关键词： 目标检测   建筑护栏   改进YOLOv5s   Biformer注意力机制   CBAMC3   CLAHE算法  

摘要： 目前,建筑场所上仍存在因建筑护栏缺失或建筑护栏安全性降低而导致的建筑工人高空坠亡事件。针对该问题,提出一种基于改进YOLOv5s的建筑护栏检测算法。首先,针对建筑护栏普遍存在的安全隐患,收集影响护栏安全性较大的情况的图像,例如:建筑护栏栏板的存在图像、建筑护栏栏板的缺失图像、护栏网图像、护栏栏板衔接错位图像和护栏栏板衔接正确图像等,并且制作成训练数据集。为提升YOLOv5s在复杂环境下多目标检测任务和区分任务结果的准确率,将新型的Biformer注意力机制与SE注意力机制相结合,嵌入到原模型的特征提取网络中,并利用CBAMC3取代原特征提取网络的C3模块。最后,使用CLAHE算法较大程度地解决部分图像亮度偏暗,影响检测精度的问题。实验结果表明,所提检测算法的mAP50值和召回率分别达到了79.6%和83%,相比于原YOLOv5s算法分别提高了3.7%和6.8%。

关键词： 多传感器融合   目标跟踪   特征编码器网络   二维卷积网络  

摘要： 针对自动驾驶车辆自动跟踪人员及车辆行驶过程中的目标检测和跟踪问题,提出基于多传感器融合的目标信息检测及信息融合处理方案。利用车辆内置的三种类型的传感器,相互弥补不同工况下识别性能不足的同时,通过二维卷积网络等方法识别不同传感器获取的信息,采用关联方法将不同传感器信息进行融合识别,确保在不同工况下均可识别目标物。通过提出的多传感器融合方法,车辆在结构化道路以及越野道路工况下,可以通过不同传感器的优势互补,实现不同目标的检测和跟踪功能。

关键词： 深度学习   果园采摘   Transformer   注意力机制   RT-DETR  

摘要： 为了解决苹果采摘中目标小,实时性要求高等问题,提出了一种基于RT-DETR的采摘机器人目标检测方法,名为RT-DETR-Faster。首先,采用FasterNet部分卷积替换主干网络的传统卷积,有效提升了模型的运算速度;其次,使用改进的级联注意力编码器替换原始的编码器,使网络更专注于目标区域;最后,引入Faster_Rep融合特征模块,保留更多有效特征并减少计算量。该文在实际的果园图像上进行了实验,结果表明,该文提出的算法与原始的RT-DETR算法相比,FPS提升了34%,帧数达到了47.9,同时准确率更高,适用于苹果采摘机器人的实时目标检测任务。

关键词： 移动焊接机器人   轨迹提取   点云处理   目标检测  

摘要： 为保证移动作业焊接机器人能够在建筑、石化、船舶等非结构化场景中精准高效的完成作业,提出一种基于点云重建的焊接轨迹提取方法。焊接机器人变换作业场景后,首先通过深度相机实时检测引导标志物,明确作业范围和起点并重建场景点云。然后基于点云分割和边界提取算法获取焊缝点云轨迹,并提出一种焊接机器人位姿调整策略。最后,针对点云精度不足的问题,采用激光视觉传感器对焊缝进行精度修正,提取精确焊接轨迹。通过曲线焊缝场景实验,表明机器人运动平滑,焊缝轨迹提取误差小于0.5 mm,精度满足生产要求。

关键词： 多模态融合   糖尿病视网膜病变   机器学习   计算机视觉   人工智能  

摘要： 目的:融合计算机视觉和临床结构化数据,探讨多模态模型在糖尿病视网膜病变(DR)转诊中的应用。方法:纳入苏州大学理想眼科医院和苏州市立医院就诊的糖尿病患者,收集眼底照片及临床资料,根据临床指南相关标准,将患者分为DR无需转诊组和需转诊组。以EfficientNetV2S作为后骨框架进行迁移学习,构建计算机视觉模型α;并融合计算机视觉模型α的输出以及患者临床结构化数据,使用H2O的AutoML平台,建立多模态模型β,判断糖尿病患者是否需要DR转诊。结果:视觉分类模型α在内部验证集中,准确度为0.918,敏感度为1.000,特异度为0.891,ROC曲线下面积(AUC)为0.946;在外部测试集中,准确度为0.879,敏感度为1.000,特异度为0.831,AUC为0.918。基于XGBoost算法的多模态模型β在内部验证集准确度为0.965,特异度为0.953,敏感度为1.000,AUC为0.977;在外部测试集中,其准确度为0.985,特异度为0.986,敏感度为0.983,AUC为0.984。SHAP特征可视化结果,可以观察到基于XGBoost算法的最佳模型中,排名靠前的变量在二分类结局患者中的分布。其中,空腹血糖、胰岛素、谷草转氨酶、收缩压及三酰甘油与DR转诊呈正相关,而高密度脂蛋白与DR转诊呈负相关。结论:相比单模态模型,基于计算机视觉和结构化数据的多模态融合模型判断DR患者转诊的准确性显著提高。

关键词： 狭小空间   仿生机器人   图像处理   深度机器学习   裂纹识别  

摘要： 飞机裂纹的检查贯穿飞机的整个生命周期,若不及时发现可能会带来严重的后果,尤其是飞机盒段等狭小空间部位,人不可达,微小裂纹难以快速检查,给飞机服役、地面强度及疲劳试验等带来重大安全隐患。本文研究了可自由进入狭小空间的仿生机器人平台,涉及仿生机器人机构、运动行为及步态规划、环境感知和避障等。开展了大量图像文本的数字增强、图像预处理、基于深度学习的图像裂纹算法等研究,在具有狭小空间特征的飞机盒段样件上开展了试验验证,通过盒段内部预设裂纹,有效地集成图像采集模块和仿生机器人平台,并结合图像采集环境调试,机器人路径规划、裂纹算法优化研究等,成功实现了对狭小空间内部的裂纹长度和位置的识别,为后续开展飞机裂纹全覆盖快速检查和维修策略提供技术支撑。

关键词： 毫米波雷达   激光雷达   目标检测   融合   对抗学习  

摘要： 自动驾驶的感知系统在目标遮挡、目标拥挤、远距离目标探测等困难场景下检测性能与可靠性有待提升。为此,提出基于Radar和Lidar数据的深度融合网络模型及对抗训练方法。首先,基于Radar回波缺乏高度和含有较大噪声的特点,设计基于鸟瞰图的联合体素划分和点云增强方法,通过空间和通道注意力的计算建立不同模态特征之间的深度信息融合结构,提升单帧目标检测性能;然后,提出基于对抗学习的多模态数据融合学习算法,提高对两种数据优势特征的利用效率。实验结果表明,所提方法在实际大型驾驶场景数据集nuScenes上达到了领先水平。

关键词： 机器视觉   缺陷检测   图像处理   深度学习  

摘要： 随着技术发展,缺陷检测技术逐渐由基于传统图像处理技术演化成基于深度学习的缺陷检测技术,两种方法各有优缺点,也都有值得借鉴的地方。文章调研机器视觉发展相关文献,列举不同时期机器视觉研究者的检测方法,并进行综述。通过列举国外机器视觉发展路程与国内视觉检测应用实例,对今后缺陷检测领域发展提出展望,希望为后续研究提供一定参考。

关键词： 网页设计   动画效果   计算机图像处理技术   用户体验   互联网   实践分析   视觉效果   缩放  

摘要： 计算机图像处理技术在网页设计中的实践分析是一项重要的研究课题。随着互联网的普及,网页设计已经成为了一个重要的领域。计算机图像处理技术可以帮助设计师更好地处理网页中的图片和视频,提高网页的视觉效果和用户体验。例如,通过使用图像处理技术,设计师可以对图片进行裁剪、缩放、旋转等操作,以满足不同的设计需求。此外,计算机图像处理技术还可以用于网页中的动画效果制作,为网页增添更多的动感和趣味性。

关键词： 海杂波   目标检测   图神经网络   无监督学习  

摘要： 受到复杂海洋环境的影响,雷达对海面慢速小目标难以实现高性能检测。对于这类目标,传统的基于能量的统计检测方法存在着严重的性能损失。针对这一问题,该文提出了基于互信息最大化框架下的海面小目标检测方法,实现海杂波背景下的无监督目标异常检测任务。首先,考虑到高分辨雷达回波不满足传统神经网络对样本独立同分布的假设,该文从图的角度重新建模数据,利用回波的空时相关特性来构建图拓扑结构。该文提出相对最大节点度并联合7个已有特征作为节点的初始表示向量。接下来,采用图注意力网络作为互信息最大化框架中的编码器学习节点表示向量。最后,使用异常检测算法进行目标检测,并实现虚警可控。经实测数据验证,使用快速凸包学习算法时,相比三特征检测器,所提检测器性能提升了9.2%;相比时频三特征检测器,性能提升了7.9%。当网络输出更高维的表示向量时,使用孤立森林算法的检测器的性能提升了27.4%。