关键词： 倒伏小麦   软件开发   目标分割   边缘提取   直线检测  

摘要： 【目的】小麦大面积倒伏严重影响了小麦成熟和收获,需采取综合措施,降低倒伏小麦的机收损失。【方法】借助Visual C++软件开发平台,开发了一款倒伏小麦检测系统。完成了该系统图像信息模块、图像预处理模块、目标分割模块、边缘检测模块和图像特征检测模块等模块的设计及功能实现,并对倒伏小麦图像进行了检验测试。【结果】将原始倒伏小麦图像和边缘检测直线的结果作对比,发现倒伏小麦倒伏边界和边缘检测结果是吻合的,说明检测系统具有一定的科学性。【结论】本研究设计的系统具有图像读入、图像预处理、目标分割、边缘提取及直线检测等功能,通过识别处理并计算出倒伏小麦和成熟小麦之间的高度差,控制收割机割台自动升降,可以降低倒伏小麦的机收损失,具有一定的应用前景和市场空间。

关键词： 目标跟踪   多尺度窗口   Swin-Transformer   模板更新   多模型融合  

摘要： 基于STARK目标跟踪方法中采用ResNet为骨干网络,其特征提取能力不足,跟踪效果较差。针对此问题,本文基于Swin-Transformer网络,提出了一种改进的目标跟踪算法。首先,对Swin-Transformer内窗口注意力机制进行多尺度改进,设计多尺度窗口模块MW-MSA,旨在提取更为丰富的局部细节信息,与全局上下文信息共同构成多尺度判别性特征。接着,结合Transformer的编码-解码结构作为特征融合网络,采用优化的多层感知机作为更新分数判断网络构成状态感知模块。最后,针对目标消失、重现挑战,提出了一种多跟踪器融合方法。融合多尺度改进的跟踪算法和SuperDiMP跟踪算法,设计消失状态判断模块,综合考虑两种跟踪器的置信度分数及目标在预测框附近的可能性估计。实验结果表明,相较STARK跟踪算法,本文算法在GOT-10K数据集上的平均重叠率(AO)提升2.7%、成功率SR_(0.5)提高3.3%。在L-LaSOT数据集上,相较于STARK算法,成功率(AUC)提升0.8%,在目标消失重现挑战下成功率提升1%。

关键词： 卷积神经网络(CNN)   目标检测   计算机视觉   特征表示  

摘要： 随着深度学习的进步,卷积神经网络(convolutional neural network,CNN)在目标检测领域的应用取得了显著的提升。相比传统人工特征构造的方法,CNN算法具备自动特征提取和强大的泛化能力,在复杂场景下,目标检测任务得到更好的解决。此外,该算法具有更好的鲁棒性,使其在实际应用中具备更高的可靠性和效率。首先回顾卷积神经网络的发展历程,重点介绍其在计算机视觉领域的应用,并突出与传统算法相比在图像处理方面的明显优势。接着,对分类与分割算法、目标检测算法和基于区域与回归检测的3种主流算法进行介绍,特别强调各类算法在解决目标定位、分类和语义分割等关键问题上的创新和突破。然后,对现有的公开数据集进行归纳。最后,展望目标检测算法未来的发展趋势。

关键词： 自动巡检   图像处理   无人机   输电线路  

摘要： 阐述一种基于无人机影像的输电线路自动巡视系统。介绍系统的设计与构成,探讨系统的工作流程与算法原理,包括无人机航行路径规划、图像数据采集与处理流程、缺陷检测与识别算法原理。

关键词： 海洋石油平台制造   人工智能   机器人   智能算法  

摘要： 本文主要探讨了基于人工智能深度神经网络的计算机视觉技术在海洋石油平台非标钢结构自动化加工中的应用分析。通过对现有技术的分析发现,计算机视觉技术有潜力解决海洋石油平台制造中的一些关键问题,如非标产品的识别和易反光表面的处理。

关键词： YOLOv8   居家环境   目标检测   跌倒特征   跌倒行为识别  

摘要： 对于现有跌倒行为识别算法在复杂的居家环境条件下,出现算法精度低、实时性差等问题,文章提出一种基于YOLOv8的居家环境跌倒行为识别方法。该方法通过网络摄像头获取视频图像,使用基于YOLOv8的目标检测算法识别监控视频中每一帧画面的人体与跌倒特征,再结合时序状态特征处理,设定规则判别跌倒行为,并进行跌倒预警。实验证明,改进的方法精确率达94.9%,召回率达95.7%,FPS为40,算法识别准确率高、实时性强,为跌倒行为识别提供了一种简单而有效的方法。

关键词： 计算机视觉   疲劳检测   预警系统   人脸检测  

摘要： 疲劳驾驶极大地降低了驾驶人员的反应能力和判断力,成为交通安全的重大隐患。针对疲劳驾驶预警存在的不足,采用三层体系架构,设计与实现了基于计算机视觉技术的疲劳驾驶预警系统。首先,检测道路两侧的车道线,根据行车方向与车道方向的夹角变化,实现了车道偏移预警;其次,检测眼部特征关键点,根据眼部闭合时间长短,实现了闭眼疲劳预警;再次,检测嘴部特征关键点,根据嘴部纵横比的变化,实现了哈欠疲劳预警;最后,根据历史疲劳驾驶数据,实现了对车辆疲劳驾驶行为的预测。通过该系统的使用,可以实现对疲劳驾驶行为的预警,有效提高行车安全和减少交通事故风险。

关键词： 无人机影像   数字正射影像图(DOM)   数字表面模型(DSM)   YOLOv5模型   目标检测  

摘要： 本文针对道路建设迅速推进,道路场景地物目标检测效率低、精度低等问题,提出一种基于改进YOLOv5模型的道路场景地物目标检测和尺寸测量方法。针对检测效率低问题,本文利用无人机采集道路场景地物数据;针对目标检测精度低问题,通过在Backbone主干网络中C3模块中增加卷积块注意力模块(CBAM)注意力机制、增加P2小目标检测头和改进损失函数SIoU来改进YOLOv5模型,提高精度。最后,利用数字正射影像图(DOM)和数字表面模型(DSM)进行道路场景地物尺寸测量。实验结果表明:利用改进YOLOv5模型对道路地物进行检测,Precision、Recall、mAP@0.5和mAP@0.5:0.95分别比YOLOv5模型算法提高了1.7%、7.5%、6.5%和4.2%,分别达到了85.9%、90.0%、90.3%和52.1%,有效提高了地物目标检测精度;利用DSM进行道路场景地物尺寸测量也达到很好效果。

关键词： 红外图像   YOLOv7模型   电力设备   故障识别   图像处理  

摘要： 目前电力设备故障尚未应用温度变化率进行变压器故障诊断,因此本文提出利用基于模糊温差法的隶属函数方法对红外图像进行预处理,并利用YOLOv7模型对红外图像进行处理,以提升红外图像的辨识度。试验结果表明,YOLOv7算法的红外图像处理模型的节点数量仅为121个,比YOLOv3和YOLOv4分别降低80.9%、81.03%。并且YOLOv7算法在图像处理时间方面具有较好的性能,检测时间仅为10 s,比YOLOv3和YOLOv4的检测时间分别降低50%和30%。

关键词： 活体检测   反欺诈攻击   图像处理   数据融合  

摘要： 基于神经网络的活体检测算法有效防止各类欺诈攻击,但当前的活体检测算法无法兼顾检测速度、检测精度和成本。对此,在MobileNetv2的基础上提出一种多模态数据融合的活体检测算法,该算法引进跨阶段部分网络(Cross Stage Partial Network,CSPNet)和提出DDConvBlock,实现检测速度、检测精度和成本之间相平衡的设计目标。为验证该算法的有效性,先在公共数据集Msspoof和CASIA-SURF上进行实验验证。接着根据实际需求,构建私有数据集,并在该数据集上用该检测算法进行建模和实验验证。验证结果表明该方法在不同遮挡和不同攻击方式下能有效地进行活体检测,该检测模型具有可移植性强的特点,能够推广到对安全性和便利性要求较高的平台中。