关键词： PCB   缺陷检测   空间注意力   YOLOv7   深度学习   目标检测  

摘要： 印刷电路板(PCB)在电子器件中有着广泛应用,缺陷检测是对其进行工控的重要手段。随着计算机技术的发展,基于机器视觉检测逐渐成为主流方法。针对PCB缺陷检测任务中缺陷小、种类多、形状特征不一、检测精度速度有限等问题,文章提出了基于MobileNetV3和空间注意力的改进YOLOv7模型。其中,首先将Mo⁃bileNetV3模块作为YOLOv7模型的主干网络,其次搭建了多尺度特征融合网络,最终结合基于空间注意力的多预测头网络与YOLOv7级联模型架构完成了PCB缺陷目标的检测。实验结果表明,相较于前沿方法,文章所提算法在精度、准确率及召回率方面均处于领先水平,如平均精度和准确率分别为97.54%和98.13%,能满足实际工业生产的需求。

关键词： 图像处理   机器视觉   生成对抗网络   光学模型   图像去雾  

摘要： 针对现有去雾模型使用合成有雾图像数据集训练后容易出现过拟合的问题,提出了一种融合生成对抗网络的图像自增强去雾算法。在结合两个生成对抗网络的同时估计图像的深度信息。第一个GAN利用清晰图像学习图像加雾过程,将其生成的有雾图像作为第二个GAN的输入,指导第二个GAN如何正确去雾。为了减少图像处理前后的差异,利用一致性损失函数来优化两个网络。在图像加雾部分添加场景深度估计模块,并对散射因子进行随机采样,实现图像自增强功能,更加真实地模拟现实世界中不同浓度的雾气。该算法无需使用合成有雾图像数据集的成对信息,进一步避免过拟合问题。实验结果表明:所提算法能够取得较好的去雾效果,在主观视觉质量和客观评价指标上均有良好表现,优于同类算法。

关键词： 图像视觉识别   农村桥梁   拱圈线形   模式识别   计算机视觉  

摘要： 本文提出了一种基于图像视觉识别的方法,用于检测农村中小型桥梁拱圈线形。该方法利用机器视觉技术,结合图像处理和模式识别算法,实现对桥梁拱圈线形的自动识别和检测。首先,通过图像采集设备获取桥梁拱圈的数字图像,然后对图像进行预处理,包括灰度化、边缘检测等操作,以提取出拱圈的轮廓信息。接着,利用形态学处理和特征提取方法对拱圈轮廓进行分析,识别出拱圈的线形特征。最后,通过模式匹配和分类算法对线形特征进行匹配和识别,实现对拱圈线形的自动检测。

关键词： 智能汽车   目标检测   参数融合   SSIoU   YOLO算法  

摘要： 基于深度学习的目标检测方法在智能车载控制器应用时很难同时满足检测精度与速度的要求。因此,提出一种多级参数融合的驾驶场景目标检测方法,实现检测速度和精度的同步提升。首先,设计出一种多级分支结构用于构建模型,同时,为提高模型的推理速度,引入一种多级参数融合的方法,即将多级结构层等效为单一的卷积-批标准化层,在保证模型泛化能力不变的条件下,大幅度减小模型的参数量。其次,为增加模型的检测精度,提出一种SSIoU(Soft scaledintersectionofunion)边界框损失计算方法以及一种联合半锚框的标签关联算法,提高模型对驾驶场景的适应能力。最后,开展基于DAIR-V2X-V数据集的试验验证,结果表明,所提出的多级参数融合模型,相比于目前先进的YOLO(You only look once)算法,检测精度(Mean average precision,mAP)提高了9.89%,推理速度(Frames per second,FPS)提高了51.89%。

关键词： 行为分析   视觉理解   电力监控   目标检测   姿态估计   视频跟踪   行为预测  

摘要： 电力作业人员的有效监管是保障电力安全生产的基础。该文对电力视频中作业人员的行为识别研究进行了归类总结,涵盖静态行为分析(穿戴分析、动作分析和组合分析)和动态行为分析(复杂动作、时序行为和行为预测等);详细综述了电力作业行为分析中的核心算法模块,包括目标检测、姿态估计和视频跟踪等;论述了电力作业行为识别在算法高效性、鲁棒性、灵活性等方面所面临的应用难点和挑战,并展望了电力作业行为智能监控领域的未来发展方向,特别强调了在软硬件结合、通用大模型、生成式人工智能方面进行技术创新和改进所蕴含的潜在机会。

关键词： 反无人机算法   小目标检测   YOLOv5s   复杂背景   Alpha-CIoU  

摘要： 随着无人机的应用领域不断拓展,无人机的“黑飞”给公共安全造成严重损害。为解决侵入式无人机小目标在复杂飞行环境下的错检和漏检问题,提出基于YOLOv5s-AntiUAV的反无人机目标检测算法。首先,引入结合深度超参数卷积的Slim-Neck范式,增强算法特征提取能力并保持计算效率。其次,在骨干和颈部网络引入SPD-Conv模块,提高在低分辨率图像中小目标的检测性能。最后,用Alpha-CIoU替换YOLOv5s算法中的CIoU,增强算法泛用性。YOLOv5s-AntiUAV算法与YOLOv5s、SSD和Faster R-CNN算法在数据集Anti-UAV上的对比实验结果表明,改进算法的mAP@0.5值分别增长了1.1、12.1和4.9个百分点,凸显其实用性。由在VisDrone2019数据集上进行的迁移实验显示,相较于YOLOv5s算法,改进算法mAP@0.5值提升了4.5个百分点,表明其相较于原算法具有更强的鲁棒性。

关键词： 目标检测   YOLOv8   注意尺度序列融合   Wise-IoU  

摘要： 针对无人机航拍图像的多目标检测问题,本文提出了一种基于改进YOLOv8的目标检测算法ASF-WIoU-YOLOv8。首先,在YOLOv8的基础架构上,加入一种注意尺度序列融合机制(Attentional Scale Sequence Fusion-ASF),该机制能够对不同尺度的特征图进行融合,从而获得更好的图像特征,提取出更丰富、更准确的特征信息。然后,对损失函数进行改进,引入Wise-IoU机制,该机制通过自适应地调整权重系数提高目标检测的灵活性和鲁棒性,从而进一步提高算法的检测精度。实验结果表明,在VisDrone数据集上,本文所提算法比YOLOv8算法的平均精度mAP50提升了2.0%,该算法在无人机航拍图像上具有更高的检测精度。

关键词： 目标检测   红外图像   YOLOv7   递归门控卷积   SimAM  

摘要： 针对安防场景中红外图像对比度低、目标轮廓不明显导致目标检测效果差的问题,提出一种基于改进YOLOv7的红外安防目标检测算法。采用递归门控卷积改进主干网络,增强对输入图像高阶信息交互能力;使用SimAM注意力机制构建ELAN-S模块,降低信息丢失率的同时减少网络参数;使用K-means++聚类算法优化锚盒尺寸,提高检测精度。对InfiRay公开数据集进行数据增强和模型验证实验,结果表明,提出的算法在保持较高检测速度前提下,平均精度均值达到了87.15%,相对于原YOLOv7网络与其他主流算法有明显提高,证明改进方法先进有效。

关键词： 絮凝   矾花   图像处理   等效粒径   分形维数  

摘要： 原水预处理主要分为混凝、沉淀和过滤3个阶段,混凝中的絮凝过程直接影响矾花结构与出水浊度;目前多采用检测出水浊度方法来控制混凝剂加药量,但因时间滞后无法快速反映混凝效果与反馈调节加药量。随着计算机技术的快速发展,利用矾花图像处理技术能够实现快速、准确、实时检测絮凝状态,从而更准确控制加药量,提高混凝效果。从计算机视觉技术角度,概述了絮凝中矾花图像采集与处理的技术特点,介绍了实时跟踪和计算矾花结构特征参数如等效粒径、分形维数等方法,并给出了部分试验结果,通过这些参数可以判断最佳混凝效果,为混凝控制与加药提供依据。

关键词： 深度学习   人脸识别   ViT模型   计算机视觉  

摘要： 随着人脸识别技术在安全、身份验证和监控等领域的广泛应用,传统的人脸识别方法面临着日益增长的挑战,本研究旨在探讨和验证基于视觉转换器(vision transformer,ViT)的深度学习模型在人脸识别中的应用优势。本研究通过构建一个基于ViT架构的深度学习模型,实现人脸特征提取,并通过多层感知机(multilayer perceptron,MLP)算法实现人脸识别,同时和传统的机器学习模型支持向量机(support vector machine,SVM)进行了对比分析。通过实验验证,ViT模型在人脸识别任务中相比于传统方法,各项性能指标上均有显著提升。本研究结果表明ViT在处理复杂多变环境中的人脸识别任务中具有一定优势。