关键词： 图像处理   YOLOv7   分类识别   姿态识别   深度学习   苹果  

摘要： 针对目前苹果在复杂环境下难以进行生长状态分类识别、姿态信息同步获取等问题,该研究提出了一种基于改进YOLOv7的苹果生长状态分类和果实姿态融合识别方法。首先改进多尺度特征融合网络,在骨干网络中增加160×160的特征尺度层,用于增强模型对微小局部特征的识别敏感度;其次引入注意力机制CBAM(convolutional block attention module),改善网络对输入图片的感兴趣目标区域的关注度;最后采用Soft-NMS算法,能够有效避免高密度重叠目标被一次抑制从而发生漏检现象。此外,结合UNet分割网络和最小外接圆及矩形特征获取未遮挡苹果姿态。试验结果表明,改进YOLOv7的识别精确率、召回率和平均识别精度分别为86.9%、80.5%和87.1%,相比原始YOLOv7模型分别提高了4.2、2.2和3.7个百分点,另外苹果姿态检测方法的准确率为94%。该文模型能够实现苹果生长状态分类及果实姿态识别,可为末端执行器提供了抓取方向,以期为苹果无损高效的采摘奠定基础。

关键词： 红外图像   图像增强   Deformable DETR算法   目标检测  

摘要： 基于Transformer架构的DETR系列网络在计算机视觉目标检测领域不断刷新目标检测的精度与速度。然而,基于红外图像的非合作目标检测的应用环境复杂,而且红外图像质量较差。针对该问题,提出了一种新的以Deformable DETR算法为基线的具有高检测精度的目标检测算法:首先设计了对红外图像进行图像增强处理的图像增强模块CLAHE-GB,并将其与Deformable DETR进行有机结合;然后在大型通用数据集上进行预训练;最后引入数据增强和迁移学习方法在自制的空中飞行物小型红外图像数据集中对检测头网络参数进行再训练,并对结果进行分析。结果表明:所提出的算法对红外图像数据具有较好的图像增强效果和检测精度。

关键词： Camshift算法   自适应性   多特征联合分布   目标跟踪   准确性   鲁棒性  

摘要： 针对Camshift算法在纹理与颜色相似干扰、目标遮挡等复杂背景中鲁棒性不高、易出现跟踪丢失等问题,提出了一种多特征联合分布的Camshift目标跟踪算法。新的算法选择等价模式LBP纹理,色调与饱和度为多特征,图像从RGB空间的转化为ULBP-H-S空间。选取图像中运动目标作为目标模板,计算目标模板的ULBP-H联合概率分布图与H-S联合概率分布图,通过自适应系数将两个联合概率分布图按位与运算后到目标的联合概率分布图。在每次迭代搜索中,通过自适应搜索窗口算法预测下一帧的搜索窗口位置与大小,在预测的搜索窗口中使用Camshift算法对目标连续跟踪。实验结果表明,改进的算法能在纹理与颜色相似干扰与目标遮挡复杂环境中,对运动目标跟踪有较高的准确性与鲁棒性。

关键词： Faster-RCNN   漏印   目标检测  

摘要： 本文提出了一种改进的Faster-RCNN算法进行缺陷检测,针对软包装漏印的特点,将原来的VGG16网络替换成运算量更小、网络深度更深的残差网络(ResNet-50),可以提取丰富的特征。为了使卷积神经网络自适应注意,在ResNet-50的残差网络中添加了CBAM自注意力机制模块。对于数据集,对采集的图像通过旋转、平移、亮度调整、加入噪声、Cutout等操作进行数据增强,避免数据样本不均衡,提升模型的鲁棒性。结果显示,改进后的Faster-RCNN模型与未改进的Faster-RCNN模型相比准确率提高了12%,mAP达到92.95%。证明改进后模型的有效性,节省大量人工成本,提高企业生产效率。

关键词： 目标检测   糖果气泡   YOLOv7   在线检测  

摘要： 在硬糖制造过程中,由于糖浆温度不稳定、搅拌不均等原因导致硬糖中出现气泡缺陷,影响其外观和口感,因此需要对含气泡的硬糖进行检测剔除。针对糖果气泡缺陷小且位置不固定的问题,提出了一种基于YOLOv7的糖果气泡缺陷识别算法。首先,采集糖果的彩色图像和深度图像,并对其彩色图像进行直方图均衡化和中值滤波,构建糖果气泡缺陷数据库;然后,构建基于YOLOv7的气泡缺陷识别模型,采用SimOTA和ReOrg操作提高模型运算速度和识别精度;最后,将构建的糖果气泡缺陷识别模型与现有的其他深度学习目标检测算法进行对比,实验结果表明所提出的识别模型综合性能最优。

关键词： 儿童望诊客观化   咽喉望诊   图像分割   图像处理   图像特征提取  

摘要： 目前中医望诊客观化正迅速发展,但是在儿童望诊领域尤其是咽喉望诊却鲜有基于儿童特有病理特征的客观化望诊研究。为解决以上问题,本研究设计了中医儿童咽喉望诊辅助系统,基于儿童咽喉病理特征对咽喉的上颚部、悬雍垂、咽扁桃体和咽后壁进行图像处理,利用颜色空间转换、大津阈值分割、区域填充等算法分别提取其颜色、形状、几何等特征进行分析。经过实验验证,系统对咽喉上颚部、悬雍垂、咽扁桃体及咽后壁的特征分析准确率分别为81.8%、90.2%、85.6%、72.7%,综合分析准确率达82.6%。系统通过结合中医理论和现代图像处理技术基本实现了儿童咽喉望诊的辅助工作,一定程度上推动了儿童望诊的进一步发展。

关键词： 多目标跟踪   轨迹片段   数据关联   次模优化  

摘要： 作为智能视觉任务的基础工作,多目标跟踪(MOT)一直是计算机视觉领域具有挑战性的课题之一。遮挡是影响跟踪准确性的主要因素,为此该文采用基于检测跟踪的思想,以轨迹片段为基础进行关联获取目标的完整轨迹;同时,为提高跟踪鲁棒性,该文将轨迹片段的生成问题转化为运筹学中的设施选址问题,并进而提出基于次模优化的轨迹片段生成方法。该方法融合梯度(HOG)和颜色(CN)两个互补特征进行目标表征,并根据运动信息设计权重系数提高目标匹配准确度,最后提出具有约束的次模最大化算法实现全局范围内的数据关联生成轨迹片段。通过在多个基准数据集上的对比实验,表明该文算法在保证性能的同时能有效处理遮挡问题。

关键词： 微弱目标检测   单帧型方法   多帧型方法  

摘要： 微弱目标检测是安全检测中的一项基础性技术,在海面监测、空中微弱目标检测、网络威胁发现等应用场景具有重要实用价值。由于大尺度场景下存在信噪比低、背景变化大等问题,导致微弱目标检测易出现虚警、漏检等问题,微弱目标检测一直是目标检测领域的研究难点和热点。根据检测图像使用的方法不同,微弱目标检测方法分为单帧型和多帧型两大类,单帧型方法的检测速度快,但在复杂场景下表现不佳,而多帧型方法提高了准确性但需要更多资源。未来,在深度学习和人工智能技术的推动下,微弱目标检测不仅将聚焦于提高检测的准确性和效率,还将探索更加复杂的应用场景,如在动态和多变环境中的实时检测,具有广阔的应用前景。

关键词： 目标跟踪   相关滤波   卷积神经网络   Tensorflow   OpenCV  

摘要： 论文基于Tensorflow深度学习框架,搭建了一个基于深度学习的跟踪模型。通过卷积神经网络提取特征,运用互卷积运算得到响应特征图。通过端到端的训练得到一个分类网络和一个回归网络。其中分类网络用于判断跟踪到的目标是否正确,回归网络用于得到跟精确的目标定位。在训练数据上,以开源的数据集为主,采集到的数据集为辅。对于没有标注的图像采用OpenCV结合算法进行初步标注,然后再由人工检查。论文使用数据集训练了一个通用的目标跟踪器,实现了对一般目标的跟踪,并评估本算法的性能。