关键词： 编码识别   图像处理   CLAHE算法   LeNet-5   支持向量机(SVM)  

摘要： 在核电站堆芯核燃料组件水下组装作业中,需要通过视觉技术进行组件编码的识别以便准确定位组件的安装位置。针对水下环境中弱光照等问题导致了图像质量的降低,本文通过乘方增强算法、OSTU算法、CLAHE算法和拉普拉斯变换的方法来实现堆芯燃料组件编码字符水下图像的增强。为了提高编码识别效果,提出了一种整合LeNet-5网络和支持向量机(SVM)的模型,在网络中添加BN(Batch Normalization)层与Dropout层来加速网络的运行速度,并改进Sigmoid函数,增加函数的平滑性,以此来减少梯度消失。实验表明,在自定义数据集上的验证准确率为99.82%,识别率为100%,相比于其他模型有显著的提升。

关键词： 机器视觉   遥感图像   目标检测   YOLOX  

摘要： 针对遥感图像的复杂背景干扰大、目标尺度变化大以及小目标检测困难等导致检测精度降低的问题,提出一种增强YOLOX主干网络输出特征提取能力的检测算法。通过加入连续膨胀残差卷积和注意力机制,设计一种全新的提取主干网络输出特征增强块(feature enhance block,FEB),让连续膨胀残差卷积串联4个具有不同膨胀率的膨胀残差卷积,扩大算法的感受野,丰富上下文信息,同时减轻背景对检测的影响,有效加强算法对目标尺度变化大及小目标的检测能力,使用SA注意力机制抑制背景对算法检测的干扰,提高算法的检测精度。在RSOD数据集上的实验表明,FEB相较于其他同类型模块具有更好的特征提取能力。

关键词： YOLOv5   目标检测   早期火灾   深度学习   智能识别   加油站   火灾视频  

摘要： 针对当前加油站现场监控预警过程中可能存在的早期明火识别反应慢等问题,通过现场模拟实验及网络获取相结合构建了10万余例火灾图像数据集,改进了YOLOv5s神经网络结构,研发了适用于石化加油站等场景的早期火焰目标检测模型。实验结果表明,改进后的模型在识别精度、召回率和平均识别准确率等指标方面均有提升,随机抽取加油站火灾事故图像做效果测试,达到100%的识别精度和96%的召回率。在此基础上,构建加油站早期火灾智能监测平台,为突发性火情下的应急响应提供有效的预警支持。

关键词： 机场交通管控与运行   场面移动目标   机场地图数据库   AIMM-UKF   转移概率矩阵   观测矩阵  

摘要： 针对机场场面高密度交通以及多类型移动目标的特殊性,为保证机场自动化设备如无人驾驶技术在机场内的应用,需要进一步优化定位算法来提高移动目标的跟踪精度;通过分析现有的自适应交互式多模型-无迹卡尔曼滤波跟踪算法(adaptive interactive multi-model-unscented Kalman filter algorithm,AIMM-UKF)在移动目标跟踪过程中模型匹配度和跟踪精度上的不足,研究了1种基于机场活动地图信息改进的自适应交互式多模型-无迹卡尔曼滤波跟踪算法。根据机场地图数据库(airport map database,AMDB)细化的机场操作规程文件,通过ArcGIS软件对某机场施工CAD图简化处理并利用二次多项式配准法对机场地图进行精确校正,完成高精度机场地图修正,将接收到的机场智能监控设备采集到的数据进行实时处理,结合高精度机场地图信息对发生位置偏移的移动目标的坐标信息进行修正,改变移动目标跟踪算法的观测值,在自适应修正马尔可夫转移概率矩阵的基础上,利用观测矩阵对其进行二次修正,提高移动目标跟踪精度和模型匹配度。经蒙特卡洛仿真实验表明:该改进算法利用高精度机场地图信息对移动目标的观测值进行修正,与自适应修正马尔可夫转移概率矩阵的交互式多模型-无迹卡尔曼滤波算法相比,位置的均方根误差(root mean square error,RMSE)平均降低了62.69%,速度的RMSE平均降低了56.84%。本文算法具有更高的模型匹配度和更佳的滤波效果,提高了场面移动目标的跟踪精度。

关键词： 长时间积累   距离走动   多普勒走动   目标检测  

摘要： 隐身技术与高速飞行器的发展给雷达探测目标带来了严峻挑战,而长时间积累技术就是在信号处理领域帮助雷达进行目标检测时提高信噪比的一种有效方法。对于高速高机动目标而言,信号在长时间累积中会在距离域和多普勒域引起跨距离单元走动和跨多普勒单元走动问题。“两跨”问题会严重影响积累增益,传统的MTD(Moving Target Detection,运动目标检测)方法已经无法对信号进行能量累积。为了解决“两跨”问题,提高雷达对高速目标的探测性能,近些年已涌现很多方法,本文将依据目标运动模型把长时间积累下分为径向匀速运动下的长时间积累、径向加速运动下的长时间积累、径向高阶复杂运动下的长时间积累三类进行分析,对相应模型下的“两跨”问题与解决方法进行综述和总结,意在为后续研究提供参考。

关键词： 机器人   竞赛系统   定位   ViBe算法   ORB特征匹配  

摘要： 机器人竞赛系统具有很强的实时性,该系统不但要有准确的定位能力,而且要有对移动机器人进行检测识别的能力。研究针对学生机器人竞赛中的定位与检测问题,在特征匹配的视觉背景提取算法(Visual Background Extractor,ViBe)的基础上,结合方向性FAST特征点检测和旋转BRIEF描述子,改进竞赛系统,期望实现对学生竞赛系统的准确定位。结果显示,改进后的ViBe算法准确率最高,平均准确率为87.34%;改进后的ViBe算法误检率最低,平均误检率为9.12%。改进后的ViBe算法能够有效识别鬼影并且进行消除处理,同时能消除光照突变带来的影响,有效定位与识别机器人。结果表明研究方法具有优越性,且能够提升匹配速度,对学生竞赛系统中机器人的定位与运动目标的检测具有重要意义。

关键词： 图像识别技术   计算机视觉   深度学习   故障诊断  

摘要： 阐述通过使用计算机视觉算法和深度学习模型,可以实现对电力设备的自动化检测、故障诊断和维护。探讨图像识别技术在电力行业中的挑战和前景,提出改进方法和未来研究方向。

关键词： 机器视觉   边缘检测   亚像素边缘   图像处理  

摘要： 针对碳毡装配过程中碳毡占位、边缘毛刺复杂,人工检测效率低、成本高、接触产生不良影响等问题,设计了一种基于机器视觉的碳毡装配检测算法系统。使用Python语言调用相机获取图像并进行预处理。随后,对图像应用改进的Sobel算子进行初步的边缘检测,获取边缘的粗略坐标信息。接着,采用改进的插值法亚像素边缘检测算法对这些粗略坐标进行细化,得到更精确的坐标信息。然后,利用最小二乘法对这些精确坐标进行直线拟合,得到图像中的四个角点。最终,通过对这些角点的位置关系进行判断和分析。实验结果表明,本系统可以稳定进行碳毡装配检测,具有一定的鲁棒性。

关键词： 新型冠状病毒感染   目标检测   深度学习   注意力机制   肺炎  

摘要： 目的 通过对细节信息的恢复并结合局部信息的挖掘,构建基于深度学习的目标检测方法以帮助放射科医生快速诊断新型冠状病毒感染导致的肺炎(novel coronavirus pneumonia, NCP)患者CT图像中的病灶。方法 提出一种细节上采样和注意力引导的深度学习方法。该方法使用一种基于三双线插值的线性上采样算法来增强特征图在上采样过程中细节信息的恢复能力,并在特征提取模块中嵌入基于垂直和水平空间的视觉注意力机制以增强目标检测算法对NCP病灶关键信息的表征能力。结果 在NCP数据集上的实验结果显示,使用基于细节上采样算法的检测方法与基线模型相比提升了1.07%的召回率,达到了85.14%的AP50。在特征提取模块中嵌入注意力机制后取得了86.13%的AP50和73.92%的召回率以及90.37%的精确率,优于流行的目标检测模型。结论 CT图像中基于深度学习的特征信息挖掘能够进一步提升病灶检测能力,所提出的方法有助于放射科医生快速检测CT图像中的NCP病灶,为NCP患者的早期干预和高强度监测提供重要的临床依据。

关键词： 目标检测   航拍图像   轻量化   单解耦头   迅颈模块  

摘要： 无人机航拍图像的目标检测需要大量计算资源,导致其在移动端上的应用受到限制,为此提出一种轻量化目标检测网络Faster S。首先,在颈部网络设计了由部分卷积和组卷积组成的轻薄迅颈模块,用以有效聚合不同尺度的信息;其次,在检测头部分设计了一种高效、轻量化的单解耦头输出结构(SDHEAD),用以进一步分离目标检测中分类和定位两个子任务的特征编码。在航拍车辆数据集CARPK上的实验结果表明:与特征金字塔网络(FPN)结构相比,采用迅颈模块提高了模型的检测精度,减少了模型的参数量;相比于其他检测头,SDHEAD具有更强的特征辨别能力;Faster S模型检测的平均精度(AP_(0.5))达到了70.9%,较Yolo-FastestV2提高了12.7%,较Fastestdet提高了3.5%,推理时间仅为29.56 ms,较Nanodet-m降低了76%,模型参数量仅为0.335 M。