关键词： 自动驾驶   多传感器融合   3D目标检测   点云编码   自注意力机制  

摘要： 为了进一步解决3D目标图像与雷达信息异构特征难以匹配的问题,设计了一种面向自动驾驶模态融合的相机-激光雷达3D目标(3DMMF)检测方法。将约束条件引入到多维空间中,根据稀疏张量用于概率信息融合,利用最大池化方法与概率得分的预期目标对应,获得最终融合效果。研究结果表明,与纯点云相比,所提方法在各项指标上实现了很大程度的改进,MAP平均提高6.23%,在简化效果方面达到了最优状态。所提方法增强后的预传输延迟降低95.35%,在两级融合网络中具备最优探测性能,不需要占用过长的前置和后置时间。3DMMF可以有效提高三维目标控制性能,多层次融合方式有效解决视角错位和特征失配等问题。该研究有助于提高汽车自动驾驶能力,具有很高的科技推动价值。

关键词： 轻量化   神经网络   深度相机   目标检测   目标定位   安全预警  

摘要： 为防止矿工误入危险区域,提出一种YOLOv5s-MPD轻量化井下矿工目标检测模型,并结合深度相机定位矿工目标,实时检测矿工是否进入危险区域。首先,使用MobileNetv3轻量化神经网络作为主干特征提取网络,大幅降低模型体积;其次,引入极化自注意力模块(PSA),增强目标的感知能力;最后,采用可变形卷积网络(DCNv2)替代特征融合层中C3模块的标准卷积,解决常规卷积丢失部分特征信息的问题,利用改进模型结合深度相机获取的彩色图像检测矿工目标,并得到目标中心点的空间三维坐标。结果表明:改进模型相比于YOLOv5s,参数量和计算量分别减少83.54%和77.03%,模型体积大小仅为3.4 MB,检测速度为70.2帧/s,提升54.97%,平均精度均值(mAP)为0.825。与主流目标检测模型相比,改进模型的参数量、计算量、模型体积、检测速度和mAP较为均衡。在实际定位精度试验中,1~8 m范围内测得相机与矿工目标间距离的平均绝对误差和平均相对误差分别为0.11 m和1.74%;最大绝对误差和最大相对误差分别为0.25 m和2.96%。在动态检测中,均能检测到矿工目标并输出其位置信息,检测成功率达97.5%。

关键词： 大规模多输入多输出雷达   扩展目标检测   目标物体反射系数   目标波束   能量检测器  

摘要： 大规模多输入多输出(multiple-input multiple-output,MIMO)雷达系统的大量天线为其在检测和估计任务上带来了性能增益。本文考虑一个大规模天线MIMO雷达系统中的扩展目标检测问题。假设存在一个包含大量散射体的扩展目标,本文建立了针对扩展目标的大规模MIMO雷达接收信号模型。分析了目标物体反射系数的空间相关性,目标物体反射系数相关的任意两个天线被视为落入同一个目标波束中,反之则视为落入不同的目标波束中。将落入同一个目标波束的天线视为一个天线组。执行检测时,每个天线组先对接收信号执行匹配滤波,并将匹配滤波的结果分别通过白化滤波器和归一化滤波器。基于上述两个滤波器的输出,分别对组内所有天线的能量求和,并求解散度,进而构建能量检测器。虽然散度分布的闭式解难以求得,本文证明了当天线数目足够大时,可利用大规模天线带来的统计效应推导出该散度的分布。在此基础上,进一步推导了大规模MIMO雷达扩展目标检测概率的闭式表达式。此外,证明了上述能量检测器能够达到奈曼-皮尔逊准则下的最优检测性能。通过仿真,验证了理论结果的正确性,进一步分析了不同系统参数对大规模MIMO雷达系统检测性能的影响。

关键词： 质量检测   啤酒瓶盖   图像处理   SVM分类器   机器视觉  

摘要： 传统的质量检测方式存在效率低下、速度慢、劳动强度大且检测精度不稳定等问题,难以满足现代啤酒生产对高速、高效、高质量的需求,因此,现提出基于机器视觉与SVM分类器的啤酒瓶盖质量检测。首先,基于机器视觉采集图像,并运用图像处理技术来减少或控制图像中的噪声。其次,根据面积、周长、填充率及圆形度等特征提取啤酒瓶盖表面特征信息。最后,基于SVM分类器识别瓶盖缺陷,实现对瓶盖质量的有效检测。实验结果表明,基于机器视觉与SVM分类器的啤酒瓶盖质量检测方法具有较高的质量检测准确率和较快的检测速度,能够有效地识别出瓶盖上的各种缺陷。

关键词： 计算机图像处理技术   纺织工业   数据安全  

摘要： 文章阐述了计算机图像处理技术在纺织面料检测、图案设计与印花、纺织生产过程监控和产品展示与营销等方面的应用,针对应用过程中存在的技术精度提升、数据安全保障、专业人才培养等问题提出相应改进策略,并通过具体案例详细阐述策略的实施过程,旨在为纺织工业的智能化发展提供有力支持,提升纺织企业的生产效率和产品质量。

关键词： 半监督学习   目标检测   对比学习   重利用不可靠伪标签   端到端训练  

摘要： 半监督目标检测方法的关键是为无标签数据中的目标分配伪标签。为了确保伪标签的质量,半监督目标检测方法通常利用置信度阈值过滤不可靠伪标签,这会导致大量的伪标签因为置信度低而被滤除。本文提出改进后的半监督学习方法使用对比学习来重利用大量置信度低的不可靠伪标签,提升半监督目标检测方法的性能。具体来说,根据预测置信度将无标签数据的伪标签分为可靠与不可靠伪标签。除了利用可靠伪标签,还利用不可靠伪标签作为对比学习中的负样本训练模型。为了平衡类别间不可靠伪标签的数量,设计一个记忆模块用于保存训练过程中不同批次的不可靠伪标签。实验结果表明,在COCO数据集上,对训练数据进行1%、5%和10%的标注情况下,改进后的半监督学习方法的平均准确率达到13.6%、23.0%和27.5%,优于已有半监督学习方法;在COCO-additional数据集上,改进后的半监督学习方法的平均准确率达到44.7%,相较于监督学习,性能提高4.5个百分点。

关键词： 高校   图像处理教学   多媒体技术   有效运用  

摘要： 随着科学技术的快速发展,多媒体技术在高校图像处理教学中发挥着越来越重要的作用。基于此,本文着重探讨了多媒体技术的应用优势和策略,主要包括优化教学设计、丰富教学资源、创新教学方法和加强互动教学。研究表明,通过合理运用多媒体技术,可以增强教学内容的直观性、激发学生学习兴趣并促进个性化学习。值得注意的是,在实际应用中还需要避免过度依赖技术,保持传统教学模式的优势,同时也要关注学生的个体差异,这样才能获得理想的教学效果。

关键词： 智能叉车   目标检测   目标分割   障碍物识别   目标定位  

摘要： 实现叉车障碍物识别与定位对提升物流仓储行业自动化、智能化具有重要的意义。现有技术大多受限于实际生产中的复杂场景,无法满足对障碍物识别与定位的高精度实时性的要求。针对现有问题,文中提出了一种基于深度学习的智能叉车障碍物识别与定位方法,以实现在仓储货场环境下对障碍物实时、高精度的识别与定位。首先,设计了改进的YOLOX-nano网络获取障碍物外接矩形框,实现对障碍物的检测与提取;然后设计了基于改进的DeepLabv3+网络对筛选出的障碍物进行分割;最后采用阈值化分割方法对障碍物分割区域进行轮廓提取,进而求解障碍物的像素中心点。在叉车实际工作环境中的障碍物数据集上进行实验,结果表明,该方法能够快速准确地对障碍物物中心进行定位。其中第1阶段的障碍物检测平均精度均值为99.90%,平均检测时间为25.62 ms;第2阶段障碍物分割的平均像素准确度为95.93%,平均分割时间为24.69 ms,保证叉车对障碍物实时识别的同时具有较高的准确率。

关键词： 机器视觉   人工神经网络   导盲手杖   图像处理   OpenMV  

摘要： 视障人群的出行及日常活动普遍依赖导盲犬、导盲手杖或他人帮扶等方式,但随着经济发展,城市规划变得越来越密集,城市布局和道路规划的复杂度也逐渐增加,上述方法已经不能够保障视障人士的出行及日常生活安全,因此加强对视障群体的关注力度、提高其生活质量是我们亟待解决的问题。本设计着眼于机器视觉对彩色信息和深度图像的去噪、滤波、目标标定等处理,加以机器学习训练,实现图像的色彩识别、常见障碍物识别及距离测量功能,将分析结果转换为音频信号并通过语音输出给用户,给予一定行进建议,致力于为视障人士提供避障服务,降低在行走过程中因无法提前预测的障碍物对出行造成的负面影响。

关键词： 电磁继电器   触点磨损   计算机视觉   深度学习   图像处理  

摘要： 电磁继电器触点的磨损问题会导致接触电阻增大、触点烧蚀加剧,从而影响设备运行的可靠性和寿命。传统的检测方法通常依赖于人工检查,耗时长且主观性强,难以实时反映触点状态。文章研究了一种基于计算机视觉的磨损检测方法,设计了硬件架构和图像处理流程,并引入了深度学习技术,实现了对触点磨损的精确识别。通过优化图像预处理和特征提取流程,显著提升了磨损检测的精度。实验表明,系统能够快速、稳定地检测触点磨损程度,在不同光照条件和磨损形态下的准确性和实时性均达到较高水平,为电磁继电器触点的高效监测和可靠性提升提供了一种创新的技术路径。