关键词： Halcon   缺陷检测   手机背板   图像处理  

摘要： 针对人工检测手机背板表面缺陷效率低、成本高等问题,提出一种基于Halcon的手机背板表面缺陷检测方法.该方法可快速定位并校正光照不均、位置偏差等成像不一的背板图像,同时运用二进制大型对象分析、形态学处理和模板匹配等算法实现对手机背板表面缺陷图像的检测与分类.针对logo区域和非logo区域,该检测系统采用不同的策略来检测缺陷.缺陷分类环节利用Halcon中的分类工具,结合事先定义的特征集合,根据其形状、大小和颜色等特征进行分类,以便后续的品质监控和反馈.一方面对120张缺陷图片进行检测,检出113张缺陷图片,单张图片平均耗时约500ms,检出率达94%以上;另一方面对800张同样条件下的无缺陷图片进行测试,检出25张误判的图片,即误判率约3%.实验表明,该方法具有较高的准确性和实用性,相较于传统的人工检测,可大幅度提升生产效率和检测精度,有效控制企业人力成本.该方法已在工业生产线实际应用.

关键词： 生成对抗网络   气缸套   数据增强   目标检测  

摘要： 针对气缸套缺陷检测中缺陷样本不足限制气缸套缺陷检测性能提升问题,采用基于生成对抗网络的气缸套表面缺陷检测算法.首先,为了保持缺陷图像中原有缺陷位置与特征不变,通过循环生成对抗网络模型学习有缺陷气缸套图像与正常图像的关系;其次,利用学习得到的模型对有缺陷气缸套图像进行风格迁移,即把有缺陷气缸套图像背景替换成无缺陷气缸套图像背景,实现对气缸套缺陷数据集的扩充与增强;最后,通过基于数据增强的RetinaNet网络模型对生成图像的有效性进行验证.试验结果表明,通过生成对抗网络生成的气缸套数据集可以提升缺陷检测性能,进一步证明了生成对抗网络在工业应用的可行性.

关键词： 䗴类化石   深度学习   目标检测   石炭系-二叠系   知识蒸馏   地层学  

摘要： 䗴化石是石炭纪、二叠纪重要的标准化石,其详细的鉴定工作对确定地质时代和划分石炭系‒二叠系具有重要意义.鉴于目前䗴类化石检测方法的局限性,提出一种基于深度学习单阶段算法的䗴类化石检测.以䗴类化石为研究对象,对原始模型进行分析,之后联合优化权重损失函数和BN层尺度因子的L1正则化等方式进行通道剪枝,再使用知识蒸馏使剪枝后模型恢复检测性能.实验结果表明,该方法可实现薄片图像中䗴类所在区域的定位和分类,平均精度均值达到98.1%,满足实时检测模型的要求,并且剪枝后参数量压缩了74.1%,解决了真实场景中存在的算力缺乏等问题.该方法能够有效保证䗴类化石的检测效果,同时扩展了该模型在嵌入式设备的适用范围,为深度学习在古生物化石图像的智能识别方面提供更多可能性.

关键词： 安全工程   井下无人电机车   目标检测   CBAM注意力机制   SIoU损失函数  

摘要： 为解决地下煤矿光照不足进而导致无人电机车脱轨、撞车或侧翻等问题,提出了一种低照度多特征融合的YOLOX-CBAM目标检测算法,对矿井无人电机车轨道障碍物进行有效识别与分类。首先,通过实际场景采集及标注构建地下煤矿障碍物数据集,并将其输入微光数据处理Zero_DCE模型中;其次,对YOLOX目标检测网络进行改进,分别在骨干网络CSPDarknet和特征金字塔(Feature Pyramid Networks,FPN)部分增加双通道CBAM注意力模块,解决了特征提取环节通道单一的问题;最后,将预测头部分的损失函数替换成SIoU,加快了模型迭代的速度。结果表明,与传统两阶段Faster-RCNN网络、YOLOv4网络、YOLOv5网络和原YOLOX网络相比,本模型精确率分别提高了4.65百分点、2.65百分点、2.19百分点、1.35百分点,召回率分别提高了9.39百分点、4.36百分点、0.82百分点、0.76百分点,速度分别提高了28.6帧/s、16帧/s、13.6帧/s、2.9帧/s,同时本模型与分别添加CBAM、SA、SA+SIoU、SE、SE+SIoU,YOLOX-CBAM模块的YOLOX模型相比,其精度分别提高了0.64百分点、0.84百分点、1百分点、1.29百分点和0.76百分点,速度分别提高了0.5帧/s、0.4帧/s、0.3帧/s、0.2帧/s和0.4帧/s。所提出的方法能实现地下煤矿井下无人电机车轨道障碍物的快速准确检测,并为地下矿运输设备的智能化升级及安全运行提供理论支撑。

关键词： 卓越项目体系   教学过程控制   教学过程评价   目标分解  

摘要： 针对《数字图像处理》课程教学中存在的学生工程能力、就业竞争力不强,教师过程管理缺乏手段,过程考核方式不够完善的情况,结合我校实际,将在企业管理中应用的卓越项目管理体系迁移到课程教学中,提出了包含项目总监、程序员、质量保证员等的目标分解系统,以项目管理中七大过程为核心的教学过程控制系统,以ADLI和LTCI为核心的过程考核系统。经过教学改革,达到学习内容项目化、管理过程企业化、考核评价过程化三大目的。

关键词： Transformer   图像检索   线条图   计算机视觉  

摘要： 图像检索在计算机视觉中至关重要,在许多领域有着广泛的应用。但是在专利中,图片通常以线条图形式存在。由于线条图没有色彩和纹理信息,对线条图进行检索,仍面临巨大挑战。基于Transformer的线条图检索模型,充分利用Transformer长距离依赖建模的优点,有效的提取线条图全局特征。该模型将输入的线条图切分为n个Patch块,在Patch间通过自注意力机制提取特征,通过对特征进行处理得到100维的增强特征,最终根据图像特征的余弦相似度进行检索。通过实验表明与基于卷积神经网络的GoogleNet和ResNet50相比,基于transformer的模型能达到更好的效果。

关键词： 遥感图像   推荐方法   内容解译   深度学习   目标检测  

摘要： 随着遥感技术的不断发展,遥感数据呈现出海量增多的趋势,如何提供精准及时的遥感信息推荐服务成为亟待解决的问题。现有的遥感图像推荐算法大多针对用户画像进行设计,忽视了图像内容的语义信息对推荐结果的影响。针对上述问题,提出一种基于内容解译的遥感图像推荐方法。首先,通过基于YOLOv3的目标检测模块对遥感图像进行目标提取;然后,整合关键目标的位置分布向量作为图像内容信息;同时,构建多元素的用户兴趣画像,并根据用户主动搜索历史进行动态调整,以提高推荐结果的个性化程度;最后,将图像内容信息与图像自带属性信息、用户画像模型进行匹配,实现遥感数据的精准智能推荐。在真实订单数据上与较新的仅基于图像属性信息的推荐方法进行对比实验,实验结果表明,所提方法在实验数据上取得的正负样本区分度比考虑用户画像的推荐方法提高了70%;在耗时基本相近的情况下,在使用10%训练数据时,推荐错误率与对比方法相比下降了4.0~5.6个百分点,而在使用100%训练数据时推荐错误率则下降了0.6~1.0个百分点,验证了所提方法的可行性与有效性。

关键词： 目标检测   优化损失函数   路面检测   改进YOLOv5  

摘要： 随着道路交通的增加,对于路面检测中目标的准确识别成为了一个重要的研究课题。提出了一种基于改进YOLOv5的目标检测算法,通过优化损失函数来提高路面检测中目标的识别精度。该设计算法对路面坑洞检测准确率达到了89.1%,相较于原始YOLOv5算法提升了7.7个百分点,同时出现漏检现象较少,具有较好的检测精度。结果表明,算法在目标检测任务中取得了较好的效果,准确性和实时性得到较高提升。

关键词： 三维重建   目标检测   Savitzky-Golay滤波   三次样条插值  

摘要： 文章介绍了一种改进的球形目标运动轨迹拟合算法,并以高尔夫球为实例进行算法验证。针对三次样条插值曲线平滑性较弱问题,提出一种基于滤波降噪的改进插值算法,实验结果表明该算法对插值结果影响细微的情况下平滑了拟合曲线。实验首先检测出球心坐标,在双目序列图像之间根据坐标差异进行空间点的三维重建;再用一种基于Savitzky-Golay滤波的三次样条插值算法将高尔夫球在空间中的三维散点进行非线性拟合处理,最终完成运动轨迹的三维重建。通过模拟实验,与传统算法相比,文章提出的改进算法恢复运动物体三维信息的效果更加显著,且平均误差率在5%以内。

关键词： 公路安全   计算机视觉   半监督训练   裂纹检测  

摘要： 以江苏省南京市竹山路公路养护工程为例,对公路裂纹病害问题的计算机视觉安全检测方法展开研究。提出基于半监督训练的融合显著性半裂纹检测方法,分别从整体设计思路和具体实现方法两方面说明其实现路径,并根据RCD数据集设计检测试验结果显示,提出的检测方法精度为83.94%、召回率为95.08%、F1-score为88.52%,说明该方法能显著降低对手工标注信息的依赖,具有较高的检测精度、抗噪声能力和鲁棒性。公路养护工程实际裂纹检测效果分析证明,此方法能够实现绝大部分的真实图像还原,应用效果优于语义分割网络和裂纹检测网络,在细小裂纹、边缘处仍存在小范围的漏检和误检现象,还存在进一步优化的空间。