关键词： 室内寻物   目标检测   二自由度云台  

摘要： 针对人们日常的寻物需求,文章设计了一款基于视觉目标检测的室内自动寻物系统。该系统主要由视觉信息采集、目标检测算法和云台运动控制组成。其中,ESP32读取OV2640摄像头拍摄的室内场景视频图像,PC服务器接收ESP32上传的图像。随后,文章采用YOLOv5目标检测算法确定目标物的空间位置,并在图像中检测红外激光发射器投射的光斑,通过增量式PID算法计算两者的位移偏差,由串口向STM32F103C8T6主控芯片发送运动指令,驱动2台舵机调整二自由度云台位姿,最终使得光斑能够对准目标物,形成寻物引导信号。实际测试结果验证了系统的有效性,该设计为室内自动视觉寻物提供了一种新的解决方案。

关键词： 目标检测   注意力机制   空洞空间池化金字塔   小动物检测  

摘要： 针对现有变电站入侵检测算法误报率高、对小目标检测精度低等问题,提出了一种基于改进YOLOv5的变电站入侵小动物目标检测算法。将SENet通道注意力模块和卷积注意力模块(CBAM)中的激活函数改进为HardSwish函数,并在主干网络和颈部网络中分别引入改进后的SENet_H模块和CBAM_H模块;采用空洞空间池化金字塔(ASPP)对空间金字塔池化进行优化,并在检测端增加一个小目标检测层,以提高对小动物的检测精度。此外,还构建了小动物数据集,并采用9-Mosaic数据增强方式,丰富了样本目标。实验结果表明:改进后的小动物目标检测算法相较于原YOLOv5算法精确率提升了11.6%,召回率提升了10.2%,平均精度均值提升了8.1%。

关键词： 计算机视觉   人体姿态估计   热图后处理   高斯拟合   热图解码  

摘要： 为提高热图预测关节点的精度,提出了一种基于亚像素定位的人体姿态热图后处理方法,该方法包括2个策略:第一个策略是翻转图像热图的亚像素偏移处理,可以消除与原始图像热图的未对齐偏差;第二个策略是局部区域曲面拟合的热图解码,实现关节点的亚像素定位。本文热图后处理方法独立于网络模型,不需要对模型进行任何修改即可应用于当前基于热图的人体姿态估计模型。在COCO2017和MPII数据集上对本文方法进行了实验。以HRNet-W32-256×192模型和Simple Baseline-W32-256×192模型为例,COCO2017数据集上平均精度分别提高了0.9和1.1,验证了方法的有效性。

关键词： 深度学习   SSD   目标检测   对比学习   红外热成像   图像截块  

摘要： 现有基于深度学习的目标检测算法在图像的目标检测过程中存在物体视角的多样性、目标本身形变、检测物体受遮挡、光照性以及小目标检测等问题。为了解决这些问题,本文将对比学习思想引入到SSD(Single Shot MutiBox Detectior)目标检测网络中,对原有的SSD算法进行改进。首先,通过采用图像截块的方式随机截取样本图片中的目标图片与背景图片,将目标图像块与背景图像块输入到对比学习网络中提取图片特征进行对比损失计算。随后,使用监督学习的方法对SSD网络进行训练,将对比损失传入到SSD网络中与SSD损失值加权求和反馈给SSD网络,进行网络参数的优化。由于在目标检测网络中加入了对比学习的思想,提高了背景和目标在特征空间中的区分度。因此所提出的算法能显著提高SSD网络对于目标检测的精度,并在可见光和热红外图像中均取得了令人满意的检测效果。在PASCAL VOC2012数据集实验中,AP50值提升了0.3%,在LLVIP数据集实验中,AP50值提升了0.2%。

关键词： 图像去噪   小波去噪   非局部均值   欧氏距离   权重  

摘要： 日常生活中,在发送、存储图像和拍照形成图像的过程中往往会因操作不当而导致图像不清晰,无法反映图像本质。为此采用图像降噪算法将图像中的杂质去除,还原出无噪声的图像,同时还可以使大部分的细节因素保留在图片中,让图片更加清晰。在去噪方法的运用上通常是采用无噪图像和含有噪声的先验信息,但弊端是二者并没有进行有效的结合。为了解决这个问题,采用小波、非局部均值等方式进行去噪,并且在非局部均值去噪中从欧氏距离和权重分配方面进行一些优化。

关键词： 实时视频分析   深度学习   目标检测   生产安全   出入控制  

摘要： 近年来越来越多的产业园部署了现代化监控系统,防止不具有作业资格的人员或未佩戴防护用具的人员进入作业区域,避免生产事故的发生。利用传统的视频监控进行园区出入控制的防控方法存在一定缺陷,需耗费大量的人力进行检查,且无法及时对事故发生进行预警。基于此,研究基于实时视频分析的工业园区作业区域出入控制系统。采用深度学习的算法,对监控摄像头捕获的图片进行分析,对出入人员进行身份核验,并检查其是否正确佩戴防护用具。实验结果表明,该系统可有效进行人员出入控制,提高作业安全性,降低事故发生率,具有一定可扩展性。

关键词： 深度学习   目标跟踪   视频监控   孪生网络  

摘要： 针对现有孪生网络目标跟踪技术只对模板特征和搜索特征进行一次融合操作,使得融合特征图上的目标特征相对粗糙,不利于跟踪器精确跟踪定位的问题,本文设计了一个串联互相关模块,旨在利用现有的互相关方法,对模板特征和搜索特征做多次的互相关操作增强融合特征图上的目标特征,提升后续分类和回归结果的准确性,以更少的参数实现速度和精度之间的平衡.实验结果表明,所提出的方法在4个主流跟踪数据集上都取得了很好的结果.

关键词： 机器视觉   收割机   自动化作业系统   目标检测  

摘要： 【目的】提升农业收割作业效率和精度,降低劳动强度,满足现代农业生产中对自动化和智能化技术日益增长的需求。【方法】以收割机为例,设计了一套基于机器视觉的收割机自动化作业系统,采用先进机器视觉技术结合实时控制系统,进行系统总体架构设计、硬件设计、软件功能开发。通过集成传感器、控制单元、执行器及机器视觉处理模块等技术,该系统能有效执行路径规划、目标检测、运动控制等任务,有效提高了收割效率和作业精度。【结果】1)该系统收割机平均收割效率为2.5 h/hm^(2),而传统收割机为3.2 h/hm^(2),该系统收割机收割效率更高;2)该系统收割机作物损伤率为1.5%、遗漏率为2%,而传统收割机作物损伤率为2.2%、遗漏率为3.5%,该系统收割机收割质量更高;3)能耗方面,该系统收割机能耗为150 kWh/hm^(2),低于传统收割机的200 kWh/hm^(2),能效更高;4)操作难度上,该系统收割机实现了自动化、智能化作业,而传统收割机需要高级技能培训,该系统收割机操作难度更低。【结论】该系统收割机在收割效率、收割质量、能耗、操作难度等关键指标上均优于传统收割机,提高了作业效率,降低了作业成本,改善了作业环境。

关键词： 图像处理   光声图像重建   小波软阈值去噪   脉冲响应   反卷积  

摘要： 光声成像因兼具光学成像高对比度和超声成像高分辨率的优点而成为一种被广泛关注的无损成像技术。针对时间反转光声成像过程中存在的噪声污染和脉冲响应影响问题,通过建立光声压数据采集模型,将光声压数据的小波软阈值去噪和反卷积计算相结合来去除光声压数据中的噪声和脉冲响应影响。反卷积计算时设定可调节参数,使计算结果随着光声压的傅里叶系数大小不同而调整,从而进一步提升重建光声图像的质量。仿真实验结果表明,改进的时间反转光声成像算法,能有效减少重建光声图像中的噪声和伪影,明显提高重建光声图像的可视效果。

关键词： 迁移学习   小样本目标检测   注意力机制   多尺度特征融合   余弦相似度  

摘要： 现有基于微调的二阶段小样本目标检测方法对新类特征不敏感,易将新类别误判成与它相似度高的基类,影响模型的检测性能。针对上述问题,提出一种融合多尺度和注意力机制的小样本目标检测(MA-FSOD)算法。首先在骨干网络使用分组卷积和大卷积核提取更具类别区分性的特征,并加入卷积注意力模块(CBAM)实现特征的自适应增强;再通过改进的金字塔网络实现多尺度的特征融合,使候选框生成网络(RPN)可以准确找到感兴趣区域(RoI),从多个尺度向分类头提供更丰富的高质量正样本;最后在微调阶段采用余弦分类头进行分类,降低类内方差。在PASCAL-VOC 2007/2012数据集上与基于候选框编码对比损失的小样本目标检测(FSCE)算法相比,MA-FSOD算法对新类的AP_(50)提升了5.6个百分点;在更具挑战性的MSCOCO数据集中,与Meta-Faster-RCNN相比,10-shot和30-shot对应的AP则分别提升了0.1个百分点和1.6个百分点。实验结果表明,相较于一些主流的小样本目标检测算法,MA-FSOD算法能更有效地缓解误分类问题,实现更高精度的小样本目标检测。