关键词： 图像处理   PaddleOCR   自动化管理  

摘要： 随着我国经济社会快速发展，越来越多的线缆物资被生产和保存以用于建设，但数量众多的线缆物资对管理人员的统计和管理带来了严峻的挑战。文章研究了一种高效的线缆物资标签识别模型，解决线缆管理过程中存在的效率低下和易出错等问题。通过运用灰度图像处理、二值化图像、形态学处理、连通域标记、边缘检测等图像处理技术进行图像预处理，再使用光学字符识别技术提取文本信息以便保存有效信息。实验结果表明，提出的方法在标签识别方面表现出色，标签文本信息识别准确率达到95%。该研究为线缆物资的自动化管理提供实用的技术支持，也为相关领域进一步研究提供重要参考。

关键词： 荔枝   虫害检测   多场景   小目标   YOLOv10n   特征融合   注意力机制  

摘要： [目的/意义]荔枝虫害的精准识别有助于实施有效的防治策略，推动农业的可持续发展。为提高荔枝虫害的识别效率，本研究提出一种基于改进YOLOv10n的轻量化目标检测模型YOLO-LP （YOLO-Litchi Pests）。[方法]首先，优化主干网络（Backbone）的C2f模块，使用全局到局部空间聚合模块（Global-to-Local Spatial Aggregation, GLSA）构建C2f＿GLSA模块，实现对小目标的高效聚焦，增强目标与背景的区分能力，同时减少参数量和计算量。其次，在颈部网络（Neck）引入频率感知特征融合模块（Frequency-Aware Feature Fusion, FreqFusion），设计频域感知路径聚合网络（Frequency-Aware Path Aggregation Network, FreqPANet），有效解决目标边界模糊和偏移的问题，并进一步轻量化模型。最后，使用SCYLLA-IoU （SIoU）损失函数替代Complete-IoU （CIoU）损失函数，优化目标定位精度并加速模型训练收敛过程。为了评估模型性能，本研究在自然环境和实验室环境的四种场景中，构建自建的荔枝虫害小目标数据集并进行测试。[结果和讨论] YOLO-LP在AP50、AP50:95、AP-Small50:95分别达到了90.9%、62.2%和59.5%，较基线模型分别提高了1.9个百分点、1.0个百分点和1.2个百分点。同时，模型的参数量和计算量分别减少13%和17%。[结论] YOLO-LP在精度和轻量化方面表现优越，为荔枝虫害检测的实际应用提供了有效的参考。

关键词： 人员计数   计算机视觉   线性回归   动态核   特征提取  

摘要： 实现井下人数实时统计对实现井下限员生产具有重要意义。现有人员计数算法对普通环境中稀疏人群的计数效果良好,但对复杂的井下环境中密集人群的计数效果不佳。针对上述问题,提出了结合Yolov5s和线性回归的人员计数模型:Yolov5s-LR。首先,根据注意力机制动态地调整每个卷积核的权重,从而提高模型在井下昏暗密集环境中的特征提取能力;其次,使用与检测头共享骨干网络的线性回归计数头预测人数,并通过L2损失函数进行模型训练,从而实现误差较低的人员计数。实验结果表明,在自建的煤矿井下人员计数数据集上,上述模型的人员检测精度比Yolov5s高3.1%,人员计数的MAE和MSE比当前流行的人员计数模型中效果最好的DKCNN-LR模型降低了0.3和0.58。

关键词： 风力机叶片   角点检测   离散小波变换  

摘要： 风机叶片细长尺寸大的结构使得接触式传感器检测系统安装困难,同时传感器也会加剧叶片运行的不平衡性,现有基于机器视觉的非接触式方法的图像采集也无法采集叶片全貌,导致对于风机叶片运行时的动态监测手段缺失。提出一种基于视频拼接、长尺寸目标的信息采集方法,通过OpenCV与Python联合开发,经先验去雾后利用Harris角点检测和SIFT将分散图像拼接成整体图像,并进行多重离散小波变换与逆变换增强图像质量。结果表明,上述方法能够有效采集并保留完整的叶片信息,尤其是完整的叶片边缘信息与叶片损伤信息,对基于机器视觉检测叶片的潜在缺陷或损伤提供有效的数据支撑,进而保证风机叶片安全稳定运行。

关键词： OBE理念   数字图像处理   教学改革   图像技术   导向性  

摘要： 数字图像处理作为计算机视觉和图像处理领域的关键技术，不仅是人工智能领域的重要内容，亦是高校设计类专业的软件核心课程之一。本文阐述了OBE理念的内涵与特点，从理论、实践层面总结了OBE理念融入数字图像处理课程教学改革的意义。结合数字图像处理课程实际学情现状，从预期成果、教学内容、教学策略、参照评价、能力提升方面提出课程改革内容，并结合“产品渲染图优化与处理”设计案例开展实践教学，旨在为提高学生学习动力、增强课程实践性和提升教学质量方面提供参考思路。

关键词： 水稻病虫害   无人机   图像处理   CKF   位置估计  

摘要： 水稻是世界三大粮食作物之一，影响其生长环境的因素主要有温湿度、土壤及水稻病虫害等。以无人机为载体，搭载视觉、位置传感器等，在其植保过程中对水稻作物进行图像采集与处理，采用深度学习方法进行观测，分析了影响水稻生长的几种病虫害；另外，文中采用EKF、UKF、CKF三种滤波算法对无人机进行了定位估计，实验表明基于CKF算法对载体二维位置估计误差范围及其均值均最小，表明无人机在施药过程中定位精度较高。

关键词： 控制器   数据库   图像处理   DDE通讯  

摘要： 针对电解铝厂阳极组装车间磷铁环材料要实现全自动化、流程化、智能化需求，本文开发了一套全方位磷铁环回收系统，其系统包含回收子系统、主服务器、皮带输送系统、净化系统四大部分。系统可实时显示设备状态、告警信息以及查询工作量并做出记录，大大减少人在高粉尘环境下的作业强度，加强设备安全性、降低操作人员工作强度，具有较高的推广应用价值。

关键词： 水下目标检测   注意力机制   特征融合   轻量化  

摘要： 水下目标检测由于光的折射与环境杂质等问题,图像质量较差,而检测目标通常较小,且目标间的存在相互遮挡,如鱼、海胆等,使得特征提取困难,检测精度低。而水下终端设备的算力有限,水下作业实时性需求高,限制了深度大模型在水下环境中的应用。提出一种基于Yolov8的水下目标检测模型。为实现模型轻量化同时兼顾保留深层语义特征,首先设计残差分离(DP)模块,引入深度可分离卷积,增加跳跃连接,减少分离计算丢失的特征信息。为了关注重点的特征区域,设计多视角注意力(MA)模块,在通道域复合池化,得到通道注意力权重;在空间域,考虑水下小目标易受噪声干扰特点,使用局部像素注意力代表该区域注意力权重,最后进行特征融合以得到含纹理与背景信息的特征权重。实验证明在水下目标检测竞赛数据集URPC(Underwater Robot Professional Contest)上,改进后的模型精度较原模型提升约7.9%,模型规模减少约20%。

关键词： 螺栓松动检测   全卷积神经网络   深度学习   图像处理  

摘要： 钢桥高强度螺栓松动、脱落已成为钢结构行业关注的热点问题。现有的人工检查方法费时、费力且效率较低。机器视觉用于钢桥高强度螺栓松动检测，可大幅度提高检测效率，降低检测成本，确保检测精度。但这种方法在螺栓识别与检测可靠性方面还有待改进，尚未应用于工程实际。针对钢桥高强度螺栓松动角度检测的需求，提出一种基于沙漏网络和数字图像处理的高强度螺栓松动检测算法，算法包含特征点识别与角度计算两部分。识别算法由关键点定位网络和关键点坐标生成模块两个部分组成。关键点定位网络为ResNet-50特征提取网络，旨在生成包含螺栓关键点的热力图；关键点坐标生成模块基于热力图，采用定位网络检测出关键点坐标。松动角度算法为：获得关键点热力图后，通过K-Means聚类算法将螺栓关键点转化为包络图；获得螺栓包络图之后，依次逆时针对6个角点进行编号；并将角点1与x轴正向的夹角作为螺栓当前角度，通过不同时间相应角度的对比，得到螺栓的松动角度。采集了多座公路钢桥的高强度螺栓连接节点照片，标注了螺母外侧6个角点和中心点，用几何变换、颜色变换、添加粗放式丢弃（Coarse Dropout）噪声、颜色扰动等操作，扩充了螺栓数据集。基于TensorFlow深度学习框架进行了模型训练，测试了不同距离下模型的识别效果，并将网络识别结果与CPMs和Two-Stage网络进行了对比。测试表明，该网络模型的识别效果好，计算效率高，且具有很好的鲁棒性。其中APCK和AACC高达97.6%和99.5%,APCK和AACC检测速度均优于CPMs和Two-Stage网络。

关键词： 橡胶老化   表面裂纹   图像处理   自动识别  

摘要： 橡胶材料在工业界有着广泛的应用，老化是影响工业应用中使用的各种橡胶材料性能的关键因素，橡胶材料老化后表面会出现龟裂裂纹。目前老化纹裂的观察主要依赖肉眼观察，存在主观判断偏差、动态跟踪困难和难以量化等问题。本文提出了一种基于计算机图像处理技术的橡胶材料老化裂纹自动识别方法，能够客观有效地识别和分析橡胶表面老化侵蚀的程度。研究涵盖了无拉伸状态下橡胶臭氧老化裂纹、不同拉伸应变状态下橡胶臭氧老化裂纹，以及橡胶光老化和热氧老化裂纹的自动识别。结果表明，该方法可以准确、快速地判断橡胶龟裂裂口的个数和裂纹面积，从而确定龟裂裂口的程度以及橡胶的耐老化能力。这一研究结果为深入了解橡胶材料的老化过程提供了自动化识别方案，为裂纹扩展的动态过程记录以及形态学与性能关系的建立提供了可能，同时也为制定提高橡胶材料耐老化性能的策略提供了过程数据。