关键词： 图像处理   hough变换   掩膜   边缘检测   分割效应  

摘要： 针对当前人工目检在药片缺陷检测中效果不理想的情况,提出了一种在准确率、速率和成本上更优的药片缺陷检测方法。该方法基于机器视觉检测技术,使用图像处理、边缘检测、缺陷识别等算法,包含原始图像中值滤波和均值滤波两种噪声消减预处理、hough变换对药品和基于掩膜的背景消除的定位、分析比较canny, prewitt, sobel, roberts等四种不同边缘检测算子对图像的分割效应、标记缺陷所在的同时对缺陷的类型进行识别。最后实验结果表明,该方法的准确率可高达96.67%,效果较好。

关键词： 焊缝缺陷   X射线检测   传统检测方法   目标检测   封装过程   可靠性   芯片  

摘要： 芯片的封装过程极其复杂且对精度要求极高,在焊接过程中保证金属焊料填满基板和保护封盖之间的缝隙较为困难,容易出现焊缝缺陷,对芯片的质量产生严重影响,因此,对封装完成的芯片进行焊缝缺陷检测以保证芯片的可靠性极为重要。然而,陶封芯片的焊缝缺陷大小不一、形状多变,导致传统检测方法的精度和效率不高。

关键词： 目标检测   TOOD   缩放混合   特征增强   金字塔卷积  

摘要： 针对TOOD算法鲁棒性差、特征金字塔顶层丢失部分语义信息、不同尺度特征层存在语义差距的问题,提出随机缩放混合与跨尺度特征增强的任务对齐目标检测算法;该算法提出2×4混合增强方法,丰富训练样本,提高模型的泛化性和鲁棒性;构造多重残差特征增强模块,自适应融合顶层不同尺度的上下文信息,减少最高层语义信息的损失;构建堆叠金字塔卷积模块,缩小不同尺度特征层之间的语义差距,提升多尺度特征的融合效果;Pascal VOC数据集上的实验结果表明,所提算法的均值平均精度、查准率、查全率分别比TOOD算法提高了3..76%、15.71%、6.28%;而且该算法的F_(1)值与均值平均精度均优于6种主流对比算法。

关键词： 标线   逆反射系数   图像特征   目标检测   相关性分析  

摘要： 以道路实际行车图像为基础,通过Yolop识别算法对交通标线进行识别分割,对分割后的图像采集其HSV颜色模型指标(明度、色调、饱和度)图像特征参数,利用SPSS软件对通过人工方式采集到的标线逆反射亮度系数数据和图像特征参数进行了相关性分析。结果表明,标线图像的亮度值和饱和度值与标线的逆反射亮度系数值的斯皮尔曼相关系数分别为0.601和0.765,在0.01下相关性显著,并建立对应的多元回归方程,检测结果为后续基于机器视觉技术的车载式逆反射亮度系数检测仪标准制定和发展提供基础。

关键词： 计算机视觉技术   自动分拣系统   工业相机   整体架构设计   机械臂   传送带   LED灯   计算机视觉识别  

摘要： 1.货物自动分拣系统架构设计。本次基于计算机视觉识别技术构建的货物自动分拣系统整体架构设计如图1所示。其最左侧为震动斗,下置一运送货物的传送带,将相机安装在传送带上方,并选择环形LED灯作为系统光源放置在工业相机下方,完成初始货物图像的采集,然后利用机械臂对其进行分区,以完成对货物的自动分拣。

关键词： 旋转目标检测   注意力机制   解耦预测头   YOLO  

摘要： 针对遥感图像复杂背景下的目标(如船舶、飞机等)具有朝向任意、尺度变化较大、数量多、目标排列密集等特点,提出一种基于改进YOLOv8L的旋转目标检测算法,用带有角度的旋转框能够更加精确定位目标。首先,在网络Head部分增加解耦角度预测头,预测目标的角度信息;其次,融合坐标注意力机制模块提高模型抑制噪声的能力;最后,在Neck部分引入自适应空间特征融合模块,抑制不同尺度特征图之间融合特征信息时的不一致性,保留有效的信息并进行融合。实验结果表明,所提算法在DOTA数据集上的检测精度达到了73.85%,较原有YOLOv8L模型提升了3.53%。

关键词： 并行计算   异构计算   奇异值分解   国产平台   图像处理  

摘要： 随着深度学习等高算力应用的发展,异构计算正在逐步成为并行计算的重要方向。国产异构平台近年来发展迅速,针对国产平台的架构定制开发适配的算法与软件有着重要意义。奇异值分解(SVD)作为线性代数库中用于处理一般矩阵的强大分解器,应用在科学计算、人工智能、信号处理等众多领域。现有某类国产加速器的可用库中SVD算法性能远低于NVIDIA,这对相关应用的高效移植带来了挑战。为此,通过调整算法流程减少线程启动与访存开销,提出了面向国产加速器的矩阵双对角化方法mySVD。卸载计算密集型任务到加速器,设计面向国产异构平台的分治算法;通过CPU+加速器多流,提出了任务并行的奇异向量矩阵生成方法。最终形成一套奇异值算法的高效移植优化方案。实验结果表明,该方案在不同的测试矩阵规模上,性能最高达到现有的商业闭源线性代数库MKL的9.8倍,以及现有开源异构计算线性代数库MAGMA的5.5倍。最终将其用于图像处理,并跨平台与MATLAB、NVIDIA公司的GPU线性代数库CUSOLVER进行对比,其具有更快的速度且生成的图像与原图像相似度更高。

关键词： 拉出值   导高   接触点   形状匹配  

摘要： 针对目前铁路受电弓静态拉出值与导高值检测效率低、误差较大等问题,提出一种基于实时图像处理的动态拉出值、导高值的测量方法。首先,对相机进行标定,得到像素值和实际值的对应关系,通过固定的相机获取受电弓位置,利用形状匹配算法得到受电弓具体位置参数;其次,利用Hough直线检测算法得到受电弓上边缘直线;再次,通过线条宽度的判别和最小二乘法拟合得到接触线;最后,计算出接触线和受电弓上边缘直线的交点坐标,结合相机标定参数,进而得到实际的拉出值和导高值。

关键词： 紧固件松动   地铁车底   机器视觉   目标检测   图像分割  

摘要： 提高列车车底检测机器人中检测算法的适应性与准确性,对提升列车的智能化运维能力具有重要意义。针对现有紧固件检测算法中拍摄条件苛刻和防松线标记要求高等问题,提出应用于地铁车底检测机器人的紧固件松动检测算法。首先,在图像内紧固件完整且防松线无明显遮挡的情况下,采用改进的YOLOv5目标检测网络获取图片内每个紧固件目标,并将其分为3类;其次,使用DeepLabv3_plus图分割网络提取防松线图形轮廓,并将其转为二值图片;然后分别计算螺栓、螺母螺杆及金属管道接头这3类紧固件去噪后图片内两防松线的角度差、三防松线质心所接三角形内角极值以及多防松线与其最小外接矩形的面积占比,将对应计算值与拟定阈值对比,进行松动判定。最后,统计检测图片内实际松动情况,制定每类紧固件的二分类混淆矩阵,计算分析评价指标,与其他算法进行对比,并对实际地铁车底紧固件应用算法进行验证。结果显示改进YOLOv5目标检测网络模型MAP@0.5值由0.877提升至0.911,DeepLabv3_plus图像分割网络模型MIoU值高达0.950,松动判定检测所得658个紧固件MCA值分别为0.907、0.959以及0.888,表明算法可有效避免松动紧固件漏检。应用算法检测实际地铁车底各类紧固件,准确率均达90%以上。实验证明了目标检测算法改进的可行性、图像分割网络的适用性和松动判定算法的可靠性,为地铁车底紧固件松动检测智能运维工作提供重要技术支撑。

关键词： 目标检测   浅层融合   三叉乾特征融合   视觉机制   非极大值抑制  

摘要： 针对传统输电线路无人机巡检图像检测方法对输电线路小目标检测能力弱,并且存在错检和漏检率高、浅层网络语义信息不足等问题,提出了一种SSD-RTF输电线路小目标检测算法模型。在原始的SSD算法主干网络VGG-16浅层网络层添加视觉机制扩大感受野,并且引入三叉乾特征融合模块提取特征图的多尺度特征,增加特征图的鲁棒性;融合FusionNet浅层特征模块,从而增加小目标的提取能力;使用注意力机制提升对关键信息的学习效果,从而提高目标检测效率;改进非极大值抑制提高网络的表示能力。改进后的SSD-RTF算法在自行构建的输电线数据集上的实验结果显示,在检测小目标时的准确性和实时性都有了一定的提高,整体mAP上升了7.5%,同时减少了错检和漏检。