关键词： 机器视觉   玻璃纤维束   图像处理   缺陷检测   KNN分类算法   复合材料  

摘要： 玻璃纤维束是由成百上千根细小的玻璃纤维组合而成的整体,这种结构导致在纤维缠绕制品生产工艺过程中的断纱缺陷难以识别。针对此难题,提出了一种基于机器视觉检测玻璃纤维束是否有缺陷及缺陷位置定位的方法。利用工业相机实时拍摄纱路上玻璃纤维束的图像,并把图像传输到计算机,由计算机利用OpenCV库对每一帧玻璃纤维束的图像进行处理,得到每根玻璃纤维束的轮廓及缺陷特征,根据缺陷特征通过缺陷检测算法判断玻璃纤维束是否完全断开或部分断开,利用KNN算法判断缺陷所在位置。玻璃纤维束的运动速率为1 m/s,以30 fps的帧率采集600张图像进行实验验证,检测数据表明综合准确率达96.6%,满足玻璃纤维束缺陷检测的要求。

关键词： YOLOv5s模型   深度学习   注意力机制   目标检测  

摘要： 为提高电力设备异常检测的精度,提出以融合双向加权特征金字塔网络(BiFPN)和三重注意力(TA)机制改进Yolov5s的电力设备异常检测方法。首先,融合BiFPN是在特征融合结构中加入跨尺度连接线以保留更多深层的语义信息,可以有效促进目标的分类识别和位置精确定位;然后,加入采用三分支结构的注意力机制能够更好地提取空间交互注意力和通道空间交互注意力,抑制无用的特征信息;最后,通过采用Soft NMS来取代传统的NMS算法可以有效减少目标的遗漏,并提升检测的准确性。实验数据显示,改进后的YOLOv5s网络模型相较于原始YOLOv5s模型,精确率从88.3%提升至90%,召回率从89%提升至93%,mAP@0.5值从88.7%提升至92.8%,有效地提高了检测精度。

关键词： 矿区   地质灾害   目标检测   YOLOv5s   轻量化  

摘要： 针对目前地质灾害检测领域存在检测算法复杂、计算量大与数据集匮乏等问题,文中提出了基于YOLOv5s改进的轻量化网络,并将所提网络在自制地质灾害数据集GDD1上进行训练测试。文中的最优改进方案是YOLOv5s-GhostNet-EIoU,采用Ghost Module替换YOLOv5s网络中的部分卷积模块、C3Ghost替换YOLOv5s网络中的C3模块,大幅降低网络参数,并改进损失函数来弥补轻量化带来的精度损失。实验结果表明,YOLOv5s-GhostNet-EIoU网络mAP值达78.9%,相较于YOLOv5s基网络,模型体积压缩47.1%,计算量减小48.8%,参数量降低47.8%。该算法在保持YOLOv5s高检测精度的前提下,能够满足在无人机平台上的部署与实时检测的要求,实现了模型的轻量化。

关键词： 计算机视觉   风格迁移   视觉transformer模型   Swin–Transformer模型   中国画   孪生编码器  

摘要： 中国山水画风格迁移的目标是在保持原有山水真实场景图像内容的前提下,引入传统中国画作特征,以生成具有中国山水画艺术特征的图像。近年,由于深度学习的快速发展,卷积神经网络(CNN)和对抗生成网络(GAN)几乎主导了包括风格迁移在内的大部分图像生成任务,但也存在一些问题,如真实场景在风格迁移过程中易丢失语义,GAN网络训练出现模型坍塌,CNN风格迁移方法出现棋盘效应等。视觉Transformer模型为图像处理任务提供了新的解决方案,但训练需大量数据且计算复杂。为了解决生成中国画过程中由上述因素引起的图像质量低及细节特征丢失等问题,本文提出一种能基于细节特征提取融合的中国山水画风格迁移网络,即SSTR(swin style transfer transformer)。该网络在StyTr^(2)网络的基础上,引入了Swin–Transformer模型,利用视觉Transformer的强语义性保留山水场景的特征;同时利用Swin–Transformer模型的分层体系结构及滑窗操作计算注意力机制,提取更多的山水画艺术风格细节,同时降低模型训练复杂度;最后,引入一个CNN解码器细化生成目标图像。本文利用公开视觉数据集COCO 2014与公开山水画数据集进行训练、验证与测试,并将结果与基线方法进行比较。结果表明,SSTR在处理中国山水画风格迁移任务中,风格损失和内容损失分别为1.35和1.88,在风格损失上优于StyTr^(2),表现出了优异的特征提取能力和图像生成能力。

关键词： 喷雾   锥角   OpenCV   图像处理  

摘要： 喷嘴作为船用内燃机的核心部件,其喷雾锥角直接影响了内燃机的雾化效果和燃烧效率。常规喷雾锥角测量采用人工观察锥角投影面,具有操作要求高和测量精度低的问题。为避免这一问题,采用视觉摄像头捕捉喷雾形态,基于OpenCV视觉开发包,结合Python编程平台,采用感兴趣区域(ROI)提取、腐蚀、膨胀、边缘检测、直线检测和锥角计算等系列算法对图像特征进行处理,实现喷嘴喷雾锥角自动计算,获得了较好的自动锥角计算效果。该算法可拓展应用于各类喷嘴的性能试验。

关键词： 膝关节囊肿   目标检测   上下文信息   Transformer   YOLOv8  

摘要： 针对膝关节囊肿磁共振(MR)影像中囊肿与关节内积液及其他组织特征相似性高,边界模糊的问题,本研究提出了一种膝关节囊肿病变检测模型YOLO-Cyst。首先,在骨干网络部分采用级联Vision Transformer模块获取长距离上下文信息,提高囊肿检测的准确性;其次,在YOLOv8的跨阶段部分连接与双融合模块中引入可变形大核注意力模块,增强模型的局部特征提取能力。实验结果表明:与YOLOv8相比,YOLO-Cyst的mAP50和mAP50-95指标分别提高了5.1%和0.8%;与Faster R-CNN和DETR相比,YOLO-Cyst的mAP50指标分别提高了23.9%和13.0%,mAP50-95指标分别提升了10.7%和6.8%。本研究所提算法能有效学习丰富的膝关节囊肿特征表示,实现对不同类型和形态的囊肿的精确检测。

关键词： 目标检测   遥感图像   实时检测Transformer   卷积块注意力模块  

摘要： 针对遥感图像目标排列紧密、背景复杂和小目标众多导致检测精度低的问题,提出了一种基于改进实时检测Transformer(Real-Time Detection Transformer, RT-DETR)的遥感图像检测算法。将Mosaic9数据增强应用到遥感数据中,丰富训练数据中场景和目标的组合,增强模型对不同环境下目标的识别能力。在主干网络中添加卷积块注意力模块(Convolutional Block Attention Module, CBAM),增强复杂背景下目标的关注度和图像特征提取能力,在模型中额外添加一个针对小目标的检测层,使小目标的细节特征更加突出,提升模型对小目标的检测能力。在DSTD舰船遥感数据集和NWPU VHR-10多类别遥感数据集上的实验结果显示,改进后的算法在交并比(Intersection over Union, IoU)阈值为0.5时,平均精度均值(mean Average Precision, mAP)分别达到了94.9%和94.5%,较原始RT-DETR算法分别提升了1%和1.3%,体现了改进算法在遥感图像检测上的有效性和通用性。

关键词： 指针式仪表   深度学习   目标检测  

摘要： 指针式仪表在各行各业都有广泛的使用,其读数大多采用人工,存在工作重复性较高、读数结果受主观因素和环境因素影响大等缺陷。利用指针式仪表图像数据,构建了基于Faster R-CNN目标检测模型的指针式仪表表盘示数读取模型。实验结果表明,该模型在测试集数据上对表盘中单位、精度等级、示数等目标可以实现准确检测,且mAP@0.5达到了94.37%。

关键词： 目标检测   YOLOv5   ECA注意力机制   加权双向特征金字塔  

摘要： 在足球赛事中,对运动员和球实施目标识别,能够为自动化的跟踪与拍摄系统提供必要的算法支撑。针对传统技术在识别球员和足球方面准确度不足的情况,本文介绍了一种改进的检测方法,该方法结合了ECA注意力机制和BiFPN (即加权双向特征金字塔网络),简记为ECABiF-Y5n。此模型优化了ECASPPF组件,以增强局部特征表达,并改善小物体的识别效率;同时利用BiFPN来整合多层级的特征信息,生成更为有效的特征描述。实验在SoccerNet_v3_H250数据集上进行,结果表明,相较于原作者采用的YOLOv8n,整体类别的精度提升了4.4%,召回率增加了2.3%,mAP50增长了3.7%,而mAP0-95则提高了0.2%。特别是对于较难识别的“球”类别,精度提高了6.1%,召回率上升了5.9%,mAP50增进了7.6%,mAP0-95也有了2.8%的进步。这些实验对比结果证明,ECABiF-Y5n在提升检测准确性方面表现出色,特别增强了对足球赛事中小型目标的辨识能力。In football matches, implementing object recognition for athletes and the ball can provide essential algorithmic support for automated tracking and filming systems. To address the issue of insufficient accuracy in traditional techniques when identifying players and the football, this paper introduces an improved detection method that combines ECA attention mechanisms with BiFPN (weighted bidirectional feature pyramid network), abbreviated as ECABiF-Y5n. This model optimizes the ECASPPF component to enhance local feature representation and improve the efficiency of small object recognition;it also employs BiFPN to integrate multi-level feature information, generating more effective feature descriptions. Experiments were conducted on the SoccerNet_v3_H250 dataset, showing that compared to YOLOv8n used by the original authors, the overall category precision increased by 4.4%, recall rose by 2.3%, mAP50 grew by 3.7%, and mAP0-95 improved by 0.2%. Specifically, for the “ball” category, which is more challenging to detect, precision improved by 6.1%, recall increased by 5.9%, mAP50 by 7.6%, and mAP0-95 by 2.8%. These comparative experimental results demonstrate that ECABiF-Y5n excels in enhancing detection accuracy, particularly strengthening the identification capability for small objects in football games.

关键词： 人工智能生成内容   深度学习   计算机视觉   图像   质量评估  

摘要： 人工智能生成内容(AIGC)技术可为人类提供各种类型的信息生成服务,如何对AIGC进行准确的质量评估,是当前亟待解决的问题.本文主要针对大模型生成图像的质量及其评估指标开展深入研究.首先,从技术方面概述了当前评估AIGC的常见方法,如深度学习方法和计算机视觉方法等,介绍并分析了准确性、相关性、一致性、可解释性等指标在不同类型生成内容评估方面的表现.然后,为了展示评估指标的实际作用,以百度文心一言为例,对其生成的图像进行评估实验:使用直方图和噪点数量等量化指标对生成图像进行客观评估;使用整体协调性和美观性等视觉感官指标对生成图像进行主观评估.最后,综合对比客观评估和主观评估的结果,筛选出色偏、噪点数量、心理预期等AIGC产品质量评估的高可靠性指标.实验结果验证了综合使用主客观评估指标进行AIGC产品评估方法的有效性和可靠性.