关键词： 新零售   嵌入式   目标检测   日用商品   YOLOv4-tiny  

摘要： 针对基于移动平台的商品图像检测算法存在硬件要求高、模型复杂且精度低等问题,提出一种YOLOv4-tiny改进网络,减少网络参数与模型尺寸,提高网络精度,构建更高效的网络。将原有标准卷积替换为点卷积与逐深度卷积,特征提取使用CG模块,降低网络模型计算损耗。特征融合时,在原有特征金字塔(Feature Pyramid Networks,FPN)基础上添加PANity模块,缩短高低间卷积层的跨度。使用CSPConcat结构对此前各层融合特征进行特征优化处理,提高各层间特征融合的能力。利用k-prototypes算法优化日用商品数据集先验框的尺寸与数目。通过在darknet深度学习框架下,对日用商品数据集进行实验,得出改进后的算法平均精度(mAP)为98%,召回率为97%,较原网络提升了2.4百分点和2百分点,网络模型计算量较原网络降低了40.4%,模型存储文件缩小了55.9%。改进后的网络模型更轻量化、准确率更高,更加适用于部署在无人结算环节的低硬件水平嵌入式设备中。

关键词： 目标检测   模型轻量化   YOLOv5   Varifocal loss   SIoU  

摘要： 针对红外图像分辨率差、对比度低、信噪比低、视觉效果模糊等检测难点,提出一种基于YOLOv5的轻量化红外目标检测(Lightweight Infrared Target Detector-YOLO,LITD-YOLO)算法。LITD-YOLO算法重新设计网络结构,针对红外目标成像特征,将特征提取网络与特征融合网络结构重构。提高小感受野权重,重建浅层特征和深层特征之间的多尺度融合关系,提高浅层网络语义信息表征能力权重,增强对红外小目标的检测能力。引入Varifocal loss以实现交并比感知分类评分(Intersection over Union-Aware Classification Score, IACS)回归,使模型对密集目标的检测能力进一步加强。使用SIoU作为边框损失函数,用于提升预测框的准确度,同时加速模型收敛。实验结果表明,在FLIR和OSU数据集下模型检测精度分别提高至88.5%、99.7%,模型体积仅3.9 MB,参数量和算法复杂度大幅降低;与主流算法相比,LITD-YOLO在各项指标上均取得了不错的进步,在检测精度、模型体积和推理速度等方面具有先进性,能满足对红外目标的高质量检测。

关键词： 图像处理   红外成像   混凝土表面裂纹   检测   灰度化处理   二值化处理  

摘要： 为了更加高效、精准地检测混凝土表面裂纹,提出了红外热成像技术的混凝土表面裂纹自动检测方法。通过红外热成像技术生成混凝土表面图像,经灰度化处理去除混凝土表面图像杂色,并获取灰度化图像,然后对灰度化图像进行阈值化,从阈值化图像中提取混凝土表面裂纹特征信息,建立无裂纹混凝土表面图像的灰度值一维矩阵,并利用最小二乘法曲线拟合灰度值将待检测混凝土表面图像和无裂纹混凝土表面图像相减,突出裂纹信息,实现混凝土表面裂纹检测。实验结果表明方法的裂纹检测准确率高、速度快,在不同噪声影响下均具备较高混凝土表面裂纹检测精准度,获得了理想的混凝土表面裂纹检测效果。

关键词： 视觉大模型   铁路场景   目标检测   模型剪枝   多尺度推理   铁路人工智能平台  

摘要： 研究铁路计算机视觉大模型关键技术及其应用,对统筹和促进铁路人工智能发展具有深远意义。文章依托铁路人工智能平台的算力与大模型支撑组件,提出从基础大模型到铁路计算机视觉大模型,再到铁路计算机视觉场景大模型的架构设计思路。基于基础大模型,设计模型训练框架,运用模型剪枝和多尺度推理技术保障推理速度与精度,完成铁路计算机视觉大模型的构建;提出铁路计算机视觉大模型的应用场景,并选取线路环境安全管控智能识别场景对该大模型能力进行验证。实验结果表明,铁路计算机视觉大模型在复杂背景下的微小目标检测方面表现卓越,具有较好的应用前景,将在铁路运输安全、移动装备检测、铁路客货运服务等业务领域发挥更加重要的作用。

关键词： 目标检测   卷积神经网络   深度学习   太阳电池   YOLOv5  

摘要： 在新能源应用技术中,太阳电池表面缺陷检测是至关重要的技术环节。该文研究并提出一种基于YOLOv5算法的优化模型,可对静态图片进行检测也可用于实时视频中。将坐标注意力机制(CA)加入到YOLOv5的主干网络部分。再将颈部网络部分的特征融合部分优化为BiFPN结构。最后,为解决正负样本数量失衡问题,开启Focal Loss,并将其优化为Varifocal Loss。将此优化算法应用在PVEL-AD数据集上,并将mAP@0.5作为验证标准。验证结果表明,该研究所使用算法的检测精度达到86.24%,相较于未优化的原始算法提升5.64%。

关键词： 寿命评估   局部低硬度   P91   图像处理  

摘要： 以某电厂A修金属检验中发现局部低硬度P91封头为研究对象,采用等温线外推法对其剩余寿命进行评估并对其计算结果的精确性进行了分析。结果表明:封头的硬度与应力对其剩余寿命评估有很强的敏感性。为提高局部低硬度封头剩余寿命的评估精度,此次分析通过封头的网格化硬度检测与数据采集并对封头的整体硬度进行非线拟合,利用图像方法对封头的低硬度区进行提取及量化;结合有限元对其应力分析的结果,可计算封头低硬度区在该位置应力作用下的剩余寿命。这种基于图像处理方法的寿命评估手段相较于传统的等温线外推法对承压部件进行寿命评估具有更高的精确性且适用于局部低硬度承压管件,为广大技术人员处理局部低硬度管件提供了新思路。

关键词： 表面缺陷   迁移学习   目标检测   改进YOLOv7算法   机器视觉   注意力机制  

摘要： 在智能制造的背景下,企业中传统冶金锯片的缺陷检测存在实时性不足、漏检误检率高和精度低等问题,难以满足现代工业的需求。提出了一种改进深度迁移学习的冶金锯片缺陷检测方法。首先,通过提取目标域的特征信息,以余弦相似性作为评价指标,从源域中选择与缺陷数据集相关性高的源域样本作为训练对象,对其进行预训练;然后,在YOLOv7算法中引入条件参数化卷积(CondConv)模块,显著提升了推理效率;同时提出了一种高效层聚合网络(ELAN-CA),优化了特征之间的空间信息融合,从而增强了网络性能;其次,通过引入全新的特征模块(AFPN),有效整合了不同尺寸的缺陷信息;最后,基于改进深度迁移检测算法与Mysql数据库相融合开发了在线冶金锯片表面缺陷检测系统,能够实时进行多种方式缺陷检测,并对检测信息进行存储与分析,便于实时统计锯片缺陷信息,提升了检测的灵活性和适应性。所改进算法将冶金锯片缺陷的检测精度提升至93%,相较于基础网络,参数量降低了约46%,准确率和平均精度均值A均提高了5.2%,能够满足冶金生产现场对缺陷实时检测的要求,显著提高了质量控制的快速反应能力,减少了人工检测的误差和劳动力成本,为产线质量检测的全自动化和智能化提供了重要的技术支持。

关键词： 红外图像   目标检测   多尺度局部对比度   图像方差  

摘要： 针对复杂场景下存在背景变化剧烈、杂波较多、信噪比低而造成红外弱小目标检测准确率低、虚警率高的问题,提出利用图像全局信息与局部对比度结合的红外弱小目标检测算法。算法利用方差和信杂比对图像的所有像素点统计分析,将图像做全局处理得到特征图,以适应灰度变化剧烈的复杂背景,同时抑制大量平缓背景杂波,提高目标的信杂比。针对特征图中主要存在的强背景边缘噪声和高亮像素点噪声,采用加权绝对方向平均差(weighted absolute directional mean difference,WADMD)算法,将目标与背景的强度差异作为加权系数,计算目标与各方向背景的绝对平均差,并使用判断门限抑制负对比度,抑制高亮度噪声的同时,提高目标的显著性。实验表明,与对比算法相比,本文算法能够适应多变的复杂背景,对目标信杂比提升更明显,鲁棒性更好。

关键词： 人工智能技术   肖像权   图像处理   换脸   风险与防范   潜在问题   简易操作   违法行为  

摘要： 随着科学技术的日新月异,图像处理与人工智能技术诞生,“换脸”软件开始在网络上风靡。用户只需简易操作,便可轻松把自己的面容替换到名人或好友身上。但是,“AI换脸”给群众带来欢乐的同时,也引发了一些潜在问题,“AI换脸”技术进行欺诈和侵犯他人肖像权等违法行为也为我们敲响了警钟。

关键词： 多输入多输出雷达技术   目标检测与跟踪   波束形成  

摘要： 文中提出了一种基于多输入多输出(MIMO)雷达技术的目标检测与跟踪算法。首先,介绍了MIMO雷达技术的原理及其在目标检测与跟踪领域的应用优势。其次,详细阐述了算法的设计思想和实现方法。该算法利用MIMO雷达系统同时发送和接收多个波束,实现了对目标的高分辨率成像和准确跟踪。最后,通过仿真实验验证了该算法的有效性和性能优势,证明了其在实际应用中的潜力。