关键词： 股骨颈骨折   体层摄影术   螺旋计算机   图像处理   计算机辅助   诊断  

摘要： 目的 探究64层螺旋CT三维重建技术诊断老年股骨颈骨折的临床价值。方法 采用随机数字表法将我院2021年4月至2023年2月收治的62例股骨颈骨折患者分为2组,各31例。对照组采用新东方1 000 UA型透视摄影X射线机检查,观察组则采用64层螺旋CT三维重建技术进行检查。对比2种方法在老年股骨颈骨折中的诊断准确度、解剖部位分型诊断符合率、影像学检查表现分析。结果 相比于对照组,观察组诊断老年股骨颈骨折准确度较高,漏诊率较低(P<0.05)。以临床检查结果为“金标准”,相比于对照组,观察组解剖部位分型诊断符合率较高(P<0.05)。结论 64层螺旋CT三维重建技术在老年股骨颈骨折诊断中应用价值较高,可有效提升诊断准确度,且与解剖部位分型诊断符合率较高,为临床进一步诊疗提供可靠参考,值得推广应用。

关键词： 计算机视觉   图像识别   监测   密度   热压   定向刨花板   断面密度梯度(VDP)  

摘要： 【目的】断面密度梯度(VDP)是影响定向刨花板物理力学性能的重要因素,以往的研究大部分采用模拟预测等间接方式获取VDP。为了快速、准确、直接获取热压过程中定向刨花板的VDP,将计算机视觉技术应用于VDP的在线监测。【方法】利用计算机视觉技术处理热压过程中采集的照片,快速、准确地识别、标记刨花,计算瞬时压缩比例和密度,实现VDP的在线监测。在实验室制备陡峭型和平坦型两种VDP的定向刨花板。在热压过程中,采用VDP在线监测方法跟踪记录标记刨花位置,并计算压缩比例和区域密度;使用热敏电阻同步记录板坯表芯层温度,断面密度扫描仪计算区域密度。将实际结果与监测结果对比,以验证该技术的可靠性。【结果】(1)该监测方法具有快速、准确、数据完整的特点;(2)板坯瞬时平均压缩比例与标记刨花的瞬时平均压缩比例的相关系数均值大于0.990,区域密度的监测值和实际值的相关系数大于0.840,说明VDP在线监测方法能够准确获得瞬时压缩比例和区域密度;(3)该监测方法能够直观反映热压过程中VDP的形成过程,为解译VDP的形成原理提供新的技术手段。【结论】本研究基于计算机视觉技术开发了一种快速、准确监测定向刨花板VDP的方法。计算机视觉的应用可以为人造板的生产优化提供新的技术选择。

关键词： YOLOv5   带钢表面缺陷   注意力机制   特征融合   轻量化结构   目标检测  

摘要： 为解决现有目标检测方法对带钢表面缺陷检测精度不高、效率低下的问题,提出一种GS-YOLO(Gather-anddistribute-Squeeze-YOLO)模型检测表面缺陷。首先,在骨干网络中,引入SE(Squeeze-and-Excitation)注意力机制,以显著增强模型对缺陷特征的识别与定位能力;然后,将原始C3模块中的传统卷积替换为Ghost卷积,从而有效降低模型的参数量与计算量;最后,在模型颈部引入GD(Gather-and-Distribute)特征融合模块取代传统路径聚合网络(PAN)和特征金字塔网络(FPN)架构,从而确保特征融合的连续性,并提高不同规模目标的识别准确度。实验结果表明,与原始的YOLOv5s相比,所提模型的精确率、召回率和mAP@0.5分别提升了1.32、5.18和2.56个百分点,而计算量减少了0.4 GFLOPs,充分表明所提方法在兼顾检测精度提高的同时,降低了模型的计算量。

关键词： 病害   计算机视觉   苹果   Transformer编码器   自监督学习  

摘要： 为了缓解苹果叶部病害(apple leaf diseases,ALD)识别存在“类内差异大、类间差异小”的问题,该研究设计了一种融合Transformer与原型自监督(fusion transformer and prototype self-supervised,FTPSS)的模型,以进一步提高ALD识别精度。首先,利用Resnet50作为骨干网络,以提取ALD图像的多级特征图谱;然后,构造了一个简化自注意力(simplified self-attention,SSA)机制,且将其与空间注意力引导可变形卷积(spatial attention guided deformable convolution,SAG-DC)相结合,设计了一种简化自注意力可变卷积Transformer(simplified self-attention and deformable convolution transformer,SSADC-TF)编码器,用于对主干网络提取的多级特征图谱进行交互融合,以增强模型对ALD图像中不规则病变区域的感知能力;最后,构造了一个原型自监督(prototype self-supervised,PSS)学习模块,即通过构造“正交”与“聚集”二个自监督损失函数用于约束模型的训练,以缓解ALD图像识别中存在的语义鸿沟问题。基于标准图像集与真实图像集的对比试验结果表明,ALD图像经SSADC-TF逐层特征融合与PSS学习之后,FTPSS模型识别精度分别达到98.61%与98.73%,较基线模型分别提高5.15与4.49个百分点,能够满足智慧农业ALD识别的应用需求。

关键词： 目标检测   毫米波雷达   神经网络   数据融合   施工安全  

摘要： 针对目前纯视觉方案的安全帽检测算法难以兼顾精度与实时性的问题,本文利用毫米波雷达与视觉融合技术,提出一种基于嵌入式设备实时检测电力作业人员是否佩戴安全帽的智能识别算法。首先,对毫米波雷达和相机数据进行空间和时间融合;其次,基于目标生命周期方法对雷达数据进行有效目标筛选,设计状态滤波粗检测作业人员,并计算出图像感兴趣区域(ROI)映射到图像;然后,对多ROI的情况设计去重与合并方法;最后,基于YOLOv5模型,采用改进的轻量级网络ShuffleNetv2作为骨干网络,提高网络运行速度,在ROI中对人员是否佩戴安全帽进行检测。在电力现场搭建实验平台并将该方案与现有的纯视觉方案进行对比实验,结果表明该方法在检测精度有所提高的同时,实时性大幅提升,可以在作业现场实现基于嵌入式设备的实时检测。

关键词： 动作识别   骨架模态   图卷积网络   视频分类   计算机视觉  

摘要： 动作识别方法在计算机视觉领域取得了显著的效果,其中图卷积网络是动作识别任务的一种重要手段,在提取图结构数据的特征中表现出了卓越优势。然而,现有的图卷积动作识别网络仍存在一些问题,如过度依赖预定义骨架拓扑图结构、大时间卷积核计算成本高且缺乏灵活性等,这些问题极大限制了模型的表达能力和鲁棒性。文中提出了一种基于骨架数据的自适应瓶颈层多尺度图卷积动作识别方法,自适应空间模块对骨架拓扑图结构和参数进行优化学习,从而增强模型灵活性和适应性;瓶颈层多尺度时序模块提高时间建模能力,通过减少通道宽度来节省计算成本和参数。为验证所提方法的有效性,在大型骨架动作识别数据集NTU-RGB+D和NTU-RGB+D 120上进行实验。结果证明,改进后的算法的准确率得到了一定提升。

关键词： 计算机视觉技术   EIP-CDIO理念   教学改革   课程思政   项目化  

摘要： 针对当前计算机视觉技术课程教学目标不明确、重理论轻实践、思政元素融入不足、课程考核机制不全等问题,分析计算机视觉技术课程体系结构、教学模式、学习难点和能力瓶颈等因素,提出构建基于EIP-CDIO理念的创新教学改革模式,并结合当前国家信创战略的热潮,在项目化的教学实践中融入CDIO理念的同时,将EIP理念与课程思政有机结合,引导学生树立正确的价值观和职业观。实践证明,这种教学模式有效地提高了学生的自主创新能力和工程实践能力,显著提高了教学质量。

关键词： 安全工程   动火作业   目标检测   空间深度转换卷积模块   注意力机制  

摘要： 确保动火作业过程中多种安全防护品的配置是预防人员受伤的有效途径。为了解决复杂动火场景下安全防护品的实时监测问题,设计实现了一种基于YOLOv5的改进目标检测算法,记为Hot work-YOLOv5s。首先,在YOLOv5s算法的主干网络中嵌入空间深度转换卷积(Space-to-Depth Convolution, SPD-Conv)模块以取代原有的步幅卷积和池化下采样,减少细微特征信息的丢失。随后,在残差模块引入无参注意力机制(Simple, parameter-free Attention Module, SimAM),以增强特征表达能力,提高网络速度;最后,将原网络的边界框回归损失函数优化为WIoU(Weighted Intersection over Union)损失函数,采用动态非单调聚焦机制,加速网络收敛。在自制的动火作业安全防护品的数据集上,改进后的模型平均检测精度达到了96.8%,每秒处理帧数达到了89帧,所提出的算法满足动火作业人员安全防护品检测任务的准确性与实时性的要求,同时在场景干扰较大、受光照影响的成像上也有很好的检测效果,给动火场景下安全防护品的快速检测提供了一种新的方法。

关键词： 遥感图像   小目标检测   YOLOv7   BiFPN   BiFormer  

摘要： 目前目标检测技术已趋于成熟,但小目标检测仍是研究的难点,特别是目标小、背景复杂的遥感图像。针对这一问题,提出一种改进的YOLOv7目标检测模型。结合多尺度特征融合的思想,在YOLOv7的特征提取阶段添加一个加权特征金字塔网络BiFPN,BiFPN融合不同尺度的特征图,得到更加丰富的特征表示,从而提升目标检测的准确性。另外,利用BiFormer注意力模块提高网络对小尺度目标的敏感度,降低噪声所带来的影响,优化检测的目标,提高检测的效率。最后,使用MPDIoU损失函数解决CIoU损失函数的局限性,以提高模型的泛化性。实验结果表明,改进后的模型在VisDrone数据集上,mAP值与原YOLOv7模型相比提高了4.1个百分点,并且检测准确度也有所提高。

关键词： 云计算   消息中间件   弹性伸缩   图像处理  

摘要： 针对传统系统在处理海量图像数据时,常面临并发处理能力有限和扩展性差的问题。本文提出了一种基于消息中间件和云函数的高性能弹性伸缩处理系统架构,以解决这些挑战。该架构利用消息队列实现任务的异步解耦和队列缓冲,以提高系统并发能力。同时,借助云函数的弹性计算特性,实现图像处理服务的按需伸缩,从而确保高效处理能力,降低成本,并提升资源使用效率。实验结果表明,该架构可显著提升处理性能,并实现弹性扩展,为大规模图像数据的实时处理提供了重要价值。