关键词： 原油乳状液   粒径检测   连通域标记   图像处理   检测系统  

摘要： 观测原油乳状液液滴粒径大小及分布是分析乳状液稳定性的前提条件,对掌握乳状液微观特性、指导溶液乳化和破乳过程非常重要。首先,设计了基于连通域标记的乳状液液滴粒径检测算法,对W/O型原油乳状液显微图像分别采取中值滤波、Otsu二值化、连通域标记、粒径计算、液滴统计等处理方法,获得乳状液液滴数量、液滴面积、液滴粒径和液滴分布;其次,开发了基于3层结构的乳状液液滴粒径检测系统,顶层界面导入乳状液显微图像,中间业务层采用乳状液液滴粒径检测算法,计算液滴粒径大小、统计液滴分布,底层数据库保存检测结果。系统应用结果表明:乳状液液滴粒径检测系统运行简单便捷,具备可行性、高效性和扩展性,能满足乳状液液滴粒径检测实际需要。

关键词： 舌齿痕特征识别   AM-FCOS   CBAM  

摘要： 目的:研究舌体齿痕特征识别方法,旨在为中医智能舌诊提供技术支持,辅助中医进行疾病诊断。方法:采用TDA-1型舌诊仪采集220张舌影像数据,利用数据标注工具Labelme对每张图片中的齿痕进行标注。为提升齿痕特征的检测效果,提出了整合CBAM注意力机制的AM-FCOS模型用于舌齿痕检测。最后,将该模型与Faster R-CNN、TridentNet、RetinaNet、FCOS算法在由220张图片构成的数据集上,按照8∶1的比例进行训练和测试。结果:测试结果显示,AM-FCOS模型表现最佳,F1值和AP_(50)分别达到了71.3%和70.1%,这表明整合CBAM注意力机制的AM-FCOS模型在检测齿痕特征方面具有显著优势。结论:AM-FCOS模型在舌齿痕特征检测中展现出色性能,可应用于智能辅助舌诊系统。

关键词： 深度学习   Faster R-CNN   气象观测场   图像处理  

摘要： 为确保气象站点实况观测数据的准确性,观测场地需要有良好的环境。该研究利用深度学习技术中的Faster R-CNN模型,自动检测气象观测站场景中可能干扰仪器读数的视觉障碍物。通过收集并详细标注实际观测场景的图像数据,建立一个包含环境对观测设备产生影响情况的数据集,涵盖正常与异常环境情况的百叶箱和雨量筒图像及其标注信息。对Faster R-CNN模型进行微调和超参数优化,以适应该特定识别任务。实验结果验证了模型在识别和定位障碍物方面的高效性,准确率为97.1%,展现出了较好的鲁棒性。该项研究将图像识别处理用于自动站探测环境,不仅证明了深度学习在改善气象观测条件中的有效性,也为相似领域的应用提供了方法论上的指导。

关键词： 橡胶支座   无人机改造   计算机视觉   病害识别   变形测量  

摘要： 为解决中小型市政桥梁支座检测难、成本高的问题,依托重庆马桑湾大桥、水口岩大桥和王家桥大桥等市政桥梁,提出了基于无人机的板式橡胶支座典型病害识别及变形获取方法。以大疆御2行业版为基础,结合轻质材料进行防护装置设计,实现对支座图像抵近获取;通过建立板式橡胶支座典型病害数据库,构建了基于YOLOv57.0的典型病害识别算法,实现了对支座类型以及开裂、剪切变形、破损、脱空和建筑垃圾等病害的智能识别;通过建立橡胶支座结构轮廓线提取算法,构建图像尺度与物理尺度之间的转换依据和关系,实现通过图像直接获取支座的剪切、压缩和鼓包等变形量。结果表明:本文所建立的板式橡胶支座典型病害识别算法对裂缝病害识别率达到了80%,支座变形测量精度达到毫米级,可实现支座典型病害的智能识别及变形的精准测量。

关键词： 桥梁工程   结构健康监测   挠度   计算机视觉   实时测量   多点同步   测量方法  

摘要： 为有效评估桥梁的安全性能,提出一种基于计算机视觉的桥梁挠度测量方法。该测量方法由红外光源标志与加装红外滤光片的相机测站组成桥梁挠度摄像测量系统,在桥墩上安装相机,并在桥梁的多个关键位置设置红外光源标志,通过监测相机图像中标志点的像素点坐标变化量,实时解算桥梁上各监测点挠度。以湖南省澧水特大桥为背景,使用该方法进行该桥90 m跨主梁挠度的长期结构健康监测。结果表明:该桥梁挠度测量方法具有多点同步和实时监测等优势,采用红外光源标志避免了可见光的影响,实现24 h全天监测,且可有效修正相机运动误差,实现桥梁多点挠度实时同步自校准监测,为桥梁健康监测和安全性能评估提供准确的挠度监测数据。

关键词： 图像翻译   数据增强   目标检测   红外弱小目标检测   生成对抗网络   自编码器   转换器网络  

摘要： 为了缓解在红外弱小目标检测问题中图像数据稀缺的问题,提出了一种基于图像翻译的红外弱小目标图像数据增强算法。该方法是一个两阶段的图像生成算法,首先引入额外的可见光图像,通过U-GAT-IT模型学习可见光和红外图像之间的映射,将可见光图像转化为红外背景图像。为了解决图像翻译过程中的过拟合问题,提出了通道正则化方法,使红外和可见光图像的通道信息量保持一致。接着,设计了一个基于视觉Transformer结构的自编码器,学习红外小目标的分布特征,以遮挡重构的方式在得到的红外背景图像上合成弱小目标。本方法在SIATD数据集上进行训练和测试,实验结果表明提出的数据增强方法在三个模型上使检测指标得到了一定提升,其中在YOLOv3模型上AP指标提高了1.37%,证明了提出的数据增强算法的有效性,能够提高目标检测模型在红外弱小目标检测任务中的表现。

关键词： 裂缝检测   动态蛇形卷积   反向残差注意力   MPDIoU   Lion优化器   CrackDetectX  

摘要： 混凝土结构产生裂缝会严重影响建筑物的安全稳定运行。为实现混凝土出露裂缝的实时高效检测,提出了一种新的单阶段混凝土裂缝检测模型CrackDetectX,该模型由基础特征提取网络、多级特征融合网络、检测头三部分组成。采用动态蛇形卷积(DSConv)精准捕捉裂缝特征,添加反向残差注意力模块(iRMB)融合不同尺度的上下文信息,使神经网络能够为特征图产生更好的像素级注意力。在检测头中引入一种基于MPDIoU的损失函数,全面考虑边界框所有信息,使模型更好地处理边界框宽度及高度的差异。此外,在模型中还引入Lion优化器保存动量信息,并利用其独特的更新规则来更新梯度,提高模型训练的效率。最后对所建模型进行评估,平均精度AP_0.5/%、AP_0.5-0.95/%、参数量、计算量及推理速度分别为93.1%、77.8%、1.62 M、4.3 GFLOPs和61.4 FPS,均优于对比方法,表明所提模型具有良好的鲁棒性,是一种高精度、高效率、轻量化的混凝土出露裂缝检测方法。

关键词： 深度学习   计算机视觉   行人搜索   目标检测   粒计算   数据处理   特征提取   生成对抗网络   对齐  

摘要： 现有行人搜索方法着重于从有限的标注场景图中学习有效的行人表征,虽然这些方法取得了一定的效果,但学习更具有身份辨别力的行人表征通常依赖于大规模的标注数据,而获取大规模的标注数据是一个资源、劳动密集型的过程。为此,该文提出了一种场景图多粒度遮挡特征增强算法,对原始场景图进行多粒度随机遮挡,扩充训练数据,并从遮挡后的场景图中生成具有多样化信息的虚拟特征,最后利用生成的虚拟特征增强真实特征中的行人表征。进一步,基于生成对抗学习,该文设计了多粒度特征对齐模块,用于对齐遮挡图像特征和原始图像特征,保持两者语义一致性。实验结果表明,在CUHK-SYSU和PRW数据集上,该算法能够显著提升行人搜索任务的搜索精度。

关键词： 无人机航拍   特征融合   小目标检测层   注意力机制   动态检测头   损失函数  

摘要： 针对无人机航拍图像目标密集、尺度小、特征信息易丢失、漏检和误检严重,提出一种基于YOLOv8n改进的航拍小目标检测算法GI⁃YOLOv8n。GI⁃YOLOv8n重新设计网络结构,改进特征融合网络,加入跨层连接,最大化保留小目标位置细节信息和语义信息,新增极小目标检测层,提高检测精度;引入基于注意力机制的动态检测头,并用轻量化卷积模块GSConv进行改进,在尺度感知、空间感知、任务感知方面加强小目标的定位性能;最后引入Inner⁃CIoU损失函数,使用辅助边界框计算损失,加快模型回归速度,提高检测性能。实验结果表明,在VisDrone2019数据集上,GI⁃YOLOv8n的精确率、召回率、平均检测精度分别为50.7%、39.8%、41.5%,相较于YOLOv8n分别提高了7.1%、7.4%、8.7%,检测速度为81 f/s,满足航拍目标检测实时性要求。对比其他航拍目标检测算法,检测精度和速度均有提升。

关键词： 光电系统   目标跟踪   红外热像仪   可见光摄像机   激光测距机  

摘要： 随着科技的进步和应用需求的不断扩大,光电系统动态目标跟踪技术在军事、安防、交通管理和科学研究等领域发挥着越来越重要的作用。动态目标跟踪涉及对目标在运动过程中的实时检测、识别和预测,具有很大的挑战性。光电系统通过结合可见光摄像机、激光测距机和红外热像仪等传感器,为解决这些挑战提供了强有力的技术支持。本文研究了可见光摄像机、激光测距机和红外热像仪三种传感器的特点,分析了上述传感器在光电系统中的应用,并探讨了它们在动态目标跟踪中的应用策略,为进一步提高光电系统跟踪精度和稳定性提供了重要的技术支持。