关键词： 图像处理   板喂机控制   数据采集   监控镜头   破碎机电流  

摘要： 本文介绍了一种对破碎机工作效率进行优化的方法。具体来说,我们在石灰石卸料坑的上方安装了摄像头,用于监控石灰石的粒度情况。当有超规格的石块进入卸料坑时,我们可以通过提前预警的方式通知下游的板喂机,以便其能够提前调整速度和进行预判,从而避免破碎机因为过大的石块而出现卡顿等问题,提高其工作效率。这种方法可以有效地减少生产过程中的停机时间和维护成本,提高生产效率和产品质量。

关键词： 车牌识别   BP神经网络   图像处理   GUI界面  

摘要： 车牌识别系统在我国智慧交通系统中起着重要作用。为解决识别不精准、易受环境影响等问题,本文设计一种基于BP神经网络的智慧车牌识别系统,该系统主要包含车牌图像预处理模块、BP神经网络模块和GUI用户界面模块。通过MATLAB仿真,得出该系统可以在较为复杂的环境中识别车牌,并实现了在可视化用户界面进行数字图像的可视化操作。

关键词： GE-YOLO   实时目标检测   异常区域   消化内镜   YOLOv7-tiny  

摘要： 消化内镜是临床常用的消化道检查手段,在消化道疾病的早期诊断和治疗中具有重要作用。但常规内镜检查需要由专业医生操作并实时观察视频以确定病灶点,极度依赖医生经验,主观性强且容易造成漏检和误检。本研究提出了一种基于改进YOLOv7-tiny的消化内镜下异常区域实时检测方法:GE-YOLO。该方法以YOLOv7-tiny为基础框架,使用两种不同的特征提取模块(C3模块和P-ELAN模块)构建骨干特征提取网络,提高网络的特征提取能力;使用坐标卷积(CoordConv)取代上采样中的普通卷积,进一步提高模型对病灶的定位精度;使用部分卷积(PConv)取代特征提取模块中的3×3普通卷积,在保证模型性能的同时减少了模型的计算量和参数量,提升了模型的检测速度;最后使用基于IoU与归一化Wasserstein距离的联合损失函数,提升模型对微小病灶的敏感度。该模型利用Kvasir-Capsule数据集中含标记的图像(共4172张)进行了训练和测试,其平均精确率、召回率和F1得分分别达到了94.2%、97.2%和0.957,检测速度为60帧/s,与YOLOv7-tiny相比,精确率、召回率和F1得分分别提升了2.8%、12.0%和0.075。实验结果表明,本研究提出的方法能实现高精度的消化道病灶实时检测,有望部署于临床内镜检查设备,在检查过程中为医生提供实时辅助,从而大大提高内镜检查效率,具有重要的学术价值和临床意义。

关键词： 深度学习图像重建算法   图像处理   计算机断层扫描   主动脉  

摘要： 目的探讨70 kVp联合深度学习图像重建(DLIR)算法在低辐射剂量低对比剂用量的情况下对胸主动脉血管内修复术(TEVAR)后主动脉CT血管成像(CTA)图像质量的影响。方法前瞻性纳入65例TEVAR术后需接受主动脉CTA扫描的患者,随机分为两组。常规剂量组(A组)接受100 kVp管电压和60 mL对比剂扫描,低剂量组(B组)接受“双低”方案:管电压70 kVp,对比剂用量为0.5 mL·kg^(-1)。A组图像采用50%多模型迭代重建算法(ASIR-V)重建,B组图像分别采用滤波反投影(FBP)算法(B1亚组)、50%ASIR-V(B2亚组)、90%ASIR-V(B3亚组)及DLIR-H算法(B4亚组)重建。测量并比较各组主动脉CT值、图像噪声、对比噪声比(CNR)及品质因数(FOM)。采用5分制对图像噪声、血管锐利度和整体图像质量进行评估。结果B4亚组噪声最低,较A组降低约23.49%(P<0.001)。A组、B4亚组主动脉各感兴趣区(ROI)CT值、CNR值及图像主观评分差异无统计学意义(P>0.05);B4亚组FOM值大于A组(P<0.001)。与A组比较,B组辐射剂量降低约52.38%(P<0.001),对比剂用量和注射流率分别降低约39%和33.6%(P<0.001)。结论采用70 kVp结合DLIR算法在TEVAR术后主动脉CTA扫描中可获得与常规剂量相当的图像质量,且辐射剂量和对比剂用量大幅度降低。

关键词： 接触网绝缘子   YOLOX   目标检测   缺陷检测   注意力机制   损失函数  

摘要： 针对接触网绝缘子缺陷检测,提出了一种改进YOLOX-S的接触网绝缘子缺陷检测算法。在Backbone网络CSPNet结构中的残差模块部分引入CA模块,使神经网络能够将位置信息融入通道特征进行注意力调节;为减小正负样本不平衡带来的误差,置信度预测损失采用Focal Loss;同时,将EIoU Loss作为边界框的回归损失,使损失函数对真实框和预测框更加敏感,提升算法的检测精度。实验结果表明,改进的算法在接触网绝缘子缺陷数据集上mAP值达到90.88%,相比YOLOX-S提升了7.47%,证明了所提算法的真实有效性。

关键词： 孪生网络   单目标跟踪   注意力机制   特征响应   融合  

摘要： 针对孪生全卷积网络的单目标跟踪算法因无法提取到目标的高层语义特征和无法一次性集中关注并学习到目标的通道、空间及坐标特征导致在复杂场景下面临目标形变、姿态变化及背景干扰等挑战时,出现跟踪性能下降以及跟踪失败的问题,提出了一种基于多重注意力机制与响应融合的孪生网络单目标跟踪算法用来解决这一问题。在该算法中设计了小卷积核与跳层连接特征融合的深层骨干特征提取网络、改进型注意力机制及卷积互相关后的响应融合运算这3个模块用来提升该算法的跟踪性能,并通过消融实验验证了这3个模块的有效性。最后,经在OTB100基准数据集上测试,跟踪精确度达到了0.825,跟踪成功率达到了0.618。同时与其他先进算法进行对比,结果表明该算法不仅可以有效应对复杂场景下目标跟踪算法性能下降的问题,还可以在保证跟踪速度的前提下,进一步提高跟踪的精度。

关键词： 燃煤锅炉   燃烧辐射能   在线监测   三维温度分布   图像处理  

摘要： 针对燃煤锅炉炉内燃烧监测采用锅炉蒸汽侧热量信号所固有的延迟问题,结合炉内燃烧辐射能信号可以及时反映炉内燃烧负荷变化的特性,提出基于辐射图像处理与光谱分析技术的炉内燃烧辐射能在线监测系统。通过火焰图像探测器获取炉内辐射图像,结合光谱仪对炉内辐射图像进行在线标定,使用炉内燃烧温度分布及辐射能信号在线监测软件实时捕捉炉内燃烧热辐射图像,获得炉内燃烧温度分布以及辐射能信号。通过在一台330MW火电机组燃煤锅炉上进行在线监测应用,并与机组实发功率进行对比分析,结果表明:在稳定工况和变负荷工况下,该系统获得的炉内燃烧辐射能信号均可及时反映炉内燃烧负荷的变化。

关键词： 深度学习   目标检测   牛脸检测   Yolov5s  

摘要： 为解决牛脸目标识别精度问题,研究以深度学习图像处理技术为支撑,采用一种基于轻量型牛脸数据集训练下的Yolov5目标检测算法模型,对采集到的涵盖复杂背景的牛只图像中的牛脸目标进行识别。在Yolov5模型基础上针对牛脸部分细小目标对象检测能力做出改进。引入CBAM即插即用的注意力机制,增强网络对有意义区域的感知能力,并减少对牛舍背景复杂环境噪声等干扰信息的影响。融合BiFPN加权双向特征金字塔网络结构,可有效地融合牛只个体面部深层和浅层特征,提高网络对图像中包含牛只个体中大、小牛脸面部目标的检测能力。研究以小样本牛脸数据集支持,牛脸目标检测的平均准确率为0.934。结果表明,该研究可在实际生产中对牛脸目标进行有效检测。

关键词： 混凝土   粉煤灰   图像处理   孔结构  

摘要： 为解决川藏铁路某桥梁工程所面临的混凝土表面气孔和孔隙结构问题,基于工程配合比,采用三种不同等级的粉煤灰进行混凝土试验研究。采用数字图像分析方法表征混凝土表面的气孔形态,以气孔最大直径和气孔面积率为指标,研究粉煤灰种类对混凝土表面气孔特征的影响;采用压汞测孔法测试硬化混凝土内部的孔隙分布,对孔隙结构进行了分析,得出不同种类粉煤灰混凝土内部孔结构体积分布和孔结构指标。研究结果显示,粉煤灰种类对高原桥梁混凝土的表面气孔和内部孔结构有明显的影响。Ⅱ级粉煤灰混凝土表面气孔数量最多,气孔的最大直径和气孔面积率最大,Ⅰ级粉煤灰次之,磨细粉煤灰最小;磨细粉煤灰混凝土的孔隙率最小,孔隙结构较Ⅱ级、Ⅰ级粉煤灰更好。使用磨细粉煤灰可以更好地细化混凝土的孔隙结构,提高混凝土的密实度,改善混凝土的表观质量。

关键词： 水稻病害   YOLOv5算法   注意力机制   目标检测  

摘要： 针对传统深度学习算法难以在复杂环境下准确且高效地识别水稻病害问题,提出一种改进的YOLOv5算法,对水稻常见的白叶枯病、稻瘟病、东格鲁病和褐斑病的病斑进行检测。在原YOLOv5算法上结合混合域注意力机制进行特征校正,提高模型对水稻叶片和病斑位置信息的定位能力。在损失函数部分将原CIoU_loss更换为SIoU_loss,弥补CIoU_loss未关注边界框和真实框角度偏移的问题。选用Soft-NMS筛选预测框,缓和传统NMS因不同病斑重叠区域过大而发生预测框误删造成的漏检情况。在消融试验中,改进算法在水稻病害识别任务中mAP达到0.884,比原YOLOv5算法提升2.9个百分点,在针对褐斑病病斑的识别上提升较大。证明改进的YOLOv5算法在水稻病害识别任务中的有效性。