关键词： 昆虫识别   图像处理   五大连池   小样本学习   匹配网络   不平衡学习   随机欠采样  

摘要： 为解决由于五大连池地区昆虫样本量少、类别分布不均导致昆虫识别准确性低的问题,提出一种基于注意力卷积增强特征的匹配网络(feature-enhanced matching network,FEMNet)。采用随机欠采样对数据集进行平衡处理;通过提出特征上下文嵌入模块,增强昆虫全局和局部特征的提取能力;基于匹配网络实现样本间特征的灵活匹配,提高小样本下昆虫图像识别精度。实验结果表明,对于小样本昆虫数据集,FEMNet方法比次优方法MatchingNet准确率提升4.5%、召回率提升4.8%、精确率提升6.1%、F1值提升5.3%,说明该方法能够准确自动识别昆虫,可为后续昆虫学研究提供技术支持。

关键词： 遥感数字图像处理   教学改革   工程教育   成果导向教育   Jupyter笔记本  

摘要： 在工程教育改革和测绘学科智能化转型的背景下,培养具备遥感数字图像处理基础理论与程序实践能力的本科毕业生对于满足就业市场和学生学术深造的需求至关重要。然而,现行“遥感数字图像处理”课程教学存在理论与程序实践脱节、教学方法单一、学生自主学习场景匮乏等问题。课程改革遵循以学生为中心,成果导向的工程教育理念,对课程目标、教学内容和评价方式进行系统性重构,形成基础理论、技术能力和思政教育三线驱动的教学模式,同时,借助Jupyter Notebook工具设计交互式的教学场景。课程改革增强课程的互动性和趣味性,激发学生兴趣,促进从知识掌握到能力养成的转化。

关键词： 计算机视觉   智能监控   智慧城市  

摘要： 随着智慧城市的发展,智能监控系统在保障公共安全、提高城市管理效率等方面发挥着越来越重要的作用。利用人工智能和大数据分析技术,基于计算机视觉的智能监控系统能够实时监测和分析城市中的各类动态信息,如交通流量、公共区域人员密集度、可疑行为等。该系统能够自动识别图像中的对象、行为模式,并生成数据报告,支持城市管理者及时做出决策。此外,结合人脸识别、车辆识别等技术,智能监控系统能够提高犯罪预防能力和应急响应速度。

关键词： 唐墓壁画   光谱分析   高光谱图像处理   壁画颜料层   壁画绘制工艺  

摘要： 2022年11月出土于陕西西安白杨寨晚唐墓M1373是一项保存较好的晚唐墓葬遗产,其多彩多姿的墓葬壁画对于研究晚唐时期的祭祀、礼仪、音乐、服饰、艺术等具有重要意义,特别是为研究唐宋之际的壁画风格题材转变提供了直接材料。然而,由于年代久远,该壁画颜料层依旧出现了许多典型病害,如颜料脱落、起甲、泥水污染等,加之后续揭取会给壁画颜料层带来人为干预,这会使得壁画信息受到一定影响。为此,利用高光谱成像技术在壁画揭取之前进行一体化图谱信息获取,而后采用光谱分析与高光谱图像处理技术对壁画表面颜料层进行分析,并以乐舞图为例,研究该壁画绘制的颜料与工艺。实验结果表明:该壁画红色、黄色、绿色等颜料采用了传统的赭石、土黄/石黄、石绿等矿物颜料,且在绘制地毯花卉时,红色颜料和绿色颜料被大量稀释使用,而黄色颜料使用并不明显;壁画绘制时用墨色或硬笔起底稿,用红线勾勒,底稿线与表层勾勒线大多存在偏移,且有些区域勾勒线与底稿线偏移较严重,说明起稿和定稿之间有一定的改动;同时,部分区域底稿线较为明显,部分区域则不太清晰,通过高光谱图像处理方法,发现了隐藏于颜料层表面或勾线之下的起稿线;该壁画主要采用了分布式非重叠二维直视的画面布局方式,空间立体感稍差,但对于乐手手指和乐笛交汇的多个位置,有的出现了前景与背景图案非重叠的二维直视绘制方式,有的出现了少量前景与背景图案重叠的二维透视绘制方式,说明该壁画在绘制前和绘制时进行较好的布局设计,且未出现明显的涂改。此外,还发现该壁画存在一些隐藏的污水污染病害。上述研究为该壁画的现场保护方案制定和后续研究与保护修复等提供了数据资料、研究方法和初步结论支撑。

关键词： 交通工程   行驶区域自动划分   目标检测   目标跟踪   逆行检测  

摘要： 近年来,随着交通车辆数量的增加,由道路异常事件引发的交通事故不断发生,成为现代安全的关注点。研究道路异常事件检测对于提高交通安全、减少事故频率至关重要。以夜间车辆的逆行识别为研究出发点,但目前的逆行检测算法存在误检,且重要的参考标准需依赖人工标注。为解决这些问题,构建了一个实用的高速公路数据集,采用分割法和标记法相结合自动获得行驶区域划分图,并通过计算道路区域内车辆平均速度确定行驶方向。在夜间逆行检测过程中,利用目标跟踪法和光流法判断车辆是否发生逆行,完成车辆逆行检测。实验证明:提出的算法准确率高且鲁棒性强,适用于复杂的白天和夜晚高速公路环境。

关键词： 联动控制   AI视觉识别   YOLOv5   目标检测   地下综合管廊  

摘要： 随着智慧城市建设的推进,地下综合管廊的运维需求不断增加。传统的人工巡检不仅效率低下,还存在安全隐患。为此,该文提出一种集成联动控制与人工智能视觉识别技术的智能巡检机器人系统。该系统通过将YOLOv5算法与深度强化学习算法相结合,实现对火焰、烟雾、积水等目标的高效识别和自动巡检路径优化。联动控制技术优化机器人在复杂环境中的运动和定位,使其能够精准适应地下管廊的复杂条件;同时,YOLOv5的多层特征融合机制提升目标检测的准确性和响应速度。实验结果表明,YOLOv5在目标检测中的准确率达到92.31%,展示该系统在提升巡检效率和安全性方面的显著优势。

关键词： 三菱工业机器人   中国象棋   图像处理   智能交互  

摘要： 基于三菱RH-FRH系列四轴工业机器人,设计了一套用于陪护的智能下棋机器人系统。该系统搭载专用语音识别模块并基于开源计算机视觉库(OpenCV)的机器视觉技术,实现了人机交互功能。该系统具备语音控制、精确视觉识别、自动抓放棋子和个性化对弈等功能,能精确移动棋子,交互操作直观便捷,具有良好的用户体验。

关键词： 智慧矿山   目标检测   YOLOv5s   多层特征融合   子像素卷积  

摘要： 针对露天矿生产场景中存在着目标像素低、小目标众多、背景复杂等问题,在YOLOv5s的基础上提出一种多尺度和超分辨率网络(multiscale and super-resolution network,MS_Net)。在特征融合模块,将PANet的三尺度检测升级为四尺度检测,提高网络的多尺度学习能力,并使用子像素卷积作为上采样方法;提出一种多层融合(multi layer fusion,MLF)模块,融合了PANet 3个输出层的特征,得到一个具有丰富语义信息和空间信息的特征图;在预测层中,使用SIoU作为定位损失函数,优化模型的参数。实验结果表明:MS_Net网络在PASCALVOC数据集上mAP为79.4%,FPS为59;在矿山数据集上mAP为80.2%,FPS为64.5,模型可快速、准确、高效地对露天矿中的目标进行识别检测。

关键词： 数字图像处理   劳保手套   磨损检测  

摘要： 本文研究了基于数字图像处理技术的劳保手套磨损检测方法。通过边缘检测、形态学操作和纹理分析等技术,结合支持向量机(SVM)分类器,提出了一种能够有效识别和分析手套表面磨损特征的检测方案。实验结果显示,该方法在不同材质的手套上均具有较高的检测精度和灵敏度,为手套的质量控制提供了科学依据。研究结果对进一步优化劳保手套的生产与使用具有重要意义。

关键词： 目标检测   YOLOv8   注意力机制   全局特征  

摘要： 针对目前主流的目标检测算法在复杂的交通环境下对行人和车辆检测精度不高的问题,提出一种基于YOLOv8模型改进的目标检测算法.首先,在主干网络前增加一种可学习增强网络,该网络是通过拉普拉斯分解残差学习方式来构建的,不仅可以充分提取到目标的特征信息,还能增强算法的准确性和鲁棒性,从而减少不同强度的光照对图像目标检测的干扰;其次,在中等目标检测层之前添加提出的KSA注意力机制,检测时可以将注意力集中在图像中重要信息的区域,从而更准确地定位并识别出中等目标,同时也可以减少复杂的背景噪声对检测的干扰;最后,提出了基于像素点的Transformer结构,即Pixel Transformer结构.将该结构添加到主干网络中,从而进一步增强算法对图像全局特征的提取能力,使其能学习到更丰富、更全面的目标特征.使用KITTI数据集来进行消融实验以及各算法的对比实验,实验结果表明,设计的算法在相关指标上取得了一定程度的提升,其中mAP@0.5值提升了3.2个百分点,达到了96.7%,这充分体现了该算法的优越性.