得到的排放颗粒物与在低海拔地区正常运行得到的颗粒物微观形貌特征大致相同。颗粒物大多数由基本碳粒子堆积而成,其中少数颗粒物夹杂着微量硫、氮等元素。颗粒物具有一些典型的微观形状,如云状颗粒物、海拔等高线颗粒物以及枝状颗粒物等。设计了分形维数、灰度值、灰度直方图3类处理排放颗粒物图像方法,并运用了Matlab和Python语言编程实现了对颗粒物图像的处理。处理得到分形维数在1.81~1.88之间,与低海拔试验得到的分形维数(1.58~1.80)相差较大;灰度值在93~196之间,其中5 nm图像灰度值范围在93~124之间、50 nm图像灰度值范围在100~146之间、100 nm图像灰度值范围在99~161之间、200 nm图像灰度值范围在136~158之间以及500 nm图像灰度值范围在180~196之间。经过对比分析发现,50 nm图像的灰度直方图出现的灰度值频率呈正态分布,其余倍数的图像灰度值频率分布混乱。