关键词： 小目标检测   深度学习   图像预处理   网络结构改进   渐进式学习  

摘要： 提出了一种改进的基于深度学习的小目标检测方法,用于解决当前主流算法针对小目标进行检测时输入图像需为小尺寸照片且模型参数过多等缺点的问题。为了解决这些问题,首先对图像进行预处理,将一张较大尺寸的图像按一定规则拆分成多张小尺寸图像后送入网络,克服了以往算法需要小尺寸图像才能进行检测的问题。对DNANet网络结构进行改进,减少其网络层数,提高了网络推断速度。使用TverskyLoss为像素分割的损失函数对损失函数进行优化,并采用渐进式学习法训练模型,使网络从普通目标到小目标的检测过程更为稳定。实验结果表明,该方法有效提升了深度学习在小目标大尺寸图像方面的收敛速度,改进后的网络对大尺寸图像的预测准确率提升了5%,预测时间缩短了25%。综上所述,提出的基于深度学习的小目标检测方法,可以方便地应用于工程实践中,并具有较高的实际应用价值。

关键词： 指针式仪表   智能摄像头   图像处理   自动读数  

摘要： 指针式仪表在传统行业中应用广泛,如何自动获取其读数是目前工业生产领域中急需解决的问题。设计了一种基于智能摄像头的指针式仪表读数自动获取算法,采集仪表表盘图像后进行二值化预处理,采用数学形态学分析和霍夫变换提取指针位置,计算指针在表盘刻度上的角度,最后获取指针的准确读数。实验结果表明,该算法可以稳定可靠地自动获取仪表读数,识别精度符合工业要求。

关键词： 目标检测   小目标检测   Feature Selective Anchor-Free   无人机   标签分配  

摘要： 随着无人机的应用越来越广泛,基于无人机下的交通场景目标检测的需求也越来越高。但是现有算法在无人机视角下检测精度不高,鲁棒性也不够稳定。为了解决交通场景下无人机视角的车辆和行人的目标检测问题,该文提出DTA-FSAF的目标检测网络。首先,将可变形卷积融入骨干网络ResNet-50中提高FSAF网络(Feature Selective Anchor-Free)的特征学习能力,采用PAFPN(Path Aggregation Feature Pyramid Network)实现多尺度融合,从而提高小目标的检测精度与网络的拟合能力;其次,使用任务对齐检测头减小网络的分类与定位任务在检测小目标时出现的分类与定位任务的错位,从而进一步提高网络的鲁棒性;最后,通过调整IoU损失提高网络整体的检测效果。通过在无人机数据集VisDrone上进行实验和分析比较可知,相比于其他网络,在不同的交通场景下,DTA-FSAF网络在满足实时性需求的同时检测精度达到了41.3%。相比于FSAF网络提升了19.6%。通过实验证明改进算法能有效地在各种复杂交通场景下完成对行人和车辆的目标检测。

关键词： 光电传感器   中值滤波   空位目标检测   状态参数   车辆纹理特征  

摘要： 公共停车场要提高整体服务水平和服务效率,为车主提供精准的空位信息是十分必要的.为此,通过公共停车场安装的监控设备,获取车位监控图像,利用光电传感器和中值滤波处理后,使其成为16×16的图像块,通过计算每个图像块的能量特征、对比度和熵,得到该车位整体的状态参数;将包含车辆纹理特征的图像块用白色网格标记,不包含的则用黑色网格标记;通过对比白色图像块占所有图像块的比例,与阈值对比后即可明确该车位是否停放车辆.将所提方法应用在实际停车场中,结果验证了所提方法可以为车主提供精准的空位信息,并且与实际情况完全吻合.

关键词： 强化学习   避障   无人机   目标跟踪   环绕   GPS拒止  

摘要： 针对无人机在受约束环境下面临绕飞障碍物与跟踪目标相互掣肘的问题,提出了一种基于强化学习的无人机安全避障与围捕制导方法。根据极坐标原理设计环绕跟踪控制器,驱使无人机在GPS拒止的情况下到达预设的圆形轨道。将环绕约束和障碍物约束转化为马尔可夫过程,以速度、径向误差、角速度误差和碰撞函数为状态空间,以控制器的补偿量为动作空间,设计考虑跟踪误差和碰撞概率的奖励函数,利用深度确定性策略梯度(Deep Deterministic Policy Gradient,DDPG)算法对智能体进行训练,增强跟踪效果并获得避碰能力,实现无人机对静止/运动目标的环绕跟踪;此外,在训练过程中引入课程学习,将过去的学习策略转移到当前事件,与经典的随机参数设置相比,具有更快的收敛速度。最后仿真表明,所提算法可以引导无人机圆形环绕控制的同时高效规避障碍物。

关键词： 深度学习   目标检测   焊缝缺陷检测  

摘要： 焊缝缺陷检测是材料加工和成型过程中不可或缺的一环。焊接质量直接影响着焊件的使用性能,因此对于焊缝质量进行全面、准确地检测显得尤为重要。近年来,深度学习因其特征提取精度高和通用性强等优势,在焊缝缺陷检测领域扮演着重要角色。文中首先介绍了常见的焊缝缺陷类型;然后,从图像分类、目标检测和图像分割三方面对基于深度学习的焊缝缺陷检测算法的研究进展进行了全面综述;最后,总结了基于深度学习技术进行焊缝缺陷检测时需要解决的问题,并对未来发展趋势进行了展望。

关键词： 机器视觉   智能算法   矿山安全监测   深度学习   图像处理  

摘要： 在矿山安全监测系统中,传统的人工检测方法已难以满足现代化矿山的需求。通过探讨基于机器视觉的智能算法在矿山安全监测系统中的应用,分析了矿山安全监测系统的关键技术需求,并提出了发展建议。分析发现,当前基于机器视觉的智能算法在矿山工程的应用中,主要受环境条件的限制,在监测的实时性以及数据处理的准确性方面面临挑战。提出采用多模态传感器获取更加全面的数据,以增强环境感知;在模型中加入MobileNets、ShuffleNets等轻量化网络模型,降低模型参数量;使用泛联兼容的协同控制系统将多个算法同时运行,进行综合分析,增强系统的泛化能力。

关键词： 图像处理   卷积神经网络   肝癌   肝肿瘤   组织病理学图像  

摘要： 肝癌是一种恶性肝肿瘤,起源于肝细胞.肝癌诊断一直是医学难点问题,也是各领域研究的热点问题,早期确诊肝癌可以降低肝癌的死亡率.组织病理学图像检查是肿瘤学诊断的黄金标准,图像会显示组织切片的细胞和组织结构,可以用于确定细胞类型、组织结构、异常细胞的数量和形态,并评估肿瘤具体情况.本文重点研究了卷积神经网络针对病理图像的肝癌诊断算法,包括肝肿瘤检测、图像分割以及术前预测这3个方面的应用,详细阐述了卷积神经网络各算法的设计思路和相关改进目的及方法,以便为研究人员提供更清晰的参考思路.总结性分析了卷积神经网络算法在诊断中的优缺点,并对未来可能的研究热点和相关难点进行了探讨.

关键词： 透射率   对数变换   图像纹理信息   图像去雾   图像处理  

摘要： 图像去雾算法在户外智能监控及交通导航等领域普遍应用,通过去雾后提高图像的清晰度以提高目标的识别效果。暗通道及其改进算法在天空等景深灰色较亮区域的透射率估计存在偏差,易导致图像失真、细节模糊等问题,对智能交通领域图像识别有严重影响。本文提出了自适应透射率去雾方法对透射率进行补偿,采用对数变换获得对数补偿算子调节景深区域透射率,根据图像信息丰富程度计算出暗通道的置信度,结合图像纹理信息构造出纹理补偿算子,通过自适应透射率补偿参数调整灰色亮部区域的初始透射率,可有效改善图像去雾后失真等问题。本算法的平均梯度、信噪比、信息熵等客观指标较其他去雾算法均有所提高,图像中灰色亮部区域透射率补偿效果良好,复原图像细节清晰自然、亮度适中,有效提升了图像质量。

关键词： 目标检测   长尾分布   延迟重采样   知识蒸馏  

摘要： 微藻显微图像目标检测技术是生物学研究和环境监测等领域重要研究方向之一。电子显微镜采集到的微藻图像数据集存在长尾数据问题。传统的微藻检测方法需要大量人工操作,耗时长且结果容易受到操作人员技术经验的影响。结合解决长尾分布的方法,本文提出了一种基于延迟重采样和知识蒸馏相结合的目标检测算法(DDM-YOLO)。先对微藻显微图像进行数据增强,然后针对长尾分布数据,采用延迟重采样,并在二阶段采用反向采样,关注难以分类的少数类别样本,改善目标检测性能。设计了一种轻量级目标检测网络架构,通过知识蒸馏来减少模型复杂度和计算量。实验结果表明,DDM-YOLO算法的mAP@0.5/%为77.1%,与YOLOv5s相比提高了6.1%,模型参数量为3.88 MiB,减少了45.4%。所提出的方法在微藻显微图像数据上取得了显著的性能提升,同时在资源受限条件下实现了高效的目标检测,大大降低了检测人员的工作量。