关键词： 单目视觉   明火感知   YOLO v7深度学习   图像处理   注意力机制   多元关系  

摘要： 针对目前石化作业区外因火灾监测方法大都没有火源定位功能的现状,提出基于单目视觉的外因明火感知与测量方法。首先改进YOLO v7深度学习网络的SiLU激活函数,并引入注意力机制CBAM,使感知网络获得更好的准确性、互适性;随后基于相机成像原理建立物距与像素、分辨率等因子的多元关系测量模型进行距离预测。实验表明:优化后的网络mAP_0.5值提升了2.2%,Precision值提升了5.0%,预测距离误差率绝对值小于3.1%。

关键词： 船体曲板   深度相机   三维测量   计算机视觉   点云处理  

摘要： 文中设计了一种基于深度相机的船体曲板测量系统.该系统将深度相机与伺服驱动结合,使用计算机控制采集过程,获取指定位置的多组小范围点云.采用一种超体素聚类改进的区域生长分割方法从原始点云数据中提取曲板表面点云,通过相机安装的相对位置和伺服系统的返回参数值拼接完整的船体曲板三维点云.使用该系统在3 000 mm×3 000 mm范围测量船体曲板,所得非边缘点云平均误差为0.61 mm,符合预期精度要求.

关键词： 人工智能   图像检测   目标检测   深度曲线   参数矩阵  

摘要： 人工智能技术正在高速发展,在各个领域的实际应用也变得越来越普遍。为保障发电厂运行设备的安全性,提出了基于深度学习的煤炭运煤图像检测算法,改进了基于Retinex的目标检测方法。针对图像光照不均的特点,将获取的低光图像作为网络的训练数据,采用深度曲线估计此参数矩阵,该矩阵与原始图像相乘,经过多次迭代后得到增强的图像。最后应用于公司燃运系统,检测未佩戴安全帽、未穿长裤和煤仓堵煤溢煤现象,验证了所提改进算法的正确性和实用性。

关键词： 鱼眼矫正   电子后视镜   放大系数   商用车驾驶员视野  

摘要： 传统玻璃后视镜风阻风噪大,无法接入智能驾驶系统,所以电子后视镜取代传统后视镜已成为趋势。但电子后视镜使用鱼眼摄像机,所显示图像畸变大,无法像玻璃后视镜一样在近距离放大驾驶员所关注的视野,远距离缩小物体以此显示更多视野。通过对玻璃视镜放大系数和驾驶员视野角和物距的分析,得出适用于电子后视镜图像放大系数变换的方法,根据此方法对电子后视镜图像进行处理,以此达到显示最佳观感。实验结果证明,变换后的电子后视镜图像各处放大系数与玻璃视镜相差为9.52%,优于市面上仅经过鱼眼矫正的图像显示效果,在司机主观观感上能很好地提供“近距离放大外部环境,远距离更大视野”的功能,提高了驾驶安全性。

关键词： SSD   残差网络   注意力模块   金字塔融合   遥感图像   小目标   高层语义特征   低层视觉特征  

摘要： 针对SSD算法检测遥感图像目标时存在容易漏检且检测精度低的问题,提出基于残差SSD网络的遥感图像目标检测算法。该算法在SSD网络结构的基础上,将基准网络模型VGG替换为残差网络模型ResNet-50,通过增加网络深度,充分提取遥感图像小目标数据集的底层特征,引入注意力模块,使感受野更关注目标特征,增强低层网络的信息表征能力,采用特征金字塔融合方法融合网络结构的高层语义特征和低层视觉特征,增强检测目标的定位能力。实验结果表明,该算法增强了复杂背景的干扰抑制性,提高了小目标的检测精度,比传统的SSD算法具有更强的检测性能。

关键词： 钢印日期   透视变换   目标检测   加权特征图   注意力机制  

摘要： 目的药盒的钢印日期与背景对比度低,字符轮廓不明显,识别易受环境光线干扰,对此提出一种基于机器视觉的识别方法。方法使用改进YOLOv5s模型,首先对采集的药盒数据集进行透视变换校正,并进行数据增强。通过在模型的骨干网络中融合位置注意力机制(CA),减少冗余信息的干扰;颈部网络根据加权双向特征金字塔网络(BiFPN)引入权重,更好地平衡不同尺寸图层的特征信息;引入动态聚焦损失函数(WIoU),降低高质量样本对训练的干预,提高模型的泛化能力。结果在自建钢印字符数据集上的实验结果表明,改进网络对药盒钢印日期识别的平均精度值达到了99.41%,比原始模型提升了2.38%,帧率为80.01帧/s。结论改进后的YOLOv5模型对药盒钢印日期的检测精度优于原有网络,对可以满足药盒生产线的实时性要求。

关键词： 三维目标检测   PointPillars   小目标检测   注意力池化   ConvNeXt  

摘要： 针对目前基于点云的三维目标检测算法中小目标检测效果差的问题,提出了基于改进PointPillars模型的三维目标检测方法。首先,改进了PointPillars模型中的pillar特征网络,提出了一个新的pillar编码模块,在编码网络中引入了平均池化和注意力池化,充分考虑了每个pillar模块的局部详细几何信息,提高了每个pillar模块的特征表示能力,从而提升了模型的小目标检测性能。其次,基于ConvNeXt改进了骨干网络中的二维卷积下采样模块,使模型在网络特征提取阶段能够提取丰富的上下文语义信息和全局特征,从而增强了算法的特征提取能力。在公开数据集KITTI上进行验证,实验结果表明,所提方法具有更高的检测精度,相较于原网络,改进后的算法的平均检测精度提升了3.63个百分点,证明了该方法的有效性。

关键词： 计算机图像处理   环境设计   光照模拟   渲染算法  

摘要： 研究并探讨基于计算机图像处理技术的环境设计与渲染方法。首先,通过分析当前环境设计领域的问题和需求,提出了基于计算机图像处理技术的环境设计的重要性和应用前景。然后,介绍了环境设计中常用的图像处理技术,包括光照模拟、阴影处理、纹理映射等。接着,深入探讨了环境渲染方法,包括光线追踪、辐射度算法等。最后,通过案例分析验证了基于计算机图像处理技术的环境设计与渲染方法的有效性和可行性。

关键词： 计算机视觉   准科研模式   人工智能专业   实验课程建设  

摘要： 人工智能“新工科”建设强调对学生实践能力、学科交叉能力、团队协作能力、创新能力的培养。计算机视觉实验作为人工智能专业的核心专业实验课,从科研项目中提炼能够反映前沿性和创新性的有挑战度的实验内容,采用多路径迭代的实验设计,通过准科研的过程体验,将学生的知识、能力和素质培养进行有机融合,实现从单科到交叉、从被动到主动、从应试到实战、从个体到协作的四个转变,培养学生解决复杂工程问题的能力和科研创新能力。

关键词： 视觉显著性   稀疏表示   船舶图像   目标检测   自适应阈值   神经网络  

摘要： 为抑制船舶图像目标检测受光照变化、海浪干扰、背景杂波等因素的影响,设计视觉显著性和稀疏表示学习相融合的船舶图像目标检测方法,提升船舶图像目标检测效果。利用船舶图像建立船舶图像字典;通过稀疏表示算法结合字典,稀疏编码船舶图像;依据稀疏编码结果,在船舶图像内提取视觉显著图;通过自适应阈值法,分割视觉显著图,得到船舶目标候选区域,缩小船舶目标检测范围;在概率神经网络内,输入船舶目标候选区域,判断其是否为船舶目标,完成船舶图像目标检测。实验证明,该方法可有效稀疏编码船舶图像,并提取视觉显著图;该方法可有效分割视觉显著图;在简单背景与复杂背景下,该方法均可精准检测船舶目标。