关键词： YOLOv5   目标检测   智能水产养殖   鱼苗计数  

摘要： 针对复杂场景下传统鱼苗统计费时费力的问题,本文提出了一种基于YOLOv5的数量检测方法,实现了智能、准确、高效的鱼苗数量统计。该方法基于自主采集的鱼苗数据构建训练数据集,通过应用YOLOv5算法实现鱼苗数量智能统计模型。结果显示,无论光照条件变化还是鱼群密度变化,该方法均具有较高的准确性和鲁棒性。同时,本文结合J2EE相关技术,探讨其在实际水产养殖中的应用价值,为智能水产养殖提供了新的技术支撑和解决方案。

关键词： 表观裂缝   计算机视觉   裂缝识别   裂缝宽度测量   透视误差校正  

摘要： 对钢筋混凝土(reinforcement concrete, RC)结构表观裂缝的高效识别可以为结构震损快速评估提供佐证。无论在地震现场还是实验室环境,此类工作均表现出量大、重复的特征,适合利用计算机视觉技术完成,以弥补人工方式低效、不确定性强的劣势。以消费级相机输出图像作为数据源,融合U-Net和VGG-16构造适用于混凝土表观裂缝识别的卷积神经网络(convolutional neuralnetwork, CNN)模型,依托多类型RC构件裂缝图像数据库完成模型训练和测试。利用形态学运算、Otsu阈值分割等技术进一步优化裂缝识别结果作为宽度测量的输入数据。为降低相机光轴与裂缝平面不垂直带来的裂缝宽度测量误差,通过特定靶标对原始图像进行透视误差校正,经检验,透视误差校正后的裂缝宽度测量的平均偏差最大可降低约25%。

关键词： CCD传感器   自动识别   循迹  

摘要： 随着科技革命和产业变革的蓬勃发展,汽车智能化成为一种发展趋势。其中,道路自动识别是汽车智能化的重要特征,是当前的研究热点。基于此,以TSL1401型CCD和STC16F40K128单片机为目标系统,将图像数据处理技术应用于四轮小车的寻迹行驶,并以一套模拟道路验证系统的道路自动识别和轨迹引导功能。实验结果表明,四轮小车能够识别环岛、十字路口、三角路口等情况,识别结果能够引导小车快速运行。

关键词： 目标检测   着装规范   PPYOLO   CoordAtt  

摘要： 针对传统人工检测工人作业时是否规范着装效率低的问题,提出了改进的深度学习检测算法PPYOLO-CA.首先,采用深度可分离卷积将backbone前部分卷积进行替换,深度可分离卷积能够减少参数并且增加网络的非线性度,进而增强其提取特征的能力;其次,通过在backbone的特征提取段添加移动网络注意力机制(CoordAtt)模块,提高图片空间信息提取能力,从而为目标检测提供丰富的特征信息;最后,将空间金字塔池化(SPP)模块改进为SPPF(SPP-Fast)模块,在不影响精度的情况下能有效降低模型的参数量并提高模型的运行速度.为验证该算法,在工人着装数据集上进行仿真实验,实验结果表明:在不同场景下改进模型相比于原始模型的识别效果更好,其中,改进模型平均精度均值(mAP)比原始模型高出1.8%,且在模型参数量上减少了0.14MB.

关键词： 深度学习   区域细化   目标跟踪   Siamese网络  

摘要： 针对快速运动导致跟踪目标尺度变化大、分辨率低等问题,提出了一种基于区域细化的Siamese网络目标跟踪算法。在Siamese网络中引入多尺度特征感知模型,有效提取深层全局通道特征和局部空间特征,准确提取判别性信息;为进一步在搜索区域增强前景,构建区域细化模型,利用经主干网络提取的目标区域特征对搜索区域目标进行甄别,实现由粗到细的跟踪策略,有效增强目标表征能力。将所提算法在OTB100数据集上与现有的一些跟踪算法进行测试。实验结果表明,本文算法在跟踪成功率与跟踪精度方面均取得了良好的表现。同时在低分辨率、形变、光照变化等方面表现出较强的鲁棒性。

关键词： 设备故障诊断   红外热成像   图像处理   非接触测温  

摘要： 针对采煤机电控箱内电气元件检修依赖人力、需停机开盖检修等问题,提出基于红外热像仪的测温方案,根据采煤机主回路关键器件温度检测需求,结合电气元件红外辐射与温度对应的关系,研制了一套针对高压电气元件的红外测温装置,该装置可实现基于红外热力图的温度测量与分析,以及异常温度预警功能。

关键词： 雷达   图像处理   目标识别  

摘要： 本文讨论了雷达信号目标识别中的图像处理技术方法的应用。与其他方法相比,图像处理技术能够更好地处理雷达信号,提高目标识别的准确性和稳定性。通过图像处理技术,可以更好地利用图像的空间特征和纹理信息,对雷达信号进行二维图像化处理,凸显目标特征,降低杂波干扰。综合应用图像处理和跟踪方法,可以实现对雷达信号目标的自动识别与分类。

关键词： CLRNet   车道线检测   路面病害定位   深度学习   计算机视觉   道路养护   智慧公路  

摘要： 为了满足道路路面病害检测系统对病害定位的要求,本文提出了把基于CLRNet的车道线检测识别技术应用到路面病害检测工作中,实现路面病害的车道级定位。该方法融合全局特征与局部特征,对破损或被遮挡的车道线也有较好的检测效果,进而获得路面病害的定位数据。经实践检验,该方法可以满足路面病害的车道级定位要求,适用于道路病害的快速检测和定位,有利于提高智慧道路养护工作的数字化与智慧化水平。

关键词： 创新创业   图像处理   教学改革  

摘要： 图像处理课程是电子信息类专业的一门重要专业课程,其基础理论与数学、信号系统等基础理论关系紧密。随着科技的不断发展,图像处理技术发展迅速,图像处理课程改革迫在眉睫。本文对当前国内高校图像处理课程教学现状进行分析,提出相应的改革方案,以提高图像处理课程的教学质量,使学生能够更好地适应人工智能时代信息技术行业的应用需求。

关键词： 多任务自编码变换   低光照   YOLOX   目标检测   多目标跟踪  

摘要： 针对夜间低光照场景下目标特征提取困难和跟踪不稳定的问题,提出了基于自编码器结构及改进Bytetrack的多目标行人检测及跟踪算法。在检测阶段,基于YOLOX(you only look once X)搭建多任务自编码变换模型框架,以一种自监督的方式考虑物理噪声模型和图像信号处理(image signal processing,ISP)的过程,通过对真实光照退化变换过程进行编码与解码学习内在视觉结构,并基于这种表示通过解码边界框坐标与类实现目标检测任务。为了抑制背景噪声的干扰,在目标解码器颈部网络引入自适应特征融合模块ASFF。跟踪阶段,基于Bytetrack算法进行改进,将基于Tranformer重识别网络提取到的外观嵌入信息与NSA卡尔曼滤波获得的运动信息通过自适应加权的方法完成数据关联,并通过Byte两次匹配的算法完成夜间行人的跟踪。在自建夜间行人检测数据集上测试检测模型的泛化能力,mAP@0.5达到了94.9%,结果表明本文的退化变换过程符合现实条件,具有良好的泛化能力。最后通过自建夜间行人跟踪数据集验证多目标跟踪性能,实验结果表明,本文提出的夜间低光照行人多目标跟踪算法MOTA(multiple object tracking accuracy)为89.55%,IDF1(identity F1 score)为88.34%,IDs(ID switches)为15。与基准方法Bytetrack相比,MOTA提高了10.72%,IDF1提高了6.19%,IDs减少了50%。结果表明,本文提出的基于自编码结构及改进Bytetrack的多目标跟踪算法可以有效解决在夜间低光照场景下行人跟踪困难的问题。