关键词： 缺口检测   切割片   图像处理  

摘要： 切割片边缘出现缺口是一种常见的切割片缺陷,针对切割片边缘缺口多样性,该文提出了一种基于数字图像处理的检测方案。该方法首先通过图像采集设备获取切割片图像,利用图像处理技术提取切割片的边缘信息,引入欧氏距离差值法来筛选出边缘轮廓中差值较大的像素点坐标,从而得到缺口边缘轮廓点集。通过计算缺口边缘轮廓与拟合圆之间的交集得到缺口区域像素点坐标,最终实现缺陷区域定位和标记。该方法能够有效地检测出切割片边缘出现的缺口缺陷。

关键词： 无人机   目标跟踪   注意力机制   孪生网络算法  

摘要： 无人机目标跟踪场景复杂,目标移动速度快,导致被跟踪目标产生剧烈的尺度变化。注意力机制是解决复杂背景影响的常用方法,但现有的注意力机制只关注模板与搜索区域之间的关系,忽略了不同层次特征之间的相互依赖关系。针对以上问题,提出利用时空注意力机制结合时间和空间信息,对无人机跟踪的背景进行建模,解决背景复杂问题;为了缓解特征融合中注意力机制的高计算复杂度问题,在特征融合前进行Top-k操作,选择最相关的特征,并提取双重特征作为自适应锚框生成模块的输入特征,以解决目标尺度变化问题;最后,去除基线方法中损失函数的冗余权重,以提升训练效果和跟踪性能。实验结果表明,该算法在UAV数据集上跟踪准确率为76.6%,多个困难场景的跟踪准确率高于72%,可以减少尺度变化和外部因素对无人机目标跟踪性能的影响。

关键词： 计算机视觉   富血小板血浆治疗   卒中   复杂性区域疼痛综合征  

摘要： 目的评估计算机视觉技术引导下富血小板血浆(PRP)治疗对卒中后上肢复杂性区域疼痛综合征(CRPS)患者的疗效及其对上肢功能和日常生活能力的影响。方法为前瞻性、随机对照试验。2022年7月至2023年12月共纳入90例符合CRPS诊断标准的患者。参与者随机分配至对照组(n=45)和观察组(n=45)。对照组接受标准物理治疗,30 min/d,持续3周。观察组在接受相同的物理治疗基础上,额外每周进行1次计算机视觉系统引导下的PRP注射。治疗前后,采用简化Fugl-Meyer评分上肢部分(FMA-UE)、UCLA肩关节功能评分及视觉模拟评分(VAS)进行评估。结果治疗前,两组在FMA评分、UCLA评分及VAS评分方面差异无统计学意义(P>0.05)。治疗后,虽然FMA评分未见显著变化(P>0.05),但两组在UCLA评分和VAS评分上均有显著提高(P<0.05),且观察组的改善显著优于对照组(P<0.05)。结论计算机视觉引导下的PRP治疗能有效缓解卒中后CRPS的疼痛症状,并显著改善肩关节活动及功能。然而在提高患者上肢总体运动功能方面尚未观察到显著变化,仍需进一步研究以确认其潜在效果。

关键词： 图像处理   图像降噪   深度学习   火焰光场图像   3维温度场重建  

摘要： 火焰光场图像在形成过程中夹杂的辐射噪声和成像噪声会降低火焰温度场3维重建精度,该文提出一种基于改进U型网络(UNet)的降噪模型,该模型针对辐射噪声和成像噪声的特性以及复杂火焰图像的纹理信息设计了背景净化模块和边缘信息优化模块。通过密集卷积操作对图像背景层进行特征提取,着重净化夹杂在图像背景层的辐射噪声。通过UNet模块中对称的编码器-解码器网络结构和跳跃连接,对通道间的辐射噪声和表层的成像噪声降噪。最后利用边缘优化模块对图像细节信息进行提取,从而获得更高质量的火焰光场图像。数值模拟部分,在火焰光场图像上混合加入信噪比为10 dB的辐射噪声和成像噪声,经该文模型降噪后的峰值信噪比(PSNR)和结构相似指数(SSIM)高达47 dB和0.9931,与其他降噪模型相比有明显优势。随后,将火焰光场图像先经该文降噪模型降噪,再进行温度场重建,测得重建平均相对误差比未降噪时降低了约37%~57%,明显提升了火焰温度场3维重建的精度。实验部分,获取真实蜡烛火焰和丁烷火焰光场图像,经该文降噪模型降噪后的蜡烛火焰图像SSIM高达0.9870,降噪后的丁烷燃烧火焰图像SSIM为0.9808。

关键词： 遥感影像   目标检测   局部无参注意力(LPFA)   最优传输距离   联合损失函数  

摘要： 目的遥感目标检测技术在遥感测绘、智慧城市、乡村振兴和国防军事等领域具有广泛应用,但遥感影像存在背景信息复杂、待检目标小且多等特点,导致目标特征随着网络加深淹没在背景信息中,不利于后续检测任务。针对此问题,基于YOLOv5s(you only look once)网络,提出一种局部无参注意力和联合损失的遥感目标检测方法。方法首先提出一种局部无参注意力机制,能够根据当前特征提高局部区域内的目标关注度,而不引入训练参数,以此构建无参注意力残差块,并将其嵌入到骨干网络的不同阶段,实现多尺度目标特征增强和背景信息抑制。在此基础上,利用最优传输距离度量边界框的相似性,构造W-CIoU(Wassertein-complete intersection of union)联合度量方法和相应损失函数,以缓解锚框与真实框差异过大导致的标签误分配问题,降低小目标漏检率。结果在RSOD(remote sensing object detection)和RSSOD(remote sensing super-resolution object detection)数据集上的实验结果表明,该方法在保证模型参数量和复杂度基本不变的前提下,其平均精度均值(mean average precision,mAP)分别达到98.2%及87.4%,相较两种主要对比方法DAB-DETR(dynamic anchor boxes for detection Transformer)和YOLOv8s,在RSOD数据集上分别提升0.8%和0.3%,在RSSOD数据集上分别提升2.9%和2.6%。结论本文方法能够抑制背景信息并增强目标特征,提高检测性能,相较对比方法能更好地满足复杂场景下小目标检测需要。

关键词： YOLOv5s   目标检测   注意力机制   损失函数   行人检测  

摘要： 为了提高图像目标检测的准确率,提出一种结合注意力机制的YOLOv5s目标检测算法。首先,针对局部遮挡以及小目标难以检测的问题,在YOLOv5s主干网络中引入注意力机制以提高目标检测算法对重要区域的特征提取能力;然后,为降低模型复杂度并加快网络收敛速度,使用SIoU损失函数替换YOLOv5s原有损失函数CIoU;最后,利用改进模型与人群检测算法进行对比试验,分析模型行人检测能力。在VOC2007数据集上的对比实验表明,改进后的YOLOv5s目标检测算法平均准确率达到了70.5%,有效改善了复杂背景下的行人检测效果,同时实现了网络的轻量化。

关键词： 漆面缺陷   图像处理   深度学习   缺陷检测法  

摘要： 旨在通过机器视觉技术提高汽车漆面缺陷检测的效率和准确性,提出一种基于机器视觉的改进的汽车漆面缺陷检测算法,主要通过比较深度学习方法,设计高效、稳定的检测系统,为汽车制造企业提供智能化检测解决方案,提升漆面质量和生产效率。该算法结合传统图像处理和深度学习方法,采用了多尺度图像金字塔、快速预筛选、轻量级深度网络、上下文感知模块和注意力机制等技术。在包含10000张图像的数据集上进行了试验,算法准确率达到96.8%,同时保持较低的计算复杂度。结果表明:该算法在准确性、效率和鲁棒性均优于现有方法。

关键词： 财务风险预警   人工智能   机器学习   计算机视觉   LSTM神经网络   电商企业  

摘要： 电子商务企业在激烈的竞争环境中财务风险日益增加,传统的财务管理手段已难以应对复杂的风险情境。为了提升电子商务企业财务风险预警能力,以美妆电子商务企业悠可为例,悠可通过引入机器学习、计算机视觉和深度学习等技术,构建了多维度的财务风险评估体系。机器学习模型通过挖掘历史财务数据,实现了对潜在风险的早期识别,计算机视觉技术提高了票据核验的自动化水平,而LSTM神经网络则大幅提升了现金流预测的准确性。研究表明,人工智能的应用显著提高了财务预警系统的效率和准确性,但也暴露出一些问题,如模型可解释性不足、票据识别的泛化能力有限及部分外部因素未纳入预测模型。针对这些问题,本文提出了进一步的优化建议,旨在为电商企业在数字化转型过程中有效管理财务风险提供参考。E-commerce enterprises are facing increasing financial risks in a fiercely competitive environment, and traditional financial management methods are no longer able to cope with complex risk scenarios. In order to enhance the financial risk warning capability of e-commerce enterprises, taking beauty e-commerce enterprise Youke as an example, Youke has constructed a multidimensional financial risk assessment system by introducing technologies such as machine learning, computer vision, and deep learning. Machine learning models achieve early identification of potential risks by mining historical financial data, computer vision technology improves the automation level of bill verification, and LSTM neural networks significantly enhance the accuracy of cash flow forecasting. Research has shown that the application of artificial intelligence has significantly improved the efficiency and accuracy of financial warning systems, but it has also exposed some problems, such as insufficient model interpretability, limited generalization ability of bill recognition, and some external factors not being included in the prediction model. In response to these issues, this article proposes further optimization suggestions aimed at providing reference for e-commerce enterprises to effectively manage financial risks in the process of digital transformation.

关键词： 动态卷积   自适应特征融合   损失函数   目标检测  

摘要： 针对摔倒行为检测精度不足、鲁棒性差等问题,提出一种基于动态卷积与自适应特征融合的摔倒检测算法,在YOLOv5基础上,首先采用动态卷积ODConv,多维注意力和并行策略;其次采用自适应特征融合ASFF,自主学习不同特征图的空间权重来提高特征图的交互性;最后使用了Focal-SIOU loss损失函数降低损失,结合以上改进获得摔倒目标检测系统网络为YOLOv5-OAF。仿真结果表明,改进的平均精度map达到84.30%,与原YOLOv5模型相比增加了3.6%,损失降低了0.010389,能够同时提高检测精度和小目标检测能力。

关键词： 车牌识别   图像处理   对数变换函数  

摘要： 汽车保有量持续增长促使交通管理在全球经济蓬勃发展的大背景下要求更高,需要更精准的车牌识别技术,但目前的车牌定位技术面临着诸多挑战尤其是在光照条件多变、背景环境复杂、车牌老化褪色、表面瑕疵等不利因素下,其定位精确度和效率受到了一定的限制,这是目前车牌定位技术所面临的诸多挑战。针对上述问题,通过引入分段对数变换技术,对中间亮度区域进行优化再降低整体亮度范围,通过精细化调控有效增强低光环境下的画面亮度,为车牌区域的初步识别打下坚实基础。此外为应对日间强光导致图像曝光过多的问题进一步整合自适应分段双边伽马变换增强算法,使高亮图像的视觉效果因其非线性对比度调节能力得到显著提升,车牌细节也更加清晰可辨。本文旨在通过整合上述先进的图像处理技术在一定程度上规避算法层面的亢余性,同时构建出一种更高效的车牌定位解决方案以应对现实世界中复杂多变的识别挑战。