关键词： 计算机视觉   仪表盘图像预处理   特征信息提取   指针式仪表读数  

摘要： 阐述指针式仪表读数流程及常用算法,包括仪表盘图像预处理、仪表盘特征中的表盘区域提取、仪表盘内关键信息提取,提出基于计算机视觉的指针式仪表读数方法与优化策略。

关键词： 束流品质参数   荧光靶图像   EPICS   Python   图像处理  

摘要： 在LECR3离子源低能束流传输线(LEBT)束流调试过程中,需要将荧光靶采集到的束流信息通过数值计算、传输和图形显示等处理,实现束流品质参数的可视化功能,以方便束流诊断和调试。为此,研制了基于EPICS(Experimental Physics and Industrial Control System)的荧光靶剖面参数测量及分析的在线可视化系统SOMS(Scintillator Online Measurement System),其中IOC(Input Output Controller)层是通过Python数据处理程序编程,实现了荧光靶图像获取、标定、处理,及剖面参数计算、参数PV(Process Variable)发布的软件功能模块,并在CSS(Control System Studio)客户端实现了荧光靶图像剖面参数可视化功能。整套系统通过载束运行测试,结果显示,系统运行稳定、可靠,束流剖面参数计算准确、快捷,用户界面友好,提高了离子源前端束流调试效率。

关键词： 人机交互   手势识别   多模态深度学习   计算机视觉   卷积神经网络  

摘要： 人机交互系统中,计算机视觉技术和深度学习算法常用来实现手势分割、特征提取和分类识别等。系统由本地终端和云端服务器组成,本地终端采集常用手势图像,利用亮度信息和方向梯度直方图(Histogram of Oriented Gradients,HOG)等多模态特征建立训练数据集;云端服务器基于Nvidia Jetson Nano B01 AI平台以迁移学习方式进行卷积神经网络(Convolutional Neural Network,CNN)训练;利用边缘计算技术将手势图像预处理和特征提取等任务放在本地完成,降低对服务器算力依赖。测试结果表明,系统平均处理和延时在2 s左右,满足普通的实时交互需求;CNN模型对45种手势的整体预测精确率为0.99;手势识别结果在本地实现图像-文本-语音转换,增强了交互的便利性和效率;用户数据在本地存储既保证了安全,也拓展了系统的应用场景。

关键词： 3D目标检测   多模态特征融合   YOLOv8   注意力机制  

摘要： 针对点云与图像的空间维度不同导致多模态特征难以对齐的问题,提出融合YOLOv8的多模态3D目标检测网络。首先,设计基于YOLOv8的数据增强模块将图像映射到三维空间,生成与点云对齐的伪云,并使用冻结权重的YOLOv8增强点云和伪云。然后,构建双流编码器并行提取多模态特征。最后,设计基于注意力机制的感兴趣区域(region of interest,RoI)特征融合模块和基于门控的RoI特征融合模块来聚合多模态RoI特征。在KITTI验证集上,提出的算法在困难级别对汽车、行人和骑行者的3D平均精度分别达到79.28%、58.70%和76.04%,较原始算法分别提高0.62%、3.07%和7.54%,验证了算法的有效性。

关键词： 缺陷检测   图像处理   椭圆检测   最小二乘算法  

摘要： 针对球笼防尘罩的小口内部毛刺缺陷人工质检效率低的问题,提出了一种基于图像处理的实时缺陷检测方法来使质检过程自动化,从而提高生产效率。首先,通过一系列无参数化的图像预处理方法使原始图像满足边缘提取的条件。接着,使用启发式的边缘搜索算法得到小口内部边缘坐标。之后通过最小二乘算法拟合出椭圆参数方程,从而计算得到相似点坐标。最后通过图像边缘与拟合椭圆的相似度来判定物料是否存在小口内部毛刺缺陷。最终实验结果表明,该算法在实际采集的测试数据集中的检测准确率为100%,并且完全可以实现对小口内部毛刺缺陷的实时检测。

关键词： 电气设备红外图像   目标检测   轻量级网络   通道注意   池化  

摘要： 提出一种适合边缘计算设备的轻量级卷积神经网络(LightweightES)用于识别热像中的电气设备及其异常发热故障。为达到减少模型参数的同时提升检测精度的目标,对经典SSD进行改造,利用MobileNetV3轻量级网络作为特征提取骨干网络,快速高效地提取图像特征;引入高效通道注意模块ECA,提高网络的检测精度;采用软池化(SoftPool)方法以减少池化信息损失,提高网络的分类精度。建立并标注含10516幅电气设备红外图像的数据集,含电流互感器、避雷器、绝缘子、隔离开关、断路器、套管等6种户外变电站设备。实验结果表明:LightweightES算法mAP达93.8%,较SSD提高了7.5百分点,参数量仅为SSD的1/5,检测帧率达55 FPS,能够实时准确地识别电气设备及其局部温度异常故障,适用于算力有限的智能现场监测终端。

关键词： 自动驾驶   鸟瞰图检测   通道注意力   目标检测   注意力机制   时空编码器  

摘要： 基于摄像头构建的感知和检测系统,以较低的成本和较高的分辨率实现目标检测。通过六个单目相机生成的鸟瞰图(BEV)特征可进行目标检测。其中,BEV特征包含物体的位置和尺度,适用于各种自动驾驶任务。BEV检测器通常与深度预训练的图像骨干相结合,但是两者直接连接并不能突出2D特征与3D特征的对应关系。为了解决以上问题,使用通道注意力对输出特征图加权调整提议特征通道,并与深度估计模块相结合,突出了2D与3D特征的关系;通过时序叠加融合方式解决了继承式融合方式中过去信息逐渐丢失的问题,保证了模型能够充分利用历史信息。在NuScenes数据集上进行了广泛的实验,结果表明归一化累计得分(NDS)达到了0.604,比BEVFormer模型提升了0.035,验证了模型的有效性。

关键词： 深度卷积神经网络   注意力机制   损失函数优化   网络结构调整   计算效率  

摘要： 本文分析了深度卷积神经网络(CNN)在计算机视觉中的优化策略,旨在提高模型性能和泛化能力。通过引入注意力机制、优化损失函数和调整网络结构,实验结果表明模型分类准确率提升约5%。优化策略不仅增强了模型对关键特征的识别能力,还降低了计算复杂度,缩短了训练时间。此外,研究还探讨了优化策略在提升计算机视觉应用效率、降低计算资源消耗以及推动技术进步和创新方面的社会影响。

关键词： 计算机视觉   图像增强   煤量识别   自动控制   防冻液喷洒  

摘要： 为解决煤矿煤炭传送过程中,操作人员因失误、疲劳导致防冻液喷洒不足或过量,致使煤炭与传送带粘连或打滑,进而造成生产事故的问题,研发了一种基于视觉监控的煤矿传送带防冻液自动喷洒系统。通过边缘算法对现场传送带图像的检测识别与分类,系统对防冻液阀门下达远程控制指令,完成防冻液的自动喷洒。引入一种基于u-net的图像数据增强方法(U-NHME)对原数据集样本进行增强,然后采用YOLO-V7作为网络进行目标定位与识别,实现了全天候室外图像的准确识别。采用Map等评价指标对不同煤量的图像进行增强、训练与识别。实验结果表明,相比YOLO-V7原始网络,本研究算法的识别精度提高了2百分点,提高了传送带煤量识别精度。

关键词： 文档处理机器人   三轴桁架结构   机械手   气动   目标检测   字符识别   自然语言处理   Python   YOLOv8  

摘要： 本文提出了一种高效智能的文档处理机器人设计方案,旨在提高文档处理效率,降低人力、物力、时间成本以及失误率,以适应现代办公环境的智能、自动化趋势。该机器人可以根据用户定义的关键字词规则,实现智能地将纸质文档分类或排序,此外还能实现内容采集与纠错等任务。其采用三轴桁架结构的机械手,桁架结构由步进电机驱动,机械手包含摄像头、真空吸盘以及多个传感器。用户放入待处理的纸质文档,并通过局域网连接主控板进行发布任务,然后由机械手摄像头检测纸张位置以及识别文字,接着由真空吸盘吸取纸张,分类放置在指定位置。综合以上设计,本方案大幅提高了办公的效率和智能化,为自动化文档处理领域提供了一个可行的解决方案。