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： 机器视觉   图像处理   火焰完结点   垃圾焚烧炉   炉排炉  

摘要： 炉排炉是国内垃圾焚烧厂中最主流的技术。当垃圾在焚烧炉内燃烧时,为了防止出现偏烧导致炉排被损坏以及安全事故的发生,需要时刻检测垃圾在炉排上的位置与燃烧状况。目前对垃圾焚烧炉内燃烧状况的检测主要是通过人工观察实现,此种方法存在很大的弊端。通过机器视觉技术,对提取到的垃圾燃烧图像进行数字图像处理,检测图像中火焰的边缘并标注燃尽线的距离供操作人员调整炉排的翻滚。试验表明:基于机器视觉的垃圾焚烧火焰完结点提取克服了“人工观火”的主观性影响,提高了火焰完结点的检测效率与准确率,使用此方法得到的火焰拟合线的距离误差在±10 cm以内。

关键词： 混凝土搅拌机   搅拌过程   图像特征   拉格朗日插值型求积法  

摘要： 混凝土是一种由骨料、水泥、水、外加剂和掺合料混合而成的复合材料,广泛应用于建筑、公路、桥梁等土木工程中。随着国内经济的稳定增长和城市化进程的不断推进,对混凝土的质量标准也日益严格。混凝土的搅拌匀质与否是影响其质量的重要因素之一。在实际生产中混凝土匀质性检测主要依靠现场人员的主观判断,从而导致了混凝土生产的高成本和低可靠性。对此,本文通过分析搅拌机工作功率特征和图像处理技术相结合的方式来检测混凝土搅拌的匀质性。首先通过监测搅拌机工作功率的变化规律,分析搅拌机在不同功率下物料的运动特征来决定启用图像采集的时机,降低图像采集的难度;然后获取搅拌机内的搅拌图像,将图像的灰度值直方图面积与混凝土搅拌匀质性相关联,通过拉格朗日插值型求积法计算直方图面积的方式判断混凝土是否搅拌匀质。实现混凝土搅拌机搅拌匀质性的智能化检测。

关键词： 激光雷达   图像处理技术   火车装车   偏载  

摘要： 目前在火车储装运卸料过程中,物料质量、偏载程度与物料装载表面平整性等参数需符合装车要求,故要对每一节车厢装车散料进行分析。在既有技术中,通常使用雷达扫描车厢内物料横截面,利用高速相机捕捉火车车顶图像,并根据捕获图像判断车厢运动状态,逐帧拼接扫描,此方法要求火车处于匀速运动状态并不适用各种突发场景。原煤进入筒仓后经过洗选加工成不同产品,根据需求装车作业。车厢偏载、亏吨会对轨道衡称重带来影响。如何检测车厢物料装载效果并研制一套车厢物料装载、偏载监控系统,对物料流动性动态检测,最终得到物料体积与质量,是主要探讨内容。

关键词： YOLOv7   行为识别   注意力机制   目标检测  

摘要： 学生课堂行为识别能够有效提升课堂教学效果,是智慧教育不可或缺的一环。鉴于缺乏相关研究数据,文章首先构建了学生课堂行为数据集。在特殊的课堂环境中,学生数量众多且常相互遮挡,后排学生目标体积较小,所以在复杂多变的环境下,难以将学生行为与周围背景区分开来。因此,文章提出一种基于改进YOLOv7目标检测算法的学生行为识别方法(YL7CA),将CA注意力机制嵌入到YOLOv7中,以便更准确地检测学生行为。该方法在自建数据集上获得了92.6%的检测精度,能有效检测出抬头、低头、转头、玩手机、读写、睡觉这六类常见的学生课堂行为。

关键词： 目标检测   query初始化方式   自注意力   训练策略  

摘要： 基于Transformer的目标检测算法往往存在着精度不足,收敛速度慢的问题.许多研究针对这些问题进行改进,取得了一定的成果.但是这些研究大都忽视了Transformer结构应用于目标检测领域时存在的两个不足之处.首先,自注意力运算结果缺乏多样性.其次,因集合预测难度大,使得模型在匹配目标的过程中表现不稳定.为了弥补上述缺陷,首先设计了自适应token池化模块,增加自注意力权重的多样性.其次,设计了一种基于粗预测的锚框定位模块,并利用该模块为查询提供位置先验信息,从而提高二分图匹配过程的稳定性.最后,设计了基于组的去噪任务,通过训练模型对位于目标附近的正负查询进行区分,从而提高模型进行集合预测的能力.实验结果表明,本文提出的改进算法在COCO数据集上取得了较好的训练结果.与基线模型相比,改进算法在检测精度与收敛速度上有较大提升.

关键词： 无人机   孪生网络   单目标跟踪   轻量化   互相关  

摘要： 当前,一些单目标跟踪算法已经取得了领先的性能,但庞大的模型限制了其在无人机这样资源有限平台上的应用。为此,设计了一种基于孪生网络的轻量型无人机单目标跟踪算法,旨在消耗更少资源情况下实现对目标的高效跟踪。首先,基于MobileNetV3设计了轻量化的孪生特征提取骨干网络,在保证不降低特征提取能力的前提下,极大减少网络的计算量和参数量。其次,设计了双重互相关模块,该模块采用像素互相关快速实现模板图像特征和搜索图像特征的相似性计算,同时结合深度互相关补充缺失特征,有效提升特征匹配的精度和鲁棒性。然后,通过堆叠多个深度可分离卷积层设计了轻量化的预测头部,以最小化的资源消耗来获得准确的目标表达。最后,在传统的分类和回归损失基础上,引入分类排名损失,增强网络对目标前景的学习能力,抑制背景干扰,进一步提升跟踪性能。综合实验表明:算法以5.3×10^(5)的参数量和1.1×10^(8)的浮点数运算量,在无人机视频目标跟踪数据集DTB70、UAV123和UAV20L上分别取得82.1%、81.2%和64.6%的准确率以及63.4、61.8%和49.6%的成功率,达到同类跟踪算法的性能且参数量和计算量大幅降低,并能以100 fps以上的速度运行,满足无人机目标跟踪的实时性需求。

关键词： 电力作业   深度学习   目标检测   位姿估计   正射纠正   文字提取  

摘要： 变电站仪表文字提取与识别对于感知电力设备运行状态至关重要。人工巡检存在视觉疲劳的问题,并且在恶劣环境下存在安全隐患,机器人是替代人工巡检的理想方案。然而,定点停车巡检效率较低,为了提高机器人巡检效率,可采用不停车巡检策略。针对不停巡检时,由于背景无关物体干扰以及非正射观测视角造成的文字识别准确率下降的问题,提出了一种基于目标影像正射纠正的文字识别方法。首先通过目标检测算法排除无关物体干扰,然后通过估计目标6DoF位姿对场景影像中的目标区域进行正射纠正,从而提高OCR算法的文字识别准确率。实验结果表明,经过正射纠正的目标影像,文字识别准确率提升了6%以上,有效地保障了机器人不停车巡检时文字识别的准确性。

关键词： 夜间视频   目标检测   YOLOv8   Adown   CBAM  

摘要： 夜间视频目标检测一直是一项具有挑战性的课题。由于低能见度和光线不足等问题,夜间视频目标检测面临诸多挑战。该文提出了一种改进的YOLOv8算法,在YOLOv8n模型的基础上,引入了SOTA(State-of-the-Art)轻量化下采样ADown模块和CBAM注意力机制,以降低参数量、提高检测精度并增强模型的感知能力。实验结果表明,相较YO-LOv8n,改进算法的计算量和参数量分别下降了8.5%和10.5%,mAP@0.5~0.95值提高了3.7个百分点,有效提升了夜间目标检测的精度。

关键词： YOLO   曲线车道检测   滑动窗口   自动驾驶   计算机视觉  

摘要： 针对自动驾驶领域的车道自动检测中存在的检测准确率低、实际应用难等问题,研究基于YOLO与传统图像处理算法混合的车道检测算法;基于车载传感器拍摄的视频,利用YOLOv8算法检测并标记车前/侧方附近的物体,并将图像视角转换到鸟瞰视角,利用基于滑动窗口的二次多项式法识别当前帧的车道线,融合前序帧的车道信息,检测出当前帧的车道;经过数据集和实际场景的测试表明,算法的检测准确性提升10%以上,检测速度明显提升。