关键词： 商贸服务业   核心竞争力   商科   人工智能   图像处理   把握时机   大数据   视觉营销  

摘要： 引言随着互联互通、大数据、云计算、人工智能等模式和技术在商贸服务业的应用和发展,中国经济已经进入商业3.0时代。新兴技术带来智能修图的迅猛发展,商业理念的迭代更新对视觉营销岗位人才培养提出更高要求(李伟等,2021)。复合型视觉营销人才既要具备扎实图像处理应用技能,又要拓展知识面不断调整美工设计变革思维;既要自觉将艺术设计与商科思维相结合,也要将人文艺术修养领域内的各品类融会贯通;既要重视光影理论知识的学习和掌握,也要把握时机大胆地进行实践创新,从而提高自身的综合素质和核心竞争力。

关键词： 多目标识别   智能安防   视频监控   二值化   中值滤波器   目标检测   聚类  

摘要： 针对视频监控受到动态目标影响监控识别效果差的问题,提出基于多目标识别的智能安防视频监控研究。充分考虑多类目标情况,将多目标预判成词袋;分割处理图像,计算目标点与超平面的间隔,聚类处理多目标构建高斯模型表征背景,剔除高斯分布中存在的虚假背景,二值化处理目标,分离目标与背景。对差值进行阈值化判断,结合3×3邻域的中值滤波器去除噪声;判定入侵行为,完成智能安防视频监控识别。实验结果表明,该方法能够识别出全部目标,TA最大值为21%,TN最大值为90%,监控识别效果良好。

关键词： 风电叶片损伤识别   YOLOv8   目标检测   数据增强算法   卷积注意力模块   梯度协调机制   平均精度   平均召回率   快速区域卷积神经网络   交并比  

摘要： 针对风电叶片极易出现损伤和故障,且制造和维护成本高昂等问题,提出了一种基于改进YOLOv8模型的风电叶片表面损伤检测与识别方法。首先,将现场拍摄到的高清叶片图像作为实验数据集,并将其按比例随机划分为训练集、验证集和测试集;然后,在YOLOv8模型中引入了动态数据增强算法Mosaic、Mixup及离线数据增强算法Albumentations,对训练数据集进行了扩充,解决了模型在有限数据集下的泛化性问题;最后,使用卷积注意力模块(CBAM)和梯度协调机制(GHM)/Focal loss算法等手段加强了模型的损伤检测能力,改进了样本分布不均衡问题,建立了一种先进的风电叶片表面损伤检测与识别方法,提升了YOLOv8模型对叶片损伤的检测精度。研究结果表明:改进后的YOLOv8模型在计算量和参数量都较低的情况下,其平均精度(AP)、平均召回率(AR)都超越了同等配置下的快速区域卷积神经网络(Faster R-CNN)模型。改进后的YOLOv8模型在交并比(IoU)阈值为0.5时的AP和AR分别达到了73.2%和58.8%,验证了该方法在风电叶片损伤检测方面具有一定的可靠性和有效性。

关键词： 视觉识别   机器视觉   YOLOv5算法  

摘要： 为提高陈皮生产加工中柑果开皮的效率,降低陈皮加工的成本,保护工人的安全,本文设计了一款基于计算机视觉识别的柑果自动开皮系统。该系统采用YOLOv5算法、图像处理技术,可快速识别柑果的位姿,并通过旋转稳定平台调整柑果位姿,从而完成柑果自动化开皮前的位姿调整。柑果位姿识别需要的最快时间为25帧/秒,识别的成功率98%,实验结果表明,该方法对柑果自动化开皮工艺的效率有较大的提高,在高效率的同时保留了陈皮传统正三刀切法的工艺。

关键词： Affordance   计算机视觉   人-物交互   语义分割   深度学习   机器学习  

摘要： 利用基于计算机视觉的Affordance理解研究行为者和周围环境之间的交互属性,对指导机器人导航、抓取具有重要意义。因此,全面、深入地综述了基于计算机视觉的Affordance理解研究现状。首先,对近年来提出的方法依据研究方向进行归类,综述不同方法的思路和特点;然后,对多个常用的公开数据集进行介绍,并对不同方法在这些数据集上的性能进行对比分析;最后,阐述基于计算机视觉的Affordance理解各类方法的优势与不足及未来的发展趋势。

关键词： 目标检测   SSD   注意力机制   轻量化  

摘要： 针对当前目标检测算法难以在资源有限的硬件平台上运行的问题,以Single Shot MultiBox Detector(SSD)为基础,在SSD中引入GhostNet网络来替换原本的VGG16主干网络,再引入轻量化注意力机制来补偿轻量化模型带来的检测精度损失,提高网络检测能力。在同一数据集上进行检测,改进后的GC-SSD模型大小由原SSD模型的92.11 M减小到10.90 M,mAP相比于Ghost-SSD模型提高了15.43%。实验结果表明,改进后的GC-SSD模型mAP达到92.06%,模型大小大量减小,更适用于移动端设备。

关键词： 计算机视觉   Python   人工智能   课程设计  

摘要： 为贯彻国务院印发的《新一代人工智能发展规划》和教育部印发的《高等学校人工智能创新行动计划》精神,针对高职院校“数字图像处理”课程的教学现状,提出基于Python结合OpenCV的数字图像处理教学方案。以边缘检测为例,介绍OpenCV在教学方案中的作用(理论性强、内容抽象、算法较多的数字图像处理知识深入浅出,通俗易懂)。教学实践表明,通过Python结合OpenCV教学方案的应用有效提高高职学生的综合实践和创新能力,保证高职学生在人工智能领域的就业竞争力。

关键词： 图像处理技术   智能控制器   背景差分法   积分滑模控制  

摘要： 为了提高船舶的自主控制能力和运行效率,研究图像处理技术在船舶智能控制器中的应用。利用摄像机采集船舶图像,获取持续更新的船舶序列图像。采用大津法确定船舶目标提取阈值,利用背景差分法提取船舶图像目标。从船舶图像目标中,提取船舶位置、船舶尺寸、船舶航向角、船舶航行速度,作为船舶智能控制的运动态势参数。利用船舶运动态势参数中的位置矢量与速度矢量,构建船舶的动力学模型、船舶的积分滑模控制面,设计船舶智能控制器,实现船舶航行的智能控制。实验结果表明,采用该方法控制船舶,船舶的实际舵角与期望舵角相差较小,可有效提升船舶的自主控制能力。

关键词： 事件相机   目标检测   神经网络  

摘要： 事件相机是模仿生物视网膜的成像方式,具有高动态、低延迟、高时间分辨率以及低功耗的特性。其突破传统相机难以捕捉在高动态范围情况下的物体并进行目标识别的困境,事件相机的特性对于研究基于事件相机的目标检测问题具有实验意义。简要叙述事件相机的现状、发展过程、优势与挑战,介绍了各种类型事件相机的工作原理和一些基于事件相机的目标检测算法,阐述了基于事件相机的目标检测算法面对的挑战和未来趋势,并进行了总结。

关键词： 下咽癌   磁共振成像(MRI)   目标检测   语义分割   深度学习   检测病灶  

摘要： 相比于肺癌、肝癌等常见的癌症,下咽癌是一种罕见的疾病。由于下咽癌的磁共振影像往往亮度不均、模糊、噪声重,因此如何从这些磁共振图像中获取有用信息是一个难题,如何使用深度学习通过磁共振图像来检测下咽癌的病灶是一项重大挑战。首先,综述了下咽癌的磁共振图像特点及成因,概括了Faster-RCNN、RetinaNet、FCOS、Cascade-RCNN等常见目标检测网络的特点和应用领域,并且分析了目标检测网络应用在下咽癌病灶定位上所面临的挑战,介绍了行之有效的解决方法:可变形卷积和应用定制的锚框。然后,介绍了常见的语义分割网络,并分析了把这些语义分割网络应用在下咽癌病灶分割上所面临的挑战。最后,对上述提到的目标检测网络和语义分割网络进行了总结,并对未来下咽癌医学影像的目标检测和语义分割工作进行了展望。