关键词： 光伏板热斑   传统图像处理   机器学习   目标检测   你只看一次第四版本   故障检测  

摘要： 光伏板长期处于室外环境,极易因污渍遮挡而产生热斑效应,进而影响光伏电站的安全和高效运行。针对该问题,对基于传统图像处理和基于机器学习的目标检测算法的热斑检测开展研究。基于传统图像处理,利用区域分割算法和边缘检测算法进行试验,并研究热斑检测的效果。基于机器学习,提出了一种改进型你只看一次第四版本(YOLOv4)的热斑检测方法。其中,数据集通过实地拍摄光伏板热斑搭配模拟热斑的方法来获取。试验结果表明,改进的YOLOv4模型对数据集中的热斑检测指标交并比(IoU)达到92.31%、平均精度(AP)达到93.42%,均优于YOLOv4模型的效果。该研究具有一定的工程应用价值。

关键词： 机器视觉   图像处理   电源适配器  

摘要： 针对目前生产线上电源适配器外观人工检测效率低的问题,本文将电源适配器表面的划痕、结块、裂纹、斑点等缺陷作为检测的目标,基于机器视觉,结合图像预处理方法,以STM32H743Ⅱ主控芯片的OpenMV4H7Plus主板为硬件平台,实现了对电源适配器表面缺陷的提取和检测。通过实验测试,检测成功率达到了86%,对生产效率的提升有一定的价值。

关键词： 成像系统   单光子成像   压缩感知   点目标检测   首光子时间  

摘要： 针对暗弱点目标检测需求,提出一种基于首光子时间的点目标检测方法。在压缩感知单光子成像系统中,通过测量调制信号的首光子到达时间并采用阈值法获得估计目标是否存在的检测结果,利用压缩感知算法实现对点目标的快速高灵敏度检测。针对运动点目标的连续检测提出一种相邻帧差分算法,在有效去除成像结果中噪声点的同时,完美保留了待检测的点目标信息。相较于传统的压缩感知单光子成像需要进行大量光子才能实现目标重建,所提出的方法在每次调制时间内仅需要测量一个光子,并且在2.2%的采样率下就可以完成对暗弱点目标图像的获取,显著提高了点目标检测的灵敏度,加快了检测速度。仿真和实验结果表明,所提方法能够以极高的准确度实现对多个点目标的同时检测。

关键词： 桥梁检测   无人机技术   数字图像处理技术  

摘要： 目前我国的桥梁检测手段仍然是以传统手段为主,传统的检测方法存在费时费力、主观性强、盲区大等诸多弊端,针对这些问题提出了无人机结合图像处理技术的检测方法,并将其应用于实际的桥梁检测工作中,并剖析了无人机技术的优势以及在实际应用中存在的问题。结果表明:无人机弥补了人工检测盲区大的缺陷,且能够精确定位病害位置,误差小,效率高。

关键词： 计算机视觉   电力施工安全监测   关键帧   改进支持向量机   集成学习算法  

摘要： 针对传统人体动作识别算法准确率受动作观察角度和身体特征差异影响较大的问题,文中面向电力施工领域开展了基于计算机视觉与智能识别的安全监测技术研究,以提高操作的安全性。该研究在视频图像中选择了特定关键帧将行为数据分割成若干段动作数据,从而降低人体行为识别的难度。同时根据分割后的图像信息,分别创建剪影及光流的直方图来提取图像中人体的形态和运动信息。利用改进的支持向量机算法进行特征融合,并设置多个分类器来创建基于集成学习的动作识别算法。实验结果表明,该方法对于特定动作的平均识别准确率为73.36%,且均方根误差显著低于对照组。

关键词： 集成电路   小波变换   图像   MATLAB  

摘要： 本文主要介绍了在集成封装电路生产过程中质量缺陷检测时,利用小波变换技术对采集到的图像进行处理,通过图像的分解、压缩、增强等技术得到质量较好的图像,为后续利用图像方法检测产品质量提供保障为相关企业提高集成电路封装产品生产质量和生产效率,提供有效的技术支持.

关键词： 城市内涝   积水识别   目标检测   YOLOv7算法   深度学习  

摘要： 为了能够高效便捷地监测识别城市易涝区积水情况,利用深度学习技术,提出了一种基于YOLOv7算法的快速识别积水方法。采用传统数据增强和Mosaic数据增强方法对训练集图像进行扩充,构建了YOLOv7积水检测模型,并与其他主流目标检测模型Faster R-CNN和YOLOv5m进行了对比分析。结果表明,YOLOv7模型取得了最好的效果,其精度、召回率、平均精度、F_(1)分数分别达到了92.9%、83.4%、88.8%和87.9%,且单张图片推理时间仅约为0.025 s。该方法在城市内涝积水识别与预警方面具有良好的应用前景。

关键词： 目标检测   YOLOv7   模型轻量化   Shuffle Attention   DSConv   NWD  

摘要： 针对SAR舰船数据集小物体在图像中像素占比小、物体识别不清、检测效率低等问题,提出一种改进YOLOv7的SAR舰船目标检测算法STSD-YOLO。首先,根据SAR图像特点,重新设计网络结构,改变多尺度特征融合与特征提取的关系,解决下采样次数过多而丢失细节特征的问题;然后,使用轻量型注意力机制Shuffle Attention,在空间域与通道域注意力机制基础上,融合特征分组与通道置换,提升网络特征提取能力,降低计算复杂度;其次,引入卷积变体DSConv,通过在可变量化内核中仅储存整数来实现减少计算量;最后,加入NWD度量,将边界框建模为2D高斯分布,以衡量小物体的边界框之间的相似性来增强对小物体的检测性能。使用HRSID舰船数据集进行了实验验证,结果表明,相较于基准算法,所提STSD-YOLO算法在舰船检测任务中mAP提升9.9%,模型体积下降62.55%。通过对比实验验证,所提改进算法对比其余主流算法检测效果更优,能有效解决SAR图像检测的问题,可以胜任SAR图像中的舰船检测任务。

关键词： YOLOv5   小目标检测   自注意力   航拍图像  

摘要： 针对航拍图像小目标数量多、尺度变化大的情况,对YOLOv5s结构做了4点改进,提出了LL-YOLOv5s网络,主要包括删除主干网络的下采样32倍特征层和仅使用2个检测头等改进措施,使模型专注于小目标的检测。在DOTA-v1.5航拍数据集中,改进后的LL-YOLOv5s的mAP提高了2.9个百分点。提出了一种简单高效的自注意力模块,即qv自注意力模块,将其添加到LL-YOLOv5s的第1个检测头之前,在增加极少计算量的基础上,mAP进一步提高了0.9个百分点。实验发现,将qv自注意力模块和卷积层连用,mAP又提高了0.4个百分点;相比于YOLOv5s,改进模型的参数量大大减小,运算量少量增加,检测精度明显提升。

关键词： 地理信息系统   图像处理   预处理   信息提取   数据分析  

摘要： 地理信息系统(GIS)拥有地理信息的采集、储存、处理及展示等全方位功能,其应用领域极为广泛。图像处理技术在GIS中的重要性逐步凸显。本篇文章,主要以图像处理方法为研究侧重点,对GIS的图像处理进行深入浅出的探究。运用数字图像处理技术---图像增强、滤波以及边缘检测等方法,对地理图像进行必要的预处理,这有利于改善图像质量,同时解决由噪声引起的干扰。此外,借助分类、分割等高阶处理技术,可对处理后的图像进行特性分析和信息提取。在地理信息系统中,倘若利用图像处理技术,即可有效抓取并展示地理空间信息。这种技术,在监测自然灾害,进行城市规划以及环境保护方面均有运用。本篇论文通过研究,看图像处理在地理信息系统中能作何妙用。本研究结果表明,图像处理在地理信息系统中的应用,使得GIS的数据获取、分析、表达能力大大提升,对推动GIS研究和应用有着重要的意义。