关键词： 数字图像   处理技术   电子元器件   外观缺陷检测  

摘要： 现代电子元器件的制造与应用广泛,外观缺陷可能会影响其性能和可靠性。传统工艺中,人工视觉检查是一种常见的缺陷检测方法,但其存在主观性高、效率低等问题。因此,应用数字图像处理技术进行自动化外观缺陷检测,具有重要的研究价值和实际应用前景。本研究针对电子元器件外观缺陷的特点,提出了一种基于数字图像处理技术的缺陷检测方法,并设计了相应的检测流程。实验结果表明,该方法能够有效地检测出电子元器件的外观缺陷,并具备较高的准确性和效率。

关键词： 3D目标检测   激光雷达点云   多尺度稀疏空间特征聚合   分层激励  

摘要： 针对目前基于点云的3D目标检测中单阶段体素法存在感受野固定、特征尺度单一,导致模型对点云特征学习不够充分、模型检测效果存在瓶颈等问题,提出了一种可端对端训练的基于体素的单阶段3D目标检测模型.首先,利用多尺度稀疏空间特征聚合模块,聚合点云在不同稀疏空间尺度上的特征,使特征充分保留点云的空间信息;然后,对特征进行分层激励,通过多尺度感受野对特征进行分层学习,强化特征的表达能力,降低噪声信息对检测结果的影响;最后,将特征输入检测头进行候选框的分类和回归.在公开的自动驾驶数据集KITTI上与主流单阶段3D目标检测模型进行了对比实验,包含对3类目标共9个的难度等级目标的检测.所提模型在其中5个等级中的平均准确率有明显提升,尤其对点云稀疏的目标,表现出较好的检测效果.实验结果表明,所提模型能够充分提取点云空间信息并有效地学习点云多尺度特征.

关键词： MR图像   心房纤维化   图像增强   目标跟踪   分割算法  

摘要： 目前主流的左心房纤维化区域分割方法是先手动划分心房壁区域,再在心房壁区域内使用阈值法提取纤维化部分。这不仅需要操作者具有专业的背景知识,同时工作量也较大,而且阈值法也难以同时对轻重程度不同的纤维化区域进行精确分割。为了解决上述问题,本文提出一种新的基于MR图像纤维化区域分割方法。首先使用拉普拉斯锐化算法,提高纤维化区域的对比度,同时采用核相关滤波算法对目标区域进行跟踪,从而去除心房外的组织;其次比较区域增长法、活动轮廓法以及基于Hessian矩阵的分割算法对纤维化区域的分割效果,选出效果最优的分割方法;最后对纤维区域的三维点云数据进行重建与渲染。实验结果表明,该方法无需逐图手动划分心房壁区域,且分割结果具有较高的准确度,可以更好地帮助医生对相关疾病进行诊断。

关键词： 小目标   目标检测   图像分割   异形零件  

摘要： 针对装备零件存在异形小目标识别不准确的问题,基于YOLOv7视觉检测方法、U2Net图像分割方法,设计了YOLOv7-GTBM小目标检测方法和U2Net-MGP像素级图像分割方法,用于检测异形小目标。以SIM卡槽代替装备零件中的异形小零件作为实验对象,首先利用小目标检测方法对SIM卡槽进行粗定位,再应用像素级图像分割方法准确的分割其边缘轮廓,最后根据SIM卡槽的实际装配需要完成后续操作。实验结果表明:该方案在检测效果和分割精度上都优于其他算法,抓取SIM卡槽的成功率达到98%。

关键词： 城市内涝   MaskR-CNN模型   TensorFlow   深度学习   目标检测   YOLOv5   ResNet   危险度分析  

摘要： 在城市内涝场景当中,较多人与车辆被困于积水中,给大众生活带来不利影响。随着计算机技术的快速发展,深度学习在解决实际问题中的运用也越来越广泛。文中提出了一种利用TensorFlow深度学习框架搭建MaskR-CNN(Regions with Convolutional Neural Networks Features)模型的方法,对城市内涝场景的积水区进行检测,检测效果良好,mAP(mean Average Precision)值达到89%。同时,基于YOLOv5(You Only Look Once version 5)模型,采用密集帧间差运算对处于积水区中的人车进行追踪,追踪精度达到90%左右,并使用YOLOv5外挂ResNet(Residual Network)实现了对内涝场景中的车辆进行淹没危险度分析。实验结果表明,文中所用模型的车辆危险度检测效果优于其他模型。

关键词： 多特征融合   舰船检测   纹理特征   自适应融合   支持向量机  

摘要： 为避免复杂海洋背景导致的舰船检测效果差问题,研究基于多特征融合的舰船目标检测方法。以选择性搜索算法获取初始舰船目标潜在区域为基础,结合几何和灰度特征约束从中选取舰船目标潜在区域,分别从舰船目标潜在区域中提取纹理、亮度、轮廓特征,通过自适应融合系数融合舰船目标多特征,以多特征融合结果为支持向量机分类器的输入,实现舰船目标检测。实验结果显示,该方法可有效降低38%以上的初始潜在区域数量;结合多特征的舰船目标描述能力,可实现精准舰船目标检测。

关键词： 电弧状态   局部二值模式   GoogLeNet神经网络   图像处理  

摘要： 电弧熔丝增材制造过程中电弧行为是影响零件成形精度及质量的关键因素之一,针对电弧熔丝增材制造过程中电弧无振荡、摇摆振荡以及圆周振荡3种电弧状态的监测图像,提出一种基于局部二值模式(local binary pattern,LBP)与GoogLeNet神经网络结合识别电弧模式的新方法.结果表明,通过局部二值模式获取电弧形态图像中的纹理特征,然后建立GoogLeNet神经网络模型,相比于直接对原始图像进行神经网络的训练,该方法可有效识别电弧长度、宽度以及左右最大倾角随堆积层数的变化规律,从而精准判别电弧所属状态.针对常规存在熔池、熔滴以及复杂背景等因素干扰的电弧形态图像,该方法处理后可获得更清晰的电弧边缘轮廓,更有利于将熔池、熔滴和电弧的形态边界进行划分,最终的状态识别准确率可达99.50%,为电弧熔丝增材制造过程中的电弧状态监测提供理论参考.

关键词： 交通标志检测   YOLOv5   注意力机制   损失函数  

摘要： 为了提高小目标检测的精度和减少漏检率,本文提出了一种基于YOLOv5改进的交通标志目标检测算法。通过融合注意力机制CBMA和加权特征融合网络BiFPN,同时采用SIoU损失函数以提高模型准确性。实验结果表明,本算法在CCTSDB数据集上实现了93.6%的m AP,相比于原始算法提高了6%。尤其在中远距离小目标检测任务下,该算法检测速度达到了63.13FPS,显著改进了原模型效果,满足了实时性要求。

关键词： 图像处理   图像分割   模糊C均值聚类   模糊因子   像素一致性   像素差异性  

摘要： 为了确保模糊C均值(FCM)在分割磁共振图像时能取得更好的分割结果,在基于局部信息的模糊C均值算法(FLICM)框架下,对邻域项进行改进,提出一种新的FLICM算法。首先,使用非局部均值滤波对原图像进行处理生成附加图像,根据附加图像信息和原始图像信息定义像素一致性系数,再对像素点的含噪情况进行衡量,避免含噪像素对邻域项产生过大影响。然后,构造一个中心像素与邻域像素差异性系数,用于衡量邻域像素的灰度差,并与像素一致性系数相结合建立像素相关系数,从而更有效地计算邻域像素的相关性。最后,使用像素相关系数构造新的模糊因子并与FLICM算法相结合,得到改进的FLICM算法。通过与3种算法在不同图像上的比较表明,该算法能得到更准确的分割结果。

关键词： 卷烟   包灰颜色   裂口率   缩灰率   炭线宽度   炭线整齐度   计算机视觉  

摘要： 为解决卷烟包灰检测结果存在一致性和可比性差的问题,开展了基于计算机视觉的卷烟包灰检测方法标准化研究,提出了包灰颜色、裂口率、缩灰率、炭线宽度和整齐度等指标的检测方法和结果表征方式,研究了成像时机、检测区域、成像方式等因素对包灰检测结果的影响,通过共同实验评价了检测方法的重复性和再现性。结果表明:①通过包灰颜色、裂口率等指标能够全面评价卷烟包灰质量。②包灰检测可采用单面成像方式采集图像,应在卷烟阴燃状态时成像,检测区域的灰柱长度应大于25.0 mm。③基于计算机视觉的检测方法对于包灰颜色、缩灰率和炭线宽度具有较好重复性和再现性,裂口率和炭线整齐度重复性受样品影响较大。基于计算机视觉的包灰检测方法能够实现包灰质量的科学准确评价。