关键词： 答题卡识别   图像处理   深度学习   OCR识别   文本相似度计算  

摘要： 为解决传统答题卡评分方法耗时耗力且易出错的缺陷,该研究提出了一种新算法,可对答题卡拍照后的图像进行自动识别和评分。该算法包括两个部分:一是图像处理部分,对答题卡图像进行预处理和选择题答案提取;二是深度学习部分,对主观题答案进行OCR识别和文本相似度计算。该算法在真实答题卡数据集上进行了实验,证明了其有效性和准确性。该研究为答题卡评分提供了一种新的解决方案,具有较高的实用价值和应用前景。

关键词： 目标检测   轻量级   GhostNet   知识蒸馏   密集空洞空间金字塔池化  

摘要： 针对现有交通信号灯检测算法计算量和模型大,嵌入式端部署难,且对远距离交通信号灯的检测难度大,漏检率高等问题,设计了一种面向嵌入式端的轻量级交通信号灯检测算法,针对轻量化和实时性要求,采用GhostNet网络Ghost模块和Ghost瓶颈层结构,减少了模型参数量,提升了检测速度;针对特征相似问题,采用加权双向特征金字塔网络结构,使得算法对目标更敏感;使用密集空洞空间金字塔池化,优化全局上下文信息的提取;针对小目标识别问题,通过多尺度检测的改进,增强对小目标的信息提取;通过知识蒸馏,提升模型学习能力,进而提高检测性能。实验结果表明,该检测算法对交通信号灯的识别精度达到了97.0%,召回率达到了99%,较YOLOv5s算法分别提高了2.7和3个百分点,模型大小减小到8.06 MB,是YOLOv5s的58%,识别速率从51帧每秒提升到56帧每秒,通过在嵌入式端的测试,改进后算法对远距离下的交通信号灯能够实时准确地识别。

关键词： 铝合金铸件   缺陷检测   图像处理   水平集  

摘要： 针对汽车机械零部件中检测效率低、误检率高等瓶颈问题,提出了一种结合图像处理技术的方法。基于汽车副车架表面结构复杂以及缺陷异形等特征,首先通过小波邻域收缩去噪和多尺度增强算法对零件图像进行预处理,再通过水平集函数初步定位缺陷区域,最后结合空间模糊聚类进一步精确定位缺陷区域,达到对零件表面缺陷识别的目的。对工件表面划伤、压痕、气孔三种缺陷进行检测。实验结果表明:该算法相对于其它两种算法的检测率分别93.3%、86%和90%,具有较高的检测成功率。为后续缺陷零部件分类奠定良好的基础且可以满足工业检测要求。

关键词： YOLO   目标检测   行李处理系统   注意力增强   卷积神经网络  

摘要： 随着深度学习和人工智能的兴起,以及闭路电视监控系统对行李输送线的全覆盖,研究者开始使用图像识别技术对行李进行全程的识别跟踪,但在生产运营过程中,图像质量低、行李粘连堆叠等影响识别跟踪精度的问题时有发生。针对这些问题,提出一种注意力特征增强方法来抑制背景信息,使神经网络提取行李特征的过程中具有更好的鲁棒性。为了验证该方法的有效性,采用昆明机场的行李图像构建数据集,在此数据集上,该方法的检测精度达到了70.2%,以及很小的参数量,为行李处理的效率和准确率提升提供了支撑。

关键词： 高光消除   图像处理   光照补偿   循环对抗生成网络  

摘要： 应用光学无接触方法检测动车零件损伤时,采集图像的照射光易在零件上造成镜面反射,使得采集图像上存在高光,不利于对损伤部位的辨识。提出一种基于循环对抗生成网络(CycleGan)和光照补偿算法结合的方法来修复动车轮部图像的高光部分。首先通过生成手段初步修复高光区域,然后改进Retinex光照补偿算法,实现对生成图像的进一步增强,达到高光消除的目的。实验结果表明,所提方法大幅改善了高光区域的像素灰度,使得该部分像素灰度接近图像整体像素灰度,同时强化了暗部细节和图像信息,提高了损伤部分的辨识度。

关键词： 目标跟踪   点群共存   轨迹泊松多伯努利混合滤波  

摘要： 针对传统群目标跟踪算法在点群共存场景下跟踪精度低的问题,提出了可以同时对点目标和群目标进行跟踪的轨迹泊松多伯努利混合(trajectory Poisson multi-Bernoulli mixture,TPMBM)滤波算法。该算法对目标的状态空间进行扩展,在标准点目标和群目标模型的基础上引入关于目标类别的概率信息,通过TPMBM滤波器的预测和更新过程实现对目标类别的判断和对目标运动状态的估计。仿真结果表明,与现有算法相比,所提算法在点目标和群目标共存时漏检误差明显降低,具有更优的跟踪性能。

关键词： 智能网联汽车   应用环境   信息交互   智慧交通   跨界融合   目标跟踪   车路协同   感知精度  

摘要： C-V2X产业应用是实现"车-路-云"全方位连接和高效信息交互的关键技术,是智能网联汽车、智慧交通与智慧城市发展的关键,也是跨界融合的产物.相较其他应用,路侧感知精度不足、目标跟踪连续性和一致性弱、交通对象感知识别不精准、交通流信息无法准确获取和估计.

关键词： 自然语言处理   计算机视觉   AI技术   计算机程序   人类智能   机器学习   智能行为   深度学习  

摘要： 一、人工智能治理研究现状人工智能(AI)是一个综合性的概念,不同的研究者和组织从不同角度给出了各自的定义。总的来说,AI是指通过计算机程序或机器展现出的智能行为,尤其是类似人类智能的行为,如学习、推理、判断、规划等。近年来,AI技术取得了长足进步。当前,以机器学习、深度学习为代表的AI技术在计算机视觉、语音识别、自然语言处理等领域取得了突破性进展,在许多任务上的表现已经接近甚至超过人类水平(LeCun et al.,2015)。

关键词： 三维目标检测   深度残差网络   体素特征   图像特征   特征融合   双次特征融合网络  

摘要： 针对点云稀疏性与无序性导致基于纯点云的检测算法容易出现远小目标漏检和误检的问题,提出一种融合图像特征与点云体素特征的多模态三维目标检测算法。在图像特征提取阶段,提出一种轻量级深度残差网络,减少图像特征通道数,使其与点云体素特征相一致,提高点云和图像特征的融合能力;在体素特征与图像特征融合阶段,提出一种双次特征融合网络,在保留原始体素特征结构信息的基础上将图像特征和体素特征进行融合,使点云具备丰富的语义信息,提高远小目标检测精度。在KITTI数据集上实验结果显示,与基线模型相比,对小汽车、骑行者与行人的3D平均检测精度分别提高了0.76个百分点、2.30个百分点、3.43个百分点。实验结果验证了所提方法对于解决远小目标误检和漏检问题的有效性。

关键词： 机器视觉   用户友好界面   图像处理   人脸识别   设备监测   图像预处理   实时报警   深度学习  

摘要： 引言本文阐述了基于机器视觉的皮带机人员安全管理系统,该系统融合图像处理和人工智能算法,通过高清摄像头、传感器等设备监测皮带机工作区域,经图像预处理、深度学习识别(如YOLO、Faster R-CNN结合人脸识别)实现人员检测与危险预警。系统具备实时报警、数据存储、用户友好界面等功能,确保人员安全,提升管理效率。设计实现中注重稳定性、实时性和可扩展性,经优化后显著提升安全保障,降低事故风险。