关键词： 操动机构   高压开关设备   机构箱   图像处理   状态评估   异物检测   鲁棒性   准确率  

摘要： 随着操动机构装置在高压开关设备中的广泛应用,装置的可靠性和稳定性越来越受到关注。针对机构箱状态评估依赖大量标注数据、难以工程应用等问题,提出了一种基于图像处理的机构箱底部异物检测方法。试验结果表明,方法在操动机构箱底部异物检测中的准确率为87.7%,具有较强的鲁棒性。

关键词： 尾迹   水下目标   目标检测   目标识别   遥感   影像  

摘要： 水下目标识别技术在现代战争中发挥着重要的作用。随着遥感技术的发展,通过遥感手段检测尾迹识别水下目标是重点研究方向之一。简要介绍了水动力学尾迹和热尾迹,并且根据遥感影像分类讨论,分析了光学影像、合成孔径雷达(SAR)影像、热红外影像尾迹识别技术的特点和算法,提出未来发展初步构想,梳理总结了应关注的重点技术方向,为水下目标探测发展提供参考。

关键词： 空间点目标   事件流数据   脉冲神经元   目标跟踪  

摘要： 在当前的空间态势感知领域,针对快速移动的空间点目标的检测与跟踪,传统的基于帧的视觉传感器表现出了一定的局限性,难以满足日益增长的任务需求.因此,基于神经形态学的事件相机,凭借其高时间分辨率和高动态范围,已成为目前的研究焦点.提出一种基于异步事件流的空间点目标跟踪方法.通过单层脉冲神经元滤除其中的噪声,并得到候选目标;采用最近邻运动轨迹关联对候选目标进行持续跟踪,从而得到每个候选目标的运动轨迹;通过特征权重虚警滤除去除候选目标中的虚警目标,保留实际的空间点目标的运动轨迹.在实验阶段,分别使用CeleX-V事件相机测量事件数据和公共空间目标事件数据集(EBSSA数据集)验证了所提出算法的有效性.实验结果显示,在灵敏度和信息量两项指标上,相较于文中提到的基于事件的空间目标跟踪方法具有一定的优势,证明了基于异步事件流的空间点目标跟踪方法能够准确地从原始事件流数据中检测出一个或多个空间点目标,并获取其运动轨迹.

关键词： 图像处理   图像色彩模型   优化算法  

摘要： 计算机图像处理是计算机科学和工程领域中的一个重要分支,它的发展不断地改变着人们的生活方式、工作方式以及与世界互动的方式。随着计算机技术的飞速发展,图像处理已经成为多个领域的关键技术。从数字摄影到医疗影像,从虚拟现实到人工智能,计算机图像处理已经在各个领域崭露头角。它的应用范围涵盖从简单的图像增强到复杂的对象识别和模式分析。本文探讨计算机图像处理的应用领域,探讨未来的趋势和潜在的挑战。计算机图像处理已经成为当今数字化社会的核心组成部分,深刻地改变人们的生活,并将继续引领未来的科技创新。

关键词： 钢构件   尺寸测量   YOLOv3   计算机视觉  

摘要： 钢构件生产加工过程中的质量检查对于构件的质量控制非常重要。其中,尺寸检测和孔洞尺寸的检测是钢结构加工过程中的重要一环。当前构件加工检测仍然以传统的卷尺测量为主,不能形成数字化检测结果无法进行信息化管控,同时对异形构件检测效果差。针对现有检测手段存在的不足,提出了一种基于计算机视觉领域算法的钢构件尺寸测量方法。利用视觉摄像头传感器获取数字图像并进行数据预处理,利用计算机视觉领域YOLOv3算法对数字图像进行目标检测,形成数据模型,在实现对钢构件外边缘和其上孔洞轮廓的批量化自动化处理与识别的基础上,开展构件尺寸检测。经过验证,YOLOv3模型算法检测精确度到达了100%。通过图像识别得到的检测结果和实际尺寸的误差在7.44%和0.08%以内,能够预测真实尺寸。

关键词： 计算机视觉   生成对抗网络   文本生成图像   CotNet   图像特征融合  

摘要： 现有的层级式文本生成图像的方法在初始图像生成阶段仅使用上采样进行特征提取,上采样过程本质是卷积运算,卷积运算的局限性会造成全局信息被忽略并且远程语义无法交互。虽然已经有方法在模型中加入自注意力机制,但依然存在图像细节缺失、图像结构性错误等问题。针对上述存在的问题,提出一种基于自监督注意和图像特征融合的生成对抗网络模型SAF-GAN。将基于ContNet的自监督模块加入到初始特征生成阶段,利用注意机制进行图像特征之间的自主映射学习,通过特征的上下文关系引导动态注意矩阵,实现上下文挖掘和自注意学习的高度结合,提高低分辨率图像特征的生成效果,后续通过不同阶段网络的交替训练实现高分辨率图像的细化生成。同时加入了特征融合增强模块,通过将模型上一阶段的低分辨率特征与当前阶段的特征进行融合,生成网络可以充分利用低层特征的高语义信息和高层特征的高分辨率信息,更加保证了不同分辨率特征图的语义一致性,从而实现高分辨率的逼真的图像生成。实验结果表明,相较于基准模型(AttnGAN),SAF-GAN模型在IS和FID指标上均有改善,在CUB数据集上的IS分数提升了0.31,FID指标降低了3.45;在COCO数据集上的IS分数提升了2.68,FID指标降低了5.18。SAF-GAN模型能够有效生成更加真实的图像,证明了该方法的有效性。

关键词： 集装箱损伤   目标检测   YOLOv5   CBAM   Bi-FPN   EIOU  

摘要： 针对港口复杂环境背景下,不同尺度间多种类集装箱损伤目标检测精度低的问题,提出一种基于改进YOLOv5的港口集装箱损伤检测算法。通过使用一维卷积改进卷积块注意力机制(CBAM)中空间注意力模块的池化操作,后设计残差结构,并验证在不同位置引入改进的CBAM基本块对模型性能的影响,探索尽量减小复杂背景对检测结果影响的最佳方案及融合位置;为有效解决不同集装箱损伤图像尺度特征变换较大的问题,依据双向特征融合网络(Bi-FPN)结构思想,对颈部特征融合网络进行改进,在不过多增加计算量的情况下,更好地增强网络对多尺度目标的特征融合能力;最后将EIOU Loss替换GIOU Loss作为算法的损失函数,在降低算法边界框回归损失的同时提高算法的检测精度。实验结果表明,改进YOLOv5算法的平均检测精度达到了98.32%,较原YOLOv5目标检测算法提高了4.28%,同时保证了检测速度,验证了所提出算法的有效性,对港口企业高精度验箱的工业部署有重要意义。

关键词： 玻璃量器   量器检定   图像处理   自动加液   液位检测  

摘要： 玻璃量器作为常规配套设备,其需求量日益增长,常用玻璃量器的检定任务越来越重,传统的人工检定已不能满足日益增长的业务需求。该文提出了一种图像法和反馈控制技术相结合的容量示值检定自动化技术,即一种基于图像处理的常用玻璃量器检定自动化装置,主要解决加液自动化功能、容量示值读数自动化功能。开发集数据采集、处理、原始记录生成、报告打印等多功能于一体的软件系统。

关键词： 可视-红外行人重识别   度量学习   深度学习   跨模态学习   计算机视觉  

摘要： 可视-红外跨模态行人重识别任务的目标是给定一个模态的特定人员图像,在其他不同模态摄像机所拍摄的图像集中进行检索,找出相同人员对应的图像。由于成像方式不同,不同模态的图像之间存在明显的模态差异。为此,从度量学习的角度出发,对损失函数进行改进以获取具有更加辨别性的信息。对图像特征内聚性进行理论分析,并在此基础上提出一种基于内聚性分析和跨模态近邻损失函数的重识别方法,以加强不同模态样本的内聚性。将跨模态困难样本的相似性度量问题转化为跨模态最近邻样本对和同模态样本对的相似性度量,使得网络对模态内聚性的优化更加高效和稳定。对所提方法在全局特征表示的基线网络和部分特征表示的基线网络上进行实验验证结果表明:所提方法对可视-红外行人重识别的预测结果相较于基线方法,平均准确度最高可提升8.44%,证明了方法在不同网络架构中的通用性;同时,以较小的模型复杂度和较低的计算量为代价,实现了可靠的跨模态行人重识别结果。

关键词： 小样本   无监督学习   生成对抗插补网络   缺失值预测   运动目标检测  

摘要： 针对运动目标检测过程中由于背景复杂、目标易发生遮挡而产生的漏检问题,提出一种基于无监督缺失值预测的运动目标检测算法。将漏检的目标视为标签数据中的缺失值,根据待检测目标的类别和数量,利用无监督的生成对抗插补网络(generative adversarial imputation networks,GAIN),通过已获取的标签数据对缺失值进行预测,以牺牲较少的精确率为代价大幅提高召回率。在小样本的牛只特征部位数据集上的实验结果表明,在标签数据缺失率低于40%的情况下,缺失值预测的准确率约为95%,对于不同程度的被遮挡目标,检测的平均F1分数为0.92。该方法在小样本条件下,对运动目标具有较好的检测性能,可减小实际应用中的不确定性,以及算法对样本数据的依赖性,改善运动目标检测过程中的漏检问题。