关键词： 狭小空间   仿生机器人   图像处理   深度机器学习   裂纹识别  

摘要： 飞机裂纹的检查贯穿飞机的整个生命周期,若不及时发现可能会带来严重的后果,尤其是飞机盒段等狭小空间部位,人不可达,微小裂纹难以快速检查,给飞机服役、地面强度及疲劳试验等带来重大安全隐患。本文研究了可自由进入狭小空间的仿生机器人平台,涉及仿生机器人机构、运动行为及步态规划、环境感知和避障等。开展了大量图像文本的数字增强、图像预处理、基于深度学习的图像裂纹算法等研究,在具有狭小空间特征的飞机盒段样件上开展了试验验证,通过盒段内部预设裂纹,有效地集成图像采集模块和仿生机器人平台,并结合图像采集环境调试,机器人路径规划、裂纹算法优化研究等,成功实现了对狭小空间内部的裂纹长度和位置的识别,为后续开展飞机裂纹全覆盖快速检查和维修策略提供技术支撑。

关键词： 海杂波   目标检测   图神经网络   无监督学习  

摘要： 受到复杂海洋环境的影响,雷达对海面慢速小目标难以实现高性能检测。对于这类目标,传统的基于能量的统计检测方法存在着严重的性能损失。针对这一问题,该文提出了基于互信息最大化框架下的海面小目标检测方法,实现海杂波背景下的无监督目标异常检测任务。首先,考虑到高分辨雷达回波不满足传统神经网络对样本独立同分布的假设,该文从图的角度重新建模数据,利用回波的空时相关特性来构建图拓扑结构。该文提出相对最大节点度并联合7个已有特征作为节点的初始表示向量。接下来,采用图注意力网络作为互信息最大化框架中的编码器学习节点表示向量。最后,使用异常检测算法进行目标检测,并实现虚警可控。经实测数据验证,使用快速凸包学习算法时,相比三特征检测器,所提检测器性能提升了9.2%;相比时频三特征检测器,性能提升了7.9%。当网络输出更高维的表示向量时,使用孤立森林算法的检测器的性能提升了27.4%。

关键词： 视网膜血管分割   神经网络   注意力机制   计算机视觉  

摘要： 视网膜血管的自动分割在眼科和心血管疾病的计算机辅助诊断中发挥着重要作用。注意力机制能够提高经典神经网络模型对图像特征提取的效率和精度,因此注意力机制在视网膜血管分割模型中广泛使用。首先回顾了视网膜血管分割的常用数据集及评价指标,接着根据工作机理将注意力分为选择性注意力机制和自注意力机制两类;根据计算机视觉任务中的作用域将注意力方法分为通道注意力、空间注意力以及混合注意力三类,结合视网膜血管分割任务重点介绍了以上三类方法的代表性注意力模型的具体应用,并对相关模型进行性能对比和评价。最后,对注意力机制存在的问题以及未来的发展趋势进行了讨论。

关键词： 计算机视觉   工业自动化检测   数据处理  

摘要： 随着科技的飞速发展,工业自动化已成为现代制造业不可或缺的一环。在此背景下,计算机视觉技术的崛起为工业自动化检测领域带来了新的革命性变革。因此,文章深入探讨了计算机视觉在工业自动化检测中的广泛应用。首先概述了计算机视觉的基本原理及其在工业自动化检测中的应用优势;随后详细分析了计算机视觉在产品质量检测、生产线监控与调度等多个场景中的实际应用,并通过国内外成功案例的对比分析,揭示了当前应用中存在的问题与挑战;最后提出了一系列优化策略与改进方法,旨在提高检测精度、优化数据处理及推动系统集成与智能化升级,为工业自动化检测技术的发展提供了新的思路与方向。

关键词： 农作物   种子检验   生物技术   分子标记   图像处理  

摘要： 通过综合运用生物技术、分子标记、图像处理技术等多种检验方法,可以提高农作物种子检验的准确性和效率。探讨了新时期农作物种子检验技术的应用,分析其在种质资源、种子质量控制和种子贸易等方面的重要作用,并探讨了新的检验技术在实际应用过程中面临的问题和解决方案,为农业生产和种子行业提供科技支撑,进而推动农业可持续发展。

关键词： 罐道木   提升装置   YOLOv7   目标检测  

摘要： 罐道木一般用于矿井提升装置停止后的固定,如何检测罐道木的磨损情况对于确保提升装置的稳定运行以及保证地下矿山的正常生产具有重要意义。YOLOv7算法在目标检测任务中表现出色,适用于矿山特殊的工作环境提出的罐道木磨损检测算法模型,通过相机连续采集罐道木磨损变化的图片,再基于YOLOv7算法进行训练,获得训练模型后,检测识别罐道木磨损图片并对算法模型的精度作出评价。模型训练后,罐道木数据集的Loss值最终下降到0.804,反映数据集检测效果的mAP值达到0.938。结果表明,该罐道木磨损检测算法能很好地克服井下恶劣环境并检测罐道木磨损情况,有效提高巡检人员的工作效率,从而确保矿山提升装置的安全。

关键词： 遥感图像   目标检测   YOLO   低跨度上下文解耦   并行级联注意力  

摘要： 针对现有遥感图像目标检测方法在受资源限制的小型设备中检测精度不足问题,提出了一种基于改进YOLOv7-tiny算法的高效轻量遥感图像目标检测方法。首先,针对遥感图像小目标分布密集问题,设计了一种低跨度的上下文解耦检测头模块,通过融合深层和浅层特征分别实现目标检测的分类和回归任务,有效解决了遥感图像小目标漏检和误检的问题。同时,针对遥感图像目标多尺度问题,设计了一种并行级联注意力机制,通过并行三分支网络与空间注意力模块相结合,增强了网络对多尺度目标特征的提取能力。此外,引入Focal-EIoU损失函数,提高模型泛化能力。对模型进行了对比实验、消融实验、部署实验和泛化实验,结果表明,在DIOR-5s和NWPU VHR-10数据集上的检测精度分别达到了85.4%、90.6%,相较原模型分别提高了2.6%、1.7%。且模型大小仅为19.1 MB,检测速度为64.1 fps,验证了算法的有效性。

关键词： 目标检测   YOLOv4   MobileNetv3   ECA注意力机制   K-means++  

摘要： 在交通场景下,现有YOLOv4算法检测电动自行车及摩托车驾驶员头盔佩戴时存在漏检率偏高、定位准确度较差、中小目标易聚集等问题。对此,文章提出了一种改进的YOLOv4算法。首先,选用轻量级网络MobilenetV3作为主干特征网络,并将YOLOv4网络中尺寸为3×3的标准卷积层均替换为深度可分离卷积,缩减了模型参数量;其次,引入ECA注意力机制与深度可分离卷积结合,从而替换PANet模块中的深度可分离卷积并增强特征网络表现力;最后,使K-means++聚类算法与Intersection-over-Union(IoU)相结合,并与anchors比较聚类,增强了聚类效果。实验结果表明,改进的YOLOv4算法mAP值达到了97.85%,比YOLOv4算法高出1.22%,检测速度由33.55 fps提升至50.60 fps。在满足精确性的前提下,改进的YOLOv4算法在头盔佩带检测场景中具有较好的性能,更利于轻量化部署。

关键词： 超声检查   深度学习   图像处理   人工智能   乳腺肿块  

摘要： 目的探究一种融合了SAM-YOLOV 5深度学习网络和图像处理技术的人工智能(AI)新模型在乳腺影像报告与数据系统(BI-RADS)4类肿块超声动态视频良恶性分类中的应用。方法回顾性收集2019年5月至2023年6月汕头大学医学院第一附属医院经病理证实的BI-RADS 4类的乳腺肿块患者458例(530个肿块),按7∶3的比例进行模型的训练和测试,分析模型的ROC曲线下面积(AUC)、敏感性、特异性、阳性预测值、阴性预测值。先与单张静态图像下的测试效果进行比较,再与3个传统的深度学习网络以及高、低年资医师组的测试效果进行比较。分析新模型在BI-RADS 4a、4b、4c类肿块中的诊断效能。结果二维超声动态视频在新模型中测试所得到的AUC、敏感性、特异性、阳性预测值、阴性预测值高于使用单张超声静态图像(均P<0.05)。基于二维超声动态视频下,新模型的AUC、敏感性、特异性、阳性预测值、阴性预测值高于3个深度学习网络模型(YOLOV 5、VGG 16、Resnet 50)和低年资医师组(均P<0.05),低于高年资医师组(其中仅特异性、阴性预测值P<0.05)。新模型对BI-RADS 4b类肿块诊断效能最低。结论基于SAM-YOLOV 5深度学习网络和图像处理技术开发的用于BI-RADS 4类乳腺肿块动态超声分类诊断的新模型有较高的诊断价值,有望用于辅助临床诊断。

关键词： 红外成像   热工性能   图像处理   定量检测   热工缺陷   建筑节能  

摘要： 综述红外热成像技术在建筑围护结构热工性能定量检测领域的研究成果,介绍国内外定量红外热成像法的理论基础、发展历程以及在量化热工缺陷能量损失中的应用,从构建稳态热流环境、对流辐射换热计算、测试操作选择3个方面总结现场检测的影响因素,归纳图像处理技术在排除光学干扰、辨识热工缺陷、热工信息可视化等方面对红外检测领域的贡献,分析未来红外热成像的应用前景与发展方向。研究表明,红外热成像技术可成为围护结构热工性能定量检测与热工缺陷量化识别的优秀方法。