关键词： 图像处理   模型   苹果疏花   深度学习   实例分割   YOLOv8-Seg   花序疏除  

摘要： 针对苹果疏花作业中无法自动识别枝干以及缺乏花序疏除方法,该研究提出了一种适用于现代果园的苹果树单枝条花序疏除方法。首先,对YOLOv8-Seg模型进行改进:在Backbone部分添加GCT(Gaussian context transformer)模块,通过引入全局上下文信息和调整通道的重要性,提高模型对遮挡目标的分割性能;在对应3个检测头的Neck部分的C2f模块内部增加EMA(efficient multi-scale attention)机制,通过并行子网结构和跨空间信息聚合更好地关注多尺度特征。其次,使用改进YOLOv8-Seg模型对单枝条中的花苞、花序、开放花朵和花枝四类目标进行实例分割。最后,基于分割结果应用多项式拟合曲线表征花枝,并计算花序间距离实现花序疏除。结果表明,改进的YOLOv8s-Seg模型在自建数据集mask水平的精确率、召回率和mAP分别达到了89.9%、89.5%和91%,比原模型分别提升了6.5、4.1和5.8个百分点。与主流分割模型Mask R-CNN,YOLACT,SOLOv2进行对比,mask水平的mAP分别高出10.8、12.3和9.1个百分点。花序疏除决策结果与人工决策结果对比误差不超过10%。该方法可应用于单枝条水平上的花序疏除任务,为苹果智能疏花提供技术支持。

关键词： 非极大值抑制   遮挡行人检测   目标检测   深度学习   计算机视觉   机器学习  

摘要： 基于视觉的行人检测是目标检测中的重要研究方向.如今主流的基于锚框的行人检测器输出的结果是大量冗余的,在结果输出之前需要对冗余预测进行非极大值抑制,因而非极大值抑制的效果将直接影响检测器的性能.行人检测任务中最大的挑战在于目标之间互相遮挡的现象,而严重重叠的目标使得传统的基于固定阈值的非极大值抑制方法难以在高召回率与低虚警率之间取得平衡.针对以上问题,提出一种根据重叠度自适应收缩预测框的非极大值抑制方法.根据对应目标的重叠度将预测框进行自适应的收缩,以降低预测框之间的重叠度.对收缩后的预测框进行非极大值抑制,可避免高重叠预测框对处理结果的影响.此外,指向性不明确的预测框将影响本算法的性能,为此提出一种中心点排斥损失函数,通过在重叠框的中心点之间施加排斥力来减少介于两目标之间的指向性不明确的模糊预测框数量,增强自适应收缩非极大值抑制算法的效果.仿真实验结果表明,所提算法可以有效提升基于锚框的检测器对重叠行人目标的检测性能.

关键词： 机动目标跟踪   时滞   卡尔曼滤波   交互式多模型   神经网络  

摘要： 机动目标跟踪结果在时间轴上的滞后问题是当前机动目标跟踪领域的一大难点。产生时滞的情况很多,一般在跟踪初期和发生较大机动的时间段内尤为明显,常常会因此出现误差高峰。如果能有方法抑制或者消除时滞现象,将能显著提高跟踪效果。从仿真实验的结果和现象入手,结合卡尔曼滤波理论、交互式多模型算法和现代神经网络模型对时滞问题进行剖析,根据跟踪各个阶段情况的变化,分析时滞产生的不同原因,并提出可能的解决方法,以期为提高机动目标跟踪效果提供参考。

关键词： 目标检测   自注意力   Faster-RCNN   矿山图像   异常行为检测  

摘要： 矿山异常行为检测是一项重要工作,有助于提高采场安全生产监管效率。提出了一种基于自注意力机制的Faster-RCNN算法,用于矿山图像异常行为检测。该算法通过自注意力机制对特征图进行加权,有效提取关键特征,并减少冗余信息干扰。首先,从图像中提取RoI区域,并通过自注意力机制对RoI区域内的特征图进行加权,使得关键特征得到更准确的提取。同时,对RoI区域内的特征图进行细粒度融合,以捕捉更多的图像细节信息。最后,使用分类器对每个RoI区域进行分类,以检测图像中的异常行为。在自建数据集上对算法进行了训练与评估,试验结果表明:所提算法在矿工图像异常行为检测工作上表现出更高的准确性和鲁棒性,与传统的Faster-RCNN算法相比,该算法检测精度提高了4.8%。此外,该算法对于光照和角度等变化具有更好的鲁棒性,可以有效应对实际场景中的复杂环境。

关键词： 发热门诊   计算机视觉   个人防护用品   医务人员  

摘要： 目的研究计算机视觉提醒对提高发热门诊医务人员脱卸个人防护用品(PPE)正确率的影响。方法2022年1—9月间,将某医院发热门诊医务人员分为干预组和对照组,对照组只有视频监控无智能提醒,干预组采用计算机视觉提醒医务人员正确脱卸PPE关键步骤,比较2组脱卸PPE正确率的差异。结果跟对照组相比,干预组在一脱区和二脱区的手卫生正确率明显提升,脱卸PPE整个流程顺序的正确率从干预前的74.66%上升到干预后的91.70%(P<0.001),所有关键步骤的正确率从干预前的89.85%提高到干预后的94.10%(P<0.001)。结论采用计算机视觉智能提醒PPE脱卸流程的关键步骤可以明显提高发热门诊医务人员脱卸PPE的正确率。

关键词： Pixel2style2Pixel   人脸年龄转化   StyleGAN   损失函数   图像处理  

摘要： 年龄转化在刑侦、人脸识别等领域有着重要作用。常见的年龄转化方法需要使用成对带有年龄注释的数据集进行训练,并且存在生成图像质量低、年龄语义信息不够解耦等问题。针对上述问题,在Pix2style2Pix的训练框架中,引入年龄识别、contextual损失函数,对整体损失函数做出符合年龄转化的改进,提取年龄信息并保证图像质量。改进编码网络配合损失函数对潜在空间的图像进行编辑,提出一种基于Pixel2style2Pixel的年龄转化方法。通过FFHQ、CelebA数据集,对所提方法进行验证,实验结果表明,在不采用成对年龄注释的训练集下,改进后的损失函数能生成更符合期望年龄的转化图像,人脸相似度距离为0.346、FID为45.69、SSIM为0.593 6、PSNR为19.64 dB,均优于对比方法,证明所提方法能够生成高质量、年龄语义高度解耦的转化结果。

关键词： 医学图像处理   课程思政   案例库   教学改革   生物医学工程   一流课程  

摘要： 课程思政是深入贯彻落实“立德树人”根本任务的重要举措。文章针对《医学图像处理》课程,结合徐州医科大学办学定位和生物医学工程专业人才培养方案,深入挖掘课程蕴含的政治元素,建设了课程思政案例库。案例库收集了典型的思政教学案例,将社会主义核心价值观、科学精神、创新精神等元素融入专业知识点。教学采用启发式、互动式、探究式、案例式教学的教学方法,强化实践教学,开展形式多样的教学活动,实现了专业教学和思政教育的有效结合,取得了良好的教学效果。课程思政案例库为课程思政教学提供了素材和支撑,是深化课程思政建设、提高人才培养质量的有效途径。

关键词： 机器视觉   亚像素边缘检测   图像处理   计算机视觉  

摘要： 详细综述了基于机器视觉的亚像素边缘检测算法,旨在全面总结该领域的研究现状和进展。首先,介绍了亚像素边缘检测的重要性及其在图像处理和计算机视觉领域中的广泛应用;其次,归纳了不同亚像素边缘检测方法,包括基于梯度信息、基于模型拟合和基于最小二乘法等;然后,分析了各种方法的优缺点,并对其比较和评价;再次,提出了当前亚像素边缘检测算法面临的挑战和研究方向,如提高算法的鲁棒性、适应性和效率等;最后,强调了该算法的研究意义和价值,提出了未来研究的发展方向。

关键词： 计算机视觉   塔吊危险区域   入侵预警   YOLOv5   安全管理  

摘要： 为解决建筑施工中塔吊作业存在的危险区域识别场景复杂的问题,利用计算机视觉技术,提出一种塔吊危险区域入侵预警方法。该方法结合塔吊危险区域动态判定和计算机视觉检测施工现场人员安全帽、安全带佩戴情况以及塔吊下方人员意外入侵,同时,在YOLOv5算法基础上修改注意力模型,并开发窗口交互式检测软件。结果表明:人的入侵行为和安全防护装备在模型中的识别准确率均达85%以上,具有较高准确度。该方法可在塔吊施工场景下进行有效应用,将塔吊固定式危险区域划分为动态塔吊危险区域,并实时监测人员意外入侵及预警。

关键词： 深度学习   Halcon   图像处理   缺陷检测   机器视觉  

摘要： 详细阐述了高分子薄膜表面的各类缺陷类型和特征及其可能对高分子薄膜的性能和功能上造成的破坏,旨在说明在生产过程中对高分子薄膜表面缺陷进行检测的必要性。针对高分子薄膜表面缺陷检测中应用深度学习大模型训练而存在各缺陷类别样本数量较少、缺陷特征变化不足而导致检测精度低等问题,应用了一种基于Halcon全局上下文异常值检测算法,详细阐述了该检测算法的GC-AD Combined训练模型,其是一种融合了Faster-RCNN和Auto-Encoder的网络结构。在较为有限的高分子薄膜合格的图像和含有缺陷的图像数据基础上,实验设计了采用GC-AD Combined网络模型对高分子薄膜图像样本进行训练,待训练完成后对多组薄膜图像数据进行推理测试,同时设计了与CNN、Mobile-net以及VGG等网络模型检测的对比实验。实验结果显示,所运用的GC-AD Combined网络模型的平均准确率高达98.07%,能够满足吹塑薄膜表面缺陷检测任务,检测精度大幅度优于其他3种网络模型,进一步说明了应用基于Halcon全局上下文异常值检测算法的GC-AD Combined模型完成高分子薄膜表面质量检测任务的有效性和优越性。