关键词： 煤与瓦斯突出   图像处理   钻杆计数   MobileNetV2  

摘要： 煤层天然气预抽可提高煤矿井下开采效率和天然气利用率,而钻孔深度是天然气预抽的关键参数。为此,对钻杆计数方法展开了详细研究。建立钻机工作状态数据集作为钻杆计数方法的数据基础,探究了煤矿井下不同环境中的钻杆计数方法。针对钻机稳定工作环境中钻杆计数精度低的问题,提出了基于改进MobileNetV2(P-MobileNetV2)的解决方案。结果表明,P-MobileNetV2在钻机工作状态识别任务上优于其他7种经典图像识别模型,在煤矿井下具有一定的应用可行性。

关键词： 图形图像   OBE理念   证件照   以学生为中心  

摘要： 职业教育的人才培养目标是培养能为企业服务的优秀应用型人才,“图形图像处理”采用传统的教学模式已不能满足现代职业教育的要求。为此,笔者引入OBE理念结合所授课程做了一些探索与尝试。本文主要结合图像色彩调整模块,运用OBE理念阐述如何进行教学设计与实施。

关键词： 图像处理   多目标跟踪   深度学习   卷积神经网络   生成对抗网络  

摘要： 针对多目标跟踪中的跟踪结果易受遮挡而产生的漏检问题,提出一种公路场景下的基于生成对抗机制的多目标跟踪方法。首先,对经过预训练的跟踪网络输出的特征进行处理,在特征空间中添加自适应的二维遮挡掩码,生成现实生活中难以获得的遮挡样本;其次,利用生成对抗网络在无监督学习方面的优势,将FairMOT模型作为判别网络,加入结合强化学习机制的生成网络来学习如何筛选困难样本,2个网络进行对抗训练以提升多目标跟踪模型的遮挡不变性,提高跟踪精度;最后,在重识别分支中引入中心损失函数以提高重识别准确度。取数据集BDD100K中部分视频序列进行实验,实验结果表明:改进后算法的跟踪准确率提升了0.8个百分点,跟踪精度降低了0.4个百分点,跟踪过程中身份的切换次数减少了208。

关键词： 局部放电   模式识别   DeformableDETR   目标检测   多源局部放电  

摘要： 基于图像的局部放电识别方法大部分仅对单源局部放电谱图有效,无法识别多源局部放电谱图。为实现对多源局部放电谱图的识别,该文提出一种基于Transformer架构的局部放电Deformable DETR目标检测模型,收集典型单源局部放电和多源局部放电数据,生成局部放电相位角解析和极坐标相位分布解析谱图数据集。在Deformable DETR模型中引入去噪训练任务和贝叶斯优化算法,优化了局部放电目标检测模型;编写局部放电谱图采集和识别程序,并使用优化后的局部放电Deformable DETR模型对单源和多源局部放电谱图进行识别。结果表明:局部放电Deformable DETR模型不仅可有效识别出单源和多源局部放电的类型,而且大幅提升了局部放电类型识别的收敛速度和精度等性能。在对真实绝缘缺陷电动机的局部放电谱图识别中,局部放电Deformable DETR模型的识别准确率达到91%,证明该模型在实际应用中的有效性。

关键词： 改进YOLOv8   目标检测   特征提取   起降飞行姿态   风险检测  

摘要： 飞机在执行飞行任务时,其起飞和降落两个阶段是整个飞行过程中最关键和最具挑战性的时刻之一,其起降飞行姿态的变化程度关系到整个飞机的安全性。为了降低飞机在起降过程的风险性,提出了一种基于改进YOLOv8的飞机起降飞行姿态的风险检测方法。该检测方法综合利用了CBAM注意力机制、GSConv轻量化卷积模块和HIOU准则函数等深度学习和目标检测技术,实现了对飞机机翼、起落架等关键结构部位的准确检测,以便利用识别到的飞行姿态特征参数来对飞机当前的安全状态进行分析和评估。经实验验证表明,该改进方法对于飞机起降阶段中的飞行姿态风险状况能够进行精准识别和检测,具有较高的可靠性。

关键词： 图像处理   水下图像增强   卷积调制   空间协作   编解码结构  

摘要： 针对光线在水中的散射和吸收效应造成水下图像纹理和结构不清晰的问题,提出一种基于卷积调制(CM)与空间协作(SC)的水下图像增强算法。以编码器-解码器作为基础网络,使用RepVGG的浅层和深层网络分别提取水下图像的纹理和结构特征。首先,特征主导网络将RepVGG中提取到的水下图像特征转化成具有不同尺度的纹理和结构特征,使其与解码器中的特征图进行拼接融合。其次,在编码器中使用卷积调制模块,采用深度可分离卷积(DSConv)模拟自注意力机制的方式减少图像细节信息的丢失,提高编码器特征提取的能力。最后,在解码器中使用空间协作卷积(SCConv),在空间维度上处理水下特征保留更多的位置信息,以提高解码器对融合后特征的增强能力。实验结果表明,该算法在视觉感知与性能指标上优于对比算法,峰值信噪比(PSNR)和结构相似性(SSIM)指标最高达到23.4465 dB和0.8946,水下彩色图像质量评价(UCIQE)和水下图像质量测量(UIQM)指标最高达到0.5826和3.0689,进一步证明了该算法能够有效增强水下图像的纹理和结构特征,具有较好的视觉感知效果。

关键词： 铁道障碍物   深度学习   自动感知   目标检测   神经网络架构搜索  

摘要： 利用神经网络实现对列车运行环境的自动感知已成为保障列车安全运营的一种重要手段。然而,传统的神经网络模型设计往往依赖人工试错和经验积累,不仅耗时、费力,而且难以保证最终模型的性能最优。为此,文章提出一种零成本神经网络架构搜索方法来优化铁道障碍物目标检测模型。其首先构建一个全面的模型架构空间,并在此基础上,根据实际应用中的计算量需求对搜索范围进行有效约束,确保最终选择的模型在满足精度要求的同时也兼顾运行效率要求;接着,利用零成本神经网络架构搜索算法,快速预测各种架构的实际效果,无需进行冗长且耗时的实际训练;最后,通过比较不同模型的预期性能得分,选取最优者作为最终方案。实验结果表明,采用该方法,实现了0.711的均值平均精度以及6.12ms的单帧平均推理时间,效果显著优于同等计算量下基准模型的。

关键词： 变电站   无人机   自动巡检   动态目标  

摘要： 利用无人机对变电站的动态目标进行跟踪是实现变电站无人机巡检的重要技术了。本文将变电站内的动态目标分为可控对象与不可控对象两种,对其制定相应的描述模型,随后提出相应的关键点识别技术,结合数据融合的识别方法,提高其对环境的适应度,使其保持较好的识别精准度,并制定相应规避手段,具有良好的实用价值。

关键词： 核相关滤波器   目标跟踪   卡尔曼滤波   遮挡环境  

摘要： 针对核相关滤波器(KCF)跟踪算法在遮挡环境中存在跟踪漂移及跟踪失败的问题,提出融合卡尔曼预测的改进KCF跟踪方法。采用灰度图像和方向梯度直方图(HOG)特征融合用于检测目标位置;利用平均峰值相关能量(APCE)进行目标遮挡判断并在KCF算法上改进:若发生遮挡情况,则用卡尔曼滤波算法预测下一时刻的目标位置,并代替原KCF算法中的目标,防止跟踪漂移;若无遮挡出现,则用KCF算法继续跟踪,从而实现遮挡环境下目标的有效跟踪。采用OTB100数据集对视频长时间和遮挡序列进行跟踪实验。结果表明:论文算法与KCF算法对比,在遮挡情况下目标跟踪精度和成功率分别提升11.9%和13.4%,说明论文提出算法的成功率和跟踪精度均显著提高。

关键词： 目标检测   X射线图像   残差网络   特征金字塔   K均值聚类   快速区域卷积神经网络   高效通道注意力机制  

摘要： 针对X射线在违禁品检测任务中安检图像色彩存在对比度低、检测精度低、极易出现漏检错检的问题,在快速区域卷积神经网络(Faster R-CNN)算法基础上,通过K-means聚类算法改进锚框(Anchor)的生成方式;提出将高效通道注意力机制(ECANet)引入到感兴趣池化层(ROIpooling)后,突出违禁品的轮廓、色彩等信息。本文算法在S_DXray数据集上的m AP达到92.06%,改进后网络模型检测精度提高5.06个百分点。有效提高X射线图像违禁品检测的精度和小尺度目标的检测能力,有效避免错检、漏检的现象。