关键词： 绝缘子检测   YOLOv5s模型   scSE注意力机制   图像处理  

摘要： 绝缘子在高压和超高压架空输电线路中的安全运行至关重要,因此对绝缘子图像的准确识别显得尤为关键。为了提高绝缘子缺陷检测的精度,提出了一种基于改进YOLOv5s模型的绝缘子缺陷检测方法。通过引入scSE注意力机制,以实现通道和空间方面的校准,强化了该模型在对绝缘子缺陷的辨识能力,从而进一步提高对绝缘子图像识别的精度,特别是在遮挡和相似目标干扰的情况下表现更为出色;在此基础上增加了Mosaic数据增强处理,为模型的训练提供更多数据,使模型在多场景下表现优异。经实验证实,该算法准确率达到了92.8%,召回率达到97.5%,mAP达到了98.8%,其检测精度明显优于其他模型,并在复杂场景下展现了出色的鲁棒性,为绝缘子检修工作提供了新的思路。

关键词： 深度学习   目标检测   船舶识别   YOLOv8  

摘要： 目标检测是深度学习最重要的任务之一,在各种应用场景都发挥着重要作用,比如:人脸检测、车辆自动驾驶检测、遥感检测等。本文以YOLOv8模型为基线,探讨深度学习算法在船舶识别领域的应用,以完成对图像中船舶目标的精准检测与识别任务,实现端到端的训练目标。基于PyQt5设计了用户操作界面,用于系统的展示和测试。实验测试结果表明,改进后的方法在计算量略微下降的同时提升平均精度到84%。

关键词： 车辆工程   电气化公路   智能识别   计算机视觉   受电弓  

摘要： 针对当前电气化公路受电弓-接触网系统的弓网接触点检测方法无法适用于电气化公路重型卡车的问题,本文提出了一种基于计算机视觉的检测方法,用于实现对弓网相对位置的智能识别。该方法首先使用BiSeNet v2轻量级语义分割算法,对受电弓和接触网进行分割,通过筛选滤波得到弓网接触点的位置坐标,推算出弓网横向位移、速度值,提取受电弓-接触网系统的横向摆动的空间信息,为横向智能跟踪控制提供闭环输入支持。

关键词： 探地雷达   CNN   目标检测   公路层界面  

摘要： 公路面层的厚度是公路检测中的一个重要指标,对公路路面质量起着决定性作用。面层下层界面追踪结果结合关键的介电常数参数,可以准确获取面层的厚度信息,因此,GPR(Ground Penetrating Radar,探地雷达)图像下层界面识别与追踪结果对面层厚度计算起着至关重要的作用。现阶段,大量的公路探地雷达资料解释工作由人工进行,存在解释周期长且依赖人工经验等问题。针对上述问题,提出了一种基于CNN(Convolutional Neural Networks,卷积神经网络)框架的公路层下层界面自动检测模型。为使建立的模型能更加准确有效地应用于GPR图像层界面的检测,对模型进行参数优化和性能评估,评估结果表明,模型查准率可以达到97%,说明模型识别层界面的准确性较高。利用该模型对实测图像进行实例验证,验证结果表明,建立的模型能够有效、快速、准确地在GPR图像上提取公路层界面并可视化展现出来。

关键词： 三维目标检测   RGB体素特征   视锥变换   半监督学习   KITTI数据集  

摘要： 基于LiDAR、可见光等多模态传感器的高精度三维目标检测是自动驾驶领域的关键技术。为了提高目标检测的精度和方位感知能力,降低模型对于标注数据的依赖,结合视锥变换方法优化了三维点云方向特征提取策略,提出了一种基于视锥变换和半监督学习架构的三维目标检测技术。具体而言,基于通道注意力模块优化视锥体对远距离目标的感知能力,提出了RGB体素模块提升遮挡目标的识别精度。首先通过深度网络从RGB图像中提取纹理信息,将其与激光雷达的距离信息融合,以保持三维空间特征的完整性。其次,通过特征融合模块提取体素空间特征的权重。最后,采用自适应伪标签方法降低对标注样本的依赖,并基于群体投票方法进一步降低误报率。实验结果表明,该方法在KITTI数据集上取得了令人满意的成果,行人和车辆目标检测的准确率分别达到了56.30%和75.88%。该研究为未来在复杂的场景中实现高效的三维目标检测提供了思路,并为进一步优化自动驾驶的多模态数据融合技术奠定了基础。

关键词： 计算机视觉技术   农业采摘设备   系统性能   优化方向   前景展望  

摘要： 采摘一直是农业生产活动中的关键环节。随着经济发展和人们生活水平的提高,消费者对高品质农产品的需求不断提升,传统工具采摘和机械采摘的方式难以满足大量、高效、精确的生产需求。因此,在农业采摘过程中采用了一种新技术,即视觉技术,以满足当下市场对产量和质量的要求。近年来,国内外技术团队针对视觉技术与采摘设备的结合进行了广泛研究,并取得了大量科研成果。基于此,综述了计算机视觉技术在农业采摘设备中的应用研究进展,结合相关研究,提出了采摘作业中应当对视觉系统制定统一的评价指标,并针对这些指标提出了可行的优化方向。最后,对计算机视觉技术在农业采摘设备中的应用前景进行了展望。

关键词： 线上学习   人工智能   目标检测   人脸识别  

摘要： 随着现代网络通信技术的发展,线上学习逐渐成为研究趋势,很多学校都在利用如学习通、智慧职教、腾讯会议等平台,实行“线上+线下”的教学模式。在此背景下,基于目标检测的学生线上学习状态检测成为了一个新兴且快速发展的研究方向,其目的在于通过人工智能中的目标检测等技术手段,对学生在线上学习过程中的各种行为和心理状态进行检测和分析,以提高学习效率。文中针对该研究领域,重点介绍了当下比较热门的学生线上学习状态检测算法。

关键词： ResNet   深度学习   信息融合   图像处理   故障识别  

摘要： 为了提升电力设备状态的识别精度,文中对多维图像信息融合处理算法进行了研究,并基于图像RGB、HIS之间的转换关系,提出了一种基于ResNet的双通道图像信息融合方法。该方法利用ResNet的跳跃连接机制来保证网络训练时梯度可以快速地从高层传递至底层,进而提升了训练速度。通过将融合后的图像输入至深度卷积网络中,实现对电力设备的故障识别。仿真测试结果表明,所提融合算法的IE、AG较PCNN算法分别提高了0.30和3.39,SD及SF相比SIFT增加了3.71与3.20。融合后的图像不仅具有更均匀的灰度分布,层次和细节也更为分明且更接近原图。信息融合后,网络可以提取更多的图像特征,识别精度较未融合的图像提升了4.21%。

关键词： 图像处理   人工智能   双语课程建设   课程思政   协同育人  

摘要： 分析人工智能专业本科生图像处理课程双语教学当前存在的问题,提出一种综合的双语教学模式,根据图像处理课程的特点,从教学准备、教学内容、教学方法、实验设计等方面探讨本科生双语教学的具体实施方案,阐述对图像处理课堂教学与实验教学的研究与探索;最后结合教学考核结果及教学评价说明教学实施效果,并进行教学反思。

关键词： 煤矿   带式输送机   智能巡检   图像处理  

摘要： 带式输送机作为煤矿核心运输设备,其日常检查及监测工作依靠人工巡检完成,不仅费时费力、工作效率低且监测效果差,影响煤矿正常生产作业。为解决上述问题,采用自动巡检方法及无人监测技术,设计了一套基于轨道式巡检机器人的井下带式输送机智能巡检系统。通过机器人搭载的多种智能传感器及无线通信网络,来实现对现场环境参数的采集和运行可视化监控;同时采用灰度化图像处理算法对跑偏检测方法进行优化,从而实现皮带跑偏故障精确预警诊断。经测试,系统可在不同条件下获取清晰、明显的跑偏特征图像,同时对带式输送机运行环境及设备温度的采集精度较高,可替代人工实现带式输送机自主跑偏检测及智能化巡检,有效提高带式输送机运行可靠性,具有一定推广应用价值。