关键词： 安全工程   电网登高作业   违章作业   目标检测   幽灵模块   注意力机制  

摘要： 电网登高作业众多,登高违章易造成高处坠落等严重事故。构建了轻量化且高精度的登高违章作业检测模型,以实现对不安全行为的高效检出。首先,基于YOLOv8算法框架构建基础网络模型,之后在颈部网络中引入幽灵模块(Ghost module),以构建轻量化模型;其次,在主干网络中引入高效多尺度注意力模块(Efficient Multi-scale Attention module,EMA),在保证轻量化基础上,提高模型精度;最后,基于网络层次分析法和模糊综合评价法,将孤立的不安全行为融合为登高作业综合评价体系。结果表明:相较于基础模型,本模型准确率提高3.3%,召回率提高9.9%,均值平均精度(mean Average Precision,mAP)mAP@50提高8.4%,mAP@50:95提高4.6%;在轻量化方面,参数量降低17.6%,计算量降低11.1%,模型所占存储容量降低16.1%,且漏检情况有所减少。

关键词： 机器视觉   缺陷检测   图像处理   卷烟  

摘要： 针对目前烟支表面缺陷检测中存在的可检类型单一、检测速度慢、准确率低等问题,设计了一种基于机器视觉的烟支缺陷检测系统。使用最大类间方差法(OTSU法)的类别方差作为判断依据,计算最佳分割阈值,并结合Canny算子优化其边缘。划分出感兴趣区域(ROI)之后采用使用基于形态学的Blob区域分析算法提取缺陷并进行判断是否剔除。以输送模块、图像采集模块、逻辑运算模块、剔除模块构建烟支缺陷检测系统。经实验验证,在实际加工条件下,该系统能有效检测出卷烟表面上的折痕、破损、脏污、水松纸错牙、爆口等缺陷,准确率可达98%,可以满足对工业生产线的在线检测要求。

关键词： 深度学习   轻量化   目标检测  

摘要： 为解决YOLO算法难以兼顾模型轻量化与高精度的问题,提出了基于轻量级骨干网络的目标检测算法。首先,利用复杂度更小、特征提取能力更高效的MobileNetV2轻量化YOLOV5的骨干网络,减少原网络的复杂度和冗余;然后提出融合深度可分离卷积与大核卷积的特征图金字塔模块,实现空间维度和通道维度信息的转换,高效增加目标感受野,避免小卷积核的低效堆叠,从而提升网络特征提取能力;最后,通过引入CIOU优化激活函数,增加检测框尺度的损失,获取更为准确的预测框,提升网络检测精度。在VOC数据集和COCO数据集上对提出算法进行验证,实验结果表明提出算法在保持较小参数量与计算量的同时具有更高的检测精度。

关键词： 发动机探伤   图像处理   神经网络  

摘要： 发动机作为现代机械系统的核心,其运行可靠性直接关系到整体性能的优劣。发动机故障不仅可能造成巨大的经济损失,更可能引发严重的安全事故。因此,对发动机进行及时的探伤检测与故障类型识别,不仅具有重要的理论价值,也具有显著的工程应用意义。本文系统探讨了现有发动机探伤识别方法,包括传统的基于物理特性的检测技术和基于图像处理的识别方法,同时重点研究了基于神经网络等新兴技术的应用前景,为推动探伤技术的智能化发展提供了理论支撑与实践指导。

关键词： YOLOv5   注意力机制   CBAM   目标检测   Bi-FPN  

摘要： 由于变电站内设备悬挂异物的现象频发,为预防站内人员巡检不及时导致电力事故发生,在YOLOv5的基础上,提出融合注意力机制和Bi-YOLO的变电站异物检测研究。采用加权双向特征金字塔替代原有的特征金字塔网络,将坐标注意力模块嵌入C3结构,添加混合注意力模块,以提高变电站异物的特征提取能力和检测效率。实验结果显示,相较于YOLOv5算法,提出的检测算法多类别平均检测精度提高3.3%,mAP值达91.3%,满足实时性要求。

关键词： YOLOv5   注意力机制   石化设备   设备数据集   目标检测  

摘要： 为解决石化设备目标检测任务中,由于设备种类多、尺度跨度大和背景复杂等原因,造成设备目标检测误检率和漏检率较高的问题,研究多个CCbam3层、通道和空间注意机制、SiLU激活函数等对YOLOv5模型的作用机制,提出1种单阶段注意力机制增强的改进YOLOv5模型,该模型主干模块改进为焦点层、卷积层、多个CCbam3层和空间金字塔池化层;中间模块则使用通道和空间注意机制模块来优化不同设备尺度的特征图;此外,该模型使用SiLU作为激活函数,提高网络的自稳定性;最后,预测模块采用4个检测模块来检测不同尺寸的设备。研究结果表明:改进的YOLOv5模型在真实的设备数据集获得的P-R曲线平均精度为97.8%,石化设备均得到精确地检测和定位;在mAP50方面,较YOLOv5s,YOLOv5x分别提升3.2和0.4百分点;添加的注意力机制的模型有利于提取石化设备特征并更准确地进行目标检测。研究结果可为石化设备的智能化目标检测和过程安全风险防控工作提供技术支撑。

关键词： 交通安全   目标检测   视觉自注意力网络   光照估计   多模态融合  

摘要： 准确高效的感知是保障自动驾驶安全性的关键。然而在夜间等低光照场景以及雨雪沙雾等极端天气下,视觉或激光雷达等感知方案的误判率可能显著增高。因此,本文结合可见光图像的细节优势与红外热成像的高穿透力探测优势,研究自动驾驶场景的全天候实时感知方法。针对可见光-红外传感数据之间的时空错位和模态不平衡问题,首先设计一种多模态注意力机制进行局部到非局部的特征融合,修正空间位置偏差并捕捉语义互补信息,实现高效多模态融合。然后,采用基于Retinex理论隐式估计像素级光照权重并进一步引导注意力计算,在多级特征图中平衡可见光及红外特征。相较于既往研究,本文方法在感知性能和效率方面均取得较大改进,可为保障车辆行驶安全提供技术支撑。

关键词： 矿区地质灾害   YOLOv5s   目标检测   结构化剪枝  

摘要： 本文提出基于YOLOv5s模型的结构化剪枝目标检测算法,解决矿区无人机巡检中常规算法过大、参数多、难以部署的问题。通过遍历网络中的BN层,对γ进行排序,并设定全局阈值评估通道重要性,剔除低于阈值的通道。实验结果显示,相较于YOLOv5s,该算法模型减小52.9%,检测时间降低18.1%,平均精度仅下降1.5%。

关键词： 机器视觉   异物检测   红外弱光   空间定位   特征泛化增强   目标跟踪  

摘要： 针对现有深度学习异物跟踪检测算法易受复杂环境、目标遮挡等影响,导致出现漏检及检测精度低等问题,提出了一种空间定位与特征泛化增强的铁路异物跟踪检测算法。提出改进多尺度级联GhostNet特征提取网络,提升对红外目标的特征提取能力;利用异物空间位置定位与泛化形态信息,设计空间定位与特征泛化增强模块,增强对复杂场景下位置移动与跟踪轨迹变化目标的检测精度;构建金字塔预测网络,得到红外铁路异物的检测锚框、类别及置信度信息;通过改进类别和置信度显示的DeepSORT跟踪算法,结合卡尔曼滤波与匈牙利算法实现红外弱光环境下铁路异物跟踪检测。实验结果表明:所提算法对铁路异物的跟踪检测精确度达到83.3%,平均检测速度为11.3帧/s;与比较算法相比,所提算法检测精度更高,对红外弱光场景下铁路异物跟踪检测具有较好的性能。

关键词： 计算机视觉   沉降监测   隧道工程   地下管廊  

摘要： 管廊作为常见的城市基础设施,其安全性对于城市居民极其重要。该研究针对现阶段管廊监测系统效率低、成本高的问题,提出了一种基于计算机视觉技术的高效沉降监测方法。该方法创新性地使用特征平面叠加的方法,采用基于组合缩放因子的空间监测方案,利用不同的像素精度及灵活的截面叠加实现实时沉降监测。以北京市慈云寺桥地下管廊为例对该方法进行验证。实验结果显示:随着监测距离的增加,监测误差能够收敛于特定常数值,该方法可以通过校准的方式实现有效的高精度、高性能监测。环境因素定量监测结果也显示,即使大部分监测截面处在不同温湿度、气压、粉尘的影响下,该方法的监测结果仍具有较高的稳定性。