关键词： 计算机视觉   思政元素   融入   立德树人  

摘要： 为更好地落实立德树人的课程思政建设要求，将思政教育切实融入专业课程教学，分析近年来计算机视觉课程思政建设的现状，提出从多个切入点将思政元素融入计算机视觉课程的教学内容、教学方法和教学评价中，通过分析实际教学案例，总结教学经验，阐述如何深入挖掘与计算机视觉课程相关的思政元素，旨在为高等教育中的课程思政改革提供有益参考与借鉴。

关键词： 3D目标检测   多尺度特征   自适应非极大值抑制  

摘要： 3D目标检测是自动驾驶感知系统的关键技术之一,能准确检测驾驶环境的状态从而保证行车安全。针对自动驾驶场景中行人和骑行者等小目标的3D检测精度较低的问题,提出一种基于多尺度特征和自适应非极大值抑制的3D目标检测算法。首先,设计多尺度特征提取器,以获取大、中、小尺度的特征。其次,设计多尺度检测头以生成不同尺寸目标的候选框,从而补充小目标候选框。为了平衡多尺度候选框的数量,设计一种基于ANMS的候选框筛选算法,提高了对不同尺寸目标的检测精度。在KITTI数据集上的结果表明,改进算法在确保汽车类目标检测精度的同时,对行人和骑行者的检测精度达到62.57%和73.30%,比基线算法高2.04%和1.33%,验证了改进算法在小目标检测方面具有较好的3D检测性能。

关键词： 小波变换   频域分解   背景感知对比度   注意力引导增强  

摘要： 红外弱小目标检测技术在诸如制导、预警、机载、雷达和监控等领域都发挥着重要的作用。红外弱小目标通常具有信号强度低、目标尺寸小和受噪声影响大等特点。特别是在复杂背景下,红外弱小目标检测时存在对背景和噪声抑制不足以及虚警率高的问题。为了克服现有红外弱小目标检测方法存在的局限性,本文具体研究内容如下: (1)提出了结合新型形态学Tophat算子与小波变换的红外弱小目标检测方法。利用改进形态学滤波对红外图像的复杂背景进行初步抑制,减少背景干扰。然后对其进行小波变换获得低频和高频分量。低频分量中含有少部分目标信息和大部分的背景信息,采用局部梯度和局部强度算法强化目标点并抑制背景噪声。红外弱小目标具有各向同性的特点,目标点在三个高频子带均可显著呈现,将三个高频子带进行累加,以增强目标。通过特征融合机制整合高、低频目标信息。最后,通过自适应门限阈值分割方法提取出红外弱小目标。 (2)提出了联合频域和多尺度信息的红外弱小目标检测方法。针对在空域上红外弱小目标检测易受噪声干扰的问题,通过傅里叶变换将图像转换至频域,利用低通滤波器提取低频背景分量,结合对数幅度谱平滑与残差差分运算,以有效抑制背景冗余,并增强弱小目标的高频特征表达。构建多尺度高斯金字塔,采用多尺度集合对显著性图进行层次化处理,增强算法对不同尺寸目标的适应性。针对复杂背景下虚警率高的问题,设计了背景感知对比度计算策略,以实现目标特征的精准提取。引入了注意力引导增强机制,通过局部方差与全局方差的显著性权重动态调节图像的对比度,以抑制背景虚警。 实验仿真结果表明,与现有的检测算法相比,所提方法能够在不同复杂场景下有效抑制背景和噪声,准确检测目标,具有很好的鲁棒性。

关键词： 焊缝缺陷   图像处理   边缘检测   Hough变换   OTSU算法  

摘要： 焊缝缺陷检测是工业环节中极其重要的一环，焊接的质量直接影响工程的质量，因此焊缝缺陷的检测变得尤为重要。针对传统人工检测存在的效率低、误判率高、细微缺陷检测准确率低、工作强度大等不足，提出了一种基于连通域分析的钢管焊缝缺陷检测方法。首先，利用X射线成像系统得到焊缝原始图像；然后，经过Canny边缘检测、Hough变换和条件筛选提取出完整的焊缝区域；之后，通过OTSU算法、梯度法和连通域分析，填充了缺陷内部以获取完整的焊缝缺陷；最后，计算缺陷位置的平均灰度并根据筛选条件选择出真正的焊缝缺陷，自动检测并标记了焊缝原始图像中的缺陷，有效降低了焊缝缺陷检测的漏检率和误报率。实验测试了1 000幅左右的焊缝原始图像，验证了所提算法的正确性和有效性。所提算法识别率可达95.3%,漏检率为2.1%,误报率为2.6%。对比其他算法，所提算法对缺陷类型不敏感，检测速度快且识别率高，具有较强的适应性和通用性。

关键词： 机器视觉   煤炭分选   智能自动化   图像处理   模式识别  

摘要： 研究并实现一种基于机器视觉的煤炭智能分选系统。首先设计整体系统架构，其次重点研究煤矸分选中的图像处理与模式识别算法，再次基于六轴机械臂搭建自动化分选系统，并进行系统集成，最后通过实验评估系统性能，验证方法的有效性。

关键词： 智慧门店   计算机视觉   深度学习   客流统计  

摘要： 针对多柜台环境中客流统计精度和实时性难以平衡的问题，提出了一种基于目标检测算法（you only look once version 4,YOLOv4）和长短期记忆（long short-term memory, LSTM）网络信息融合的多柜台客流统计方法。该方法结合YOLOv4进行高效的人体检测与跟踪，利用LSTM网络对多视角数据进行时序信息融合，有效解决了多柜台场景中的重复计数与漏计问题。通过LSTM模型的引入，系统能够更好地处理顾客在多个柜台之间的动态行为，并在复杂的客流分布中保持高精度和实时性。实验结果表明：所提方法在精度、召回率、F1-score和实时性方面均优于传统背景减除法、YOLOv3等对比算法，具备较强的实际应用价值。

关键词： 钢筋   计算机视觉   切割   监测   智能平台  

摘要： 钢筋加工是耗时且复杂的任务，传统手工操作存在易出现误差和效率低下的问题。经过原材料准备、测量和标记、切割、弯曲成型、质量检验等步骤，将原材料加工成符合设计要求的钢筋产品。在此过程中，可能出现加工数量不足、超限、切割不达标等问题，导致钢筋加工产品质量不符合要求，进而影响工程质量和安全。针对钢筋加工数量、钢筋加工超限和钢筋加工精准切割优化等要求，建立基于计算机视觉的钢筋加工智能感知方法。并以某商业综合体项目为例，探索其优势和面临的挑战，以期推动施工行业朝现代化方向发展。

关键词： 图像篡改   目标检测   YOLOv8   下文感知   多尺度特征   深度可分离卷积  

摘要： 目的 近年来，随着数字技术的发展，图像篡改已经成为一个日益严重的问题，现有的众多图像篡改和目标检测方法均存在着识别精度不足和检测效果不理想的问题。为了更有效解决这一挑战，提出一个基于改进的YOLOv8检测算法，希望能够实现更高的检测精度。方法 首先，为了捕获篡改的边缘特征，引入局部和全局注意力机制，对YOLOv8的骨干网络进行深度优化，这种优化结合了上下文感知和局部增强技术，大大增强了对边缘特征的识别力；考虑到篡改区域可能存在各种形态，进一步采用堆叠特征金字塔的网络结构，以捕获多尺度特征；最后，为了提高模型的计算效率和推理速度，在模型中结合深度可分离卷积和通道重排技术。结果 在一系列的实验中，改进的YOLOv8篡改检测算法在CASIA2.0图像篡改数据集上展现了出色的性能，与原始算法相比，其准确率高达82.3%,明显提高了检测的效果；提出的基于改进的YOLOv8篡改检测算法，经过深度的网络优化和结构调整，成功地提高了图像篡改检测的准确性和效率。结论 文中提出的方法在图像篡改检测方面表现出较高的准确性，为图像篡改检测领域带来了重要的进展，具有深远而重要的意义。

关键词： 安防巡检系统   DiMP   计算机视觉   无人机   嵌入式系统  

摘要： 针对目前传统人工巡检效率低、存在视野盲区、成本较高等问题，设计了一种基于DiMP算法的安防巡检系统。该系统采用模块化设计，在嵌入式机载计算机上实现了无人机的自主飞行控制及跟踪功能。为提升巡检过程中对小型目标的跟踪精度与准确性，采用多尺度特征融合策略对DiMP目标跟踪算法进行改进，将不同尺度的图像金字塔特征与骨干网络特征进行融合，为骨干网络提供信息丰富的融合特征。优化后的DiMP算法在UAV123数据集上的目标跟踪成功率和精度分别提高了2.6%和3.4%，同时在VOT2018数据集上实现了38 fps的跟踪速度。最后，在室外环境验证无人机安防巡检的效果。结果表明，改进的目标跟踪算法能够在无人机上实时运行，并能够对目标进行长时间且稳定的跟踪。

关键词： 模具缺陷检测   计算机视觉   适应度函数   Sigmoid函数   自动检测技术  

摘要： 为了提高模具质量、模具缺陷检测效率与检测准确率，提出了一种基于计算机视觉的模具缺陷自动检测技术。首先，通过获取模型空间特征数据，完成种群粒子位置和速度的初始化。然后，利用适应度函数分析，寻找局部和全局最优解，优化粒子速度和位置。接着，采用Sigmoid函数对粒子的速度和位置进行修正。最后，判定粒子的适应度是否稳定，并通过计算机完成模具缺陷检测结果可视化输出。实验结果表明，所提出的技术能够有效识别缺陷类型、缺陷内容、缺陷尺寸，且检测时间比传统人工检测方法至少缩短55%。此外，该技术的过检率为1.18%,正检率为99.32%,漏检率为8.76%,在所有检测技术中表现最佳。