关键词： 纹影法   放电通道成像   折射率场重建   冰面放电  

摘要： 相比于电流、电压等传统测量方法,利用纹影技术拍摄得到的冰面局部电弧等放电的图像更加直观,其图像处理和折射率场重建是定量分析放电的几何尺寸、密度、粒子分布等物理特性的基础。从放电通道的光偏折特性出发,介绍了利用纹影成像技术测量放电通道的原理;提出了一套覆冰表面放电通道的图像处理和折射率场数值重建方法,通过数值实验验证了算法准确性。实测结果表明,所设计的纹影系统空间分辨率为10~100μm/像素可调、时间分辨率为1~38.45μs可调;提出的折射率场重建方法具有较高精度,能够有效得到冰面局部电弧形成过程中各个放电阶段的折射率场。

关键词： 目标跟踪   目标运动要素   质量评价   层次分析法   熵权法  

摘要： 水面舰艇反潜作战过程中,目标跟踪是其重要组成部分。目标跟踪过程中通过目标运动要素解算得到目标四要素信息,并通过解算结果计算命中概率。目标运动要素的解算结果受战场情况、探测方式以及解算模型等多方面因素影响,为将各个分离的单一因素关联起来,文中从解算数据完整性、可用性、及时性以及准确性4个方面构建了一种目标运动要素解算质量评价体系,以总偏差最小为目的将层次分析法和熵权法有效结合以确定指标权重,经加权求和得到目标运动要素解算质量评估值,并与命中概率仿真结果进行对比分析。仿真结果表明,使用解算质量计算出的近似命中概率与实际命中概率误差小于9.2%,文中构建的评价体系能有效将各个信息结合起来,合理充分地表达命中概率,有利于交战决策。

关键词： 无监督学习   域适应   夜间目标检测   对比学习   Faster-RCNN  

摘要： 夜间目标检测任务中,目标能见度低,难以对图像数据进行大量标注,导致使用监督方法进行大规模数据训练的困难,而当使用较小规模标注数据训练时监督方法容易产生过拟合,预测准确性差。针对这些问题,本文提出一种无监督域适应夜间目标检测模型,使用有标注白昼图像和无标注夜间图像训练。模型使用了昼夜图像增强方法,减小昼夜域间隙并提升夜间训练数据的复杂性以丰富特征学习;将多尺度通道注意力引入Faster-RCNN模型,提升感知多尺度特征的能力;使用类别对比学习方法获得具有鉴别性和域间不变性的类别特征。在城市交通数据集BDD100K和SODA10M上进行的实验表明,本文方法性能优于常用的域适应目标检测方法。

关键词： 高速公路施工区   智能布控   图像识别  

摘要： 针对高速公路施工区道路环境复杂、车速快等因素导致该区域事故频发、事故严重等问题,结合现有高速公路施工养护需求增加现状,设计了高速公路智能布控系统,该系统利用先进的图像处理技术和人工智能算法,对监控视频进行分析和处理,实现对人员、车辆和设备的实时监控、异常检测、预警和报警等功能,主要用于高速公路、桥梁、隧道等交通设施的养护时进行布控和安全预警,能够实现对交通设施的全面监控和预警,提高作业安全保障度。

关键词： 自动售货机   计算机视觉   零售行业   用户满意度   购物中心   自助   公共场所   交通枢纽  

摘要： 在全球零售行业迅速发展的背景下,因自助售货机能够提供24 h无人售卖服务,且不受时间和地点的限制,而被广泛投放在交通枢纽、医院、学校和购物中心等公共场所。然而,现有的自助售货机在补货过程过度依赖于人工操作,不仅耗时而且容易出错,直接影响了运营成本和用户满意度,制约了其进一步的发展。随着技术的发展,计算机视觉AI技术的引入为自助售货机行业带来了新的发展机遇。

关键词： 图像处理   语义分割   木材表面裂纹检测   深度学习   U-Net模型   注意力机制  

摘要： 木材缺陷会影响木材的使用价值和使用期限,其中木材表面裂纹是严重影响木材外观质量和机械强度的一种木材缺陷。对木材表面裂纹的检测可以尽快发现此类缺陷木材,或为后续处理提供依据。针对现有的人工检测和自动化检测木材表面裂纹效率低、成本高、漏检率高等问题,采用引入卷积块注意力模块(convolutional block attention module,CBAM)的Attention U-Net深度学习模型对木材表面裂纹图像进行语义分割,从而达到木材表面裂纹检测的目的。引入的CBAM模块包含通道注意力机制和空间注意力机制,分别用于捕捉通道间的依赖关系和像素级的空间关系,该模块被添加到Attention U-Net网络的编码阶段,以增加感兴趣区域的权重并抑制冗余信息。最后,通过消融试验验证了Attention U-Net中加入CBAM对分割性能的提升。采用像素准确率(PA)、类别像素准确率(CPA)、召回率(Recall)、Dice系数、交并比(IoU)和平均交并比(MIoU)等语义分割评价指标评价各模型的优劣,并确定最佳模型及其参数。在自制木材表面数据集的裂纹分割中,使用AdamW优化器引入CBAM的Attention U-Net的PA、木材裂纹Recall、木材裂纹Dice系数、木材裂纹IoU、MIoU分别比使用SGD优化器的Attention U-Net原始模型提高了0.11%,4.14%,2.96%,3.58%和1.84%。结果表明,使用AdamW优化器引入CBAM的Attention U-Net能够较好地分割背景和木材表面裂纹,区分节点、表面纹理和木材裂纹,并将节点和表面纹理分割为背景。

关键词： 目标检测   跌倒   FasterNext   DDConv   WIoU  

摘要： 针对室内场景中由于光照变化、人体形态被遮挡以及在特殊视角下人体姿态变化等因素导致行人跌倒检测精度低、实时性差的问题,提出了一种基于YOLOv8改进的轻量级跌倒检测算法FDW-YOLO。将骨干网络中的C2f模块替换成FasterNext模块,增强有效特征复用的同时降低计算复杂度。根据人体跌倒姿势变化大的特点,设计了3种在颈部层不同位置添加动态可变形卷积模块的网络结构,并在自制的跌倒行为目标检测数据集上进行实验比较,最终根据网络性能选择YOLOv8-C方案。在改进后的网络中引入边界框回归损失函数WIoU取代原有的CIoU。实验结果表明,FDW-YOLO跌倒检测算法较YOLOv8n在mAP@0.5指标上从96.5%提升到97.9%,在mAP@0.5:0.95指标上从72.5%提升到74.3%,同时参数量和计算量只有4.1×10^(6)和7.3×10^(9),符合在低算力工业场景中部署的要求。

关键词： 传动系统   非接触式测量   数字图像处理   离心摆式减振器   计算机视觉  

摘要： 离心摆式减振器(Centrifugal Pendulum Vibration Absorber,CPVA)由于能够有效吸收发动机产生的扭振而被广泛应用于传动系统。针对研究CPVA动态特性时缺少运动参数测量方法的问题,提出了1种基于计算机视觉的非接触式测量方法。首先在转子与摆子上布置标记,然后利用高速摄像机拍摄CPVA的运动视频,随后利用数字图像处理技术对标记位置进行识别,最终通过标记坐标计算转子与摆子的运动状态参数。实验结果表明所提出的方法能够对CPVA在重力场中的运动进行准确测量。

关键词： 计算机视觉   深度学习   缺陷检测  

摘要： 针对手机屏幕缺陷检测的难题,结合计算机视觉与深度学习技术,创新性地提出了基于YOLOv8的改进算法。为增强检测效果,对数据进行了细致的预处理,并采用数据增强技术。实验结果表明,该改进算法的准确率达到了68.6%,显著优于广泛使用的YOLOv5模型。这种检测算法不仅为手机屏幕质量检测提供了新的解决方案,还提高了检测的效率和准确性,给手机屏幕制造行业带来了实质性的改进,并为相关从业人员提供了有价值的参考。

关键词： 红外图像   目标检测   注意力机制   特征融合   深度神经网络  

摘要： 目的基于可见光和红外双模态图像融合的目标检测算法是解决复杂场景下目标检测任务的有效手段。然而现有双光检测算法中的特征融合过程存在两大问题:一是特征融合方式较为简单,逐特征元素相加或者并联操作导致特征融合效果不佳;二是算法结构中仅有特征融合过程,而缺少特征选择过程,导致有用特征无法得到高效利用。为解决上述问题,提出了一种基于动态特征选择的可见光红外图像融合目标检测算法。方法本文算法包含特征的动态融合层和动态选择层两个创新模块:动态融合层嵌入在骨干网络中,利用Transformer结构,多次对多源的图像特征图进行特征融合,以丰富特征表达;动态选择层嵌入在颈部网络中,利用3种注意力机制对多尺度特征图进行特征增强,以筛选有用特征。结果本文算法在FLIR、LLVIP(visible-infrared paired dataset for low-light vision)和VEDAI(vehicle detection in aerial imagery)3个公开数据集上开展实验验证,与多种特征融合方式进行平均精度均值(mean average precision,mAP)性能比较,mAP50指标相比于基线模型分别提升了1.3%、0.6%和3.9%;mAP75指标相比于基线模型分别提升了4.6%、2.6%和7.5%;mAP指标相比于基线模型分别提升了3.2%、2.1%和3.1%。同时设计了相关结构的消融实验,验证了所提算法的有效性。结论提出的基于动态特征选择的可见光红外图像融合目标检测算法,可以有效地融合可见光和红外两种图像模态的特征信息,提升了目标检测的性能。