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。

关键词： 真空开关   触头烧蚀   图像处理   面积计算   色彩平面  

摘要： 触头是真空灭弧室内部核心部件的重要组成部分，研究触头表面烧蚀现象并进行烧蚀面积计算对优化真空灭弧室的结构及性能，延长其使用寿命有重要影响。为此提出一种计算触头表面烧蚀面积的方法。该方法基于图像处理技术，在不同色彩系统中对触头烧蚀图像运用像素统计、阈值分割及面积计算等方法进行烧蚀面积计算，然后利用5组试片按图像灰度化、图像滤波、边缘强化等进行对比图像，由此校验并提高其计算精度。实验结果表明：在RGB、HSI、HSL、HSV这4个色彩系统中均能实现烧蚀面积的计算，且在HSV色彩系统中提取V平面，再利用Gaussian滤波及Highlight Details卷积分处理，计算出的试片及触头表面烧蚀面积精度较高。

关键词： 煤矿智能化   煤矿运输系统   绞车运输   闭锁系统   目标检测   目标跟踪   计算机视觉  

摘要： 斜巷绞车运输闭锁系统是实现斜巷绞车运输“行车不行人”的重要手段。针对传统的闭锁系统存在准确度低、安装维护困难、硬件成本高的问题，研究了一种基于多通道图像处理的斜巷绞车运输闭锁检测算法，并研制了本安型闭锁检测系统。闭锁算法分为目标检测、跟踪以及闭锁检测。在目标检测阶段，利用GSConv设计了Slim-C3，对骨干和颈部网络进行轻量化处理，基于GSConv的解耦合头，提高目标检测精度；在目标跟踪阶段，研究了二级匹配的跟踪算法，在不降低检测精度的条件下，提升跟踪速度。试验表明：改进的目标检测模型的作业人员和绞车标识的AP0.5:0.95最优，比YOLOv8s分别提升了0.57%和1.65%；改进目标跟踪的IDF1比YOLOv8s+DeepSort提升了0.55%；改进的目标检测在人数统计的准确率和召回率分别为96.43%和93.10%。

关键词： 低慢小目标   随机有限集   群目标跟踪   带标签势均衡多目标多伯努利滤波器   全息凝视雷达  

摘要： 群目标跟踪是实现无人机集群反制的关键步骤，具有重要的研究意义。相比传统的多目标跟踪算法，随机有限集（Random Finite Set,RFS）滤波在处理多目标数据关联与进行状态估计方面展现出显著的优势。然而在低慢小群目标的场景中，现有的RFS滤波方法普遍未考虑群特性对跟踪的影响，也未考虑群目标起始与航迹信息提取的问题。为此，本文结合了群建模、带标签势均衡多目标多伯努利（Cardinality Balanced Multi-target Multi-Bernoulli,CBMeMBer）滤波器以及自适应新生目标强度技术，提出一种针对低慢小群目标的跟踪方法。具体而言，本文首先通过虚拟领导-跟随者模型和无向图邻接矩阵对群目标结构进行建模；随后提出了一种三层优先级标签分配策略，改进了传统的带标签CBMeMBer滤波器，解决了标签冲突导致的轨迹混叠问题，提高了跟踪精度和算法运行效率；同时，设计了基于群目标场景与两点起始法的自适应新生目标强度算法，实现了RFS框架下群目标的自适应新生目标初始化；最后，仿真实验和基于全息凝视雷达的实测数据实验表明，所提方法在目标状态估计和轨迹质量方面表现优异，跟踪性能优于包括传统的带标签CBMeMBer滤波器在内的对比算法，且能有效避免轨迹交叉和混叠现象，充分展示了其在低慢小群目标精细化跟踪中的潜力和实际应用价值。

关键词： 计算机视觉   机械臂   NeRF   三维场景重建  

摘要： 通过机械臂控制、视觉成像采集、神经辐射场(NeRF)重建等进行机械臂路径规划与自动NeRF图像采集，搭建基于机械臂的NeRF三维场景重建系统教学平台，克服手动的NeRF图像数据采集方式效率低、重复性差等问题。该教学平台基于树莓派、Python、Pytorch、OpenCV、PyMyCobot等平台和框架实现自动化NeRF三维重建和场景感知，可为人工智能课程相关方面的教学、教改提供参考，也可用于视觉引导机器人抓取、视觉导航、虚拟现实等方面的教学与研究。

关键词： 图像处理   多目标跟踪   准密集相似性学习   数据关联  

摘要： 多目标跟踪技术一直是图像处理领域中的热点，尤其是在海上侦察、空中警戒和精确制导等方面。针对杂波或其他物体的遮挡，以及不同物体外形类似等因素造成的多目标跟踪能力减弱等问题，提出了一种基于准密集相似性学习（QDSL）的多目标跟踪方法。首先，利用改进的YOLOv8算法进行多目标检测，为相似性学习提供目标框；其次，对相邻两帧图像上的数百个对象区域进行密集采样，以进行对比学习，实现目标局部关联；最后，将这种相似性学习与YOLOv8目标检测器相结合，并加入无外观链接（AFLink）模型，执行无外观信息的全局关联，在速度和精度之间实现了良好的平衡。对数据集MOT17中的一些视频样本进行了测试，实验结果表明：与其他先进算法相比，所提算法使多目标跟踪准确率和精度分别提升了1.2%和0.6%。

关键词： 卷积神经网络   目标检测   R-CNN  

摘要： 卷积神经网络在图像目标特征提取中具有自动化和高效性的优势。文章深入阐述了R-CNN及其改进算法的核心原理，并展望其发展趋势。首先介绍了R-CNN通过选择性搜索生成候选区域，并利用CNN进行特征提取与分类。随后简述Fast R-CNN到Sparse R-CNN如何在保持高精度的同时优化速度和效率。最后讨论了目标检测算法的未来研究方向。R-CNN及其改进算法在目标检测中发挥了重要作用，为后续技术的发展提供了宝贵参考。

关键词： 计算机视觉技术   自动驾驶系统   实时处理算法  

摘要： 计算机视觉技术作为自动驾驶系统的核心组成部分，负责实时感知和理解周围环境，对实现车辆的自主驾驶具有至关重要的作用。本文深入探讨了计算机视觉技术在自动驾驶系统中的应用，自动驾驶系统的实际应用中仍面临诸多挑战，如实时性问题、精度与鲁棒性问题、数据处理与存储问题以及环境复杂性与多样性问题等。为了解决这些问题，本文提出了一系列改进方案与技术，为推动智能交通系统的构建和实现安全、高效的自主驾驶奠定了基础。

关键词： 航空运输   航空器检测   深度学习   跑道侵入   计算机视觉  

摘要： 针对利用视频图像进行防跑道侵入多场景检测中目标识别困难、精度低等问题，设计了一种新的航空器检测模型。融合了自然语言与计算机视觉两者优点，形成Swin Transformer+Mask R-CNN的架构。通过引入Swin Transformer中的滑动窗口自注意力机制对模型进行优化，降低模型的复杂度，进一步提取不同尺寸航空器的特征信息，从而实现对不同类型航空器目标的精确检测。4种不同特征提取网络的对比分析，实验结果表明，与传统检测模型相比，以Swin Transformer-B为主干网络的航空器检测模型在航空图像数据集上最高达到了92.5%的平均检测精度(mAP)、94.6%的平均召回率和93.5%的F1分数。该模型不仅有效实现机场跑道上航空器目标的识别，还满足跑道侵入高精度检测的要求，可应用于防跑道侵入系统。

关键词： 广义高效层聚合网络模块   C2F＿DCN   YOLOv8   安检图像   目标检测  

摘要： 针对X射线安检图像中违禁品与背景和多重叠目标的检测难点，本文提出了一种基于YOLOv8改进的检测模型GELAN-C2F＿DCN-YOLOv8(GC-YOLOv8)。首先，采用广义高效层聚合网络(Generalized Efficient Layer Aggregation Network, GELAN)模块来增强特征融合能力；然后在Backbone网络的C2f(Faster Implementation of CSP Bottleneck with 2 convolutions)模块嵌入了可变形卷积网络DCN(Deformable Convolution Network, DCN)构造C2F＿DCN可变形卷积。通过引入C2F＿DCN,模型可以自适应地调整感受野的位置和形状，以适应目标的多样性。将GC-YOLOv8模型在刀具和液体容器X射线数据集(Cutters and Liquid Containers X-ray Dataset, CLC X-ray)上进行测试，结果表明GC-YOLOv8模型在召回率比基线模型高0.8%的同时准确率明显提升8.1%,验证了所提方法的有效性。并且，FPS最终达到了140.4,完全满足安检设备部署的实时性要求，验证了所提方法的通用性。