关键词： 铁路隧道   隧道洞口定位   试验研究   图像拼接   多通道   线阵相机   图像处理  

摘要： 隧道洞口图像拼接是隧道衬砌裂缝检测系统的重要环节。以一条线路的多通道隧道洞口图像为基准,提出了一种多通道线阵相机隧道洞口图像拼接方法,该方法基于图像处理分为粗定位、精识别两阶段,可有效提高隧道图像拼接的效率和准确性。试验结果表明,该方法在隧道洞口图像拼接试验中的成功率为82%,能有效降低人工成本,提高工作效率,从而促进隧道衬砌裂缝检测的自动化发展。

关键词： 无人机   异源传感器   目标检测系统   图像融合   检测算法  

摘要： 随着无人机技术的快速发展,目标检测已成为无人机应用中的一项关键技术。传统的目标检测方法往往依赖单一类型传感器获取的信息,然而异源传感器的数据互补性可以显著提升目标检测的准确性和鲁棒性。本文设计了异源传感器图像融合的目标检测系统,该系统主要由电源系统、数据采集系统、通信系统、数据处理系统以及目标检测系统等组成。针对该系统设计了软件架构以及目标检测算法流程,在此基础上,设计了相应的实验并对参数进行了合理设置,实验结果表明,本研究提出的方法能有效提升目标检测的准确率和鲁棒性。

关键词： 小目标检测   YOLOv8   特征提取   注意力机制   损失函数  

摘要： 针对目标检测算法在无人机视角下的小目标检测中精度低的问题,通过改进YOLOv8的骨干网络与注意力机制,提出一种新的小目标检测算法SFM-YOLOv8。首先,在骨干网络中融入适用于低分辨率图像和小物体检测的空间深度转换卷积(SPDConv),保留判别特征信息,提高小目标感知能力;其次,插入多分支注意力MCA(Multiple Coordinate Attention),加强提取特征层的空间信息和通道信息;然后,构建一种融合FasterNet和高效多尺度注意力(EMA)的卷积FE-C2f,减少计算量并使模型轻量化;此外,引入边界框相似度比较度量(MPDIoU)损失函数提高算法精度;最后,在YOLOv8n的网络结构中增加小目标检测层,保留更多关于小目标的位置信息和细节特征。实验结果表明,与YOLOv8n相比,SFM-YOLOv8算法在VisDrone-DET2019数据集上的平均精度均值mAP_(50)提高了4.37个百分点,参数量减少了5.98%;与相关主流模型对比,精度也有所提升,且满足实时检测需求。

关键词： 计算机   视觉技术   工业检测  

摘要： 计算机视觉技术在工业检测中的应用要点包括图像采集、预处理、特征提取、目标检测与识别、实例分割、异常检测、深度学习与模型训练、实时监测与反馈等。通过这些技术要点,计算机视觉技术为工业检测提供了高效、准确的解决方案。工业检测中,首先要对被检测物体进行图像采集,通过高分辨率摄像头、无人机、机器人臂等设备实现。图像采集的质量直接影响到后续的图像处理和分析结果,对采集到的图像进行预处理,以提高图像质量,包括去噪、对比度增强、图像归一化等。而特征提取是指从原始的图像序列中抽取感兴趣区域并将其分类。

关键词： GPU技术   图像采集   图像处理   并行计算  

摘要： 研究提出了一款基于图形处理器(GPU)技术的计算机图像采集与处理系统。该系统利用高速摄像头采集图像,并通过高速数据传输通道将图像数据迅速传输至GPU内存中,实现了高速图像采集和处理。在软件部分,系统利用GPU的并行计算能力,实现了图像滤波、增强、分割、特征提取及目标检测和识别等功能。对系统的功能和性能进行了测试,结果表明了系统能够快速准确地处理图像数据,具备良好的并发处理能力和资源利用率。这一研究为基于GPU技术的图像处理系统提供了重要的参考和实践基础。

关键词： 目标检测   地下矿山   yolov7   深度学习  

摘要： 面对地下矿山无人驾驶电机车运行过程中的复杂环境,如何高效、迅速、精准的识别出机车前进方向上的人员、矿石等潜在碰撞体,对提升矿山运输效率、增长矿山经济效益具有重要意义。Yolov7算法作为yolo系列较新且应用十分广泛的算法,具有响应速度快、准确率高、运行稳定等特点,因此本文尝试使用yolov7算法来进行潜在碰撞体检测实验。试验结果表明,yolov7算法精确度符合要求,mAP达到96.5%,且在低光照、远距离等环境下均可对潜在碰撞体进行精准检测。

关键词： 人工智能   环境设计   Photoshop图像处理   课程改革  

摘要： 自20世纪50年代起,人工智能技术的兴起与发展为设计领域带来变革。近年来,人工智能已渗透到多个艺术领域,随着使用人数增加,高校也将其纳入教育体系。本研究以《Photoshop图像处理》课程为例,利用人工智能技术构建智能课堂,改进教学质量,使学生深入理解图像处理原理。智慧课堂引入自适应学习系统、图像识别技术和实时反馈机制,能够提供个性化学习资源,结合传统Photoshop与人工智能技术,学生能在实践中直观认识核心概念,提升创造力和实践技能。

关键词： 目标跟踪   目标分割   记忆更新   电力设备跟踪   无人机巡检  

摘要： 无人机巡检是保障新型电力系统安全运行的重要手段,视频目标跟踪技术能够有效提高巡检精度.针对实际电力场景中背景复杂、目标形变大等挑战,提出一种基于掩码记忆的无人机电力设备分割跟踪方法.首先,设计了基于掩码记忆的 L2 匹配分割方法,使用负平方欧几里得距离来计算帧间亲和度,利用构建的历史掩码信息进行目标匹配,提升设备的粗分割精度.其次,为了减少记忆冗余,提出变化感知的记忆更新机制,通过图像和掩码联合评估目标变化程度,设计变化度置信度阈值,以此决策是否进行记忆更新.最后,将分割技术融入判别式相关滤波的跟踪框架中,实现电力设备鲁棒分割跟踪.该方法分别在通用数据集 VOT2018、无人机数据集UAV123 和实际电力场景数据集中进行测试.实验结果表明所提方法能有效提升无人机巡检精度,并为电力设备安全运行提供技术参考.

关键词： 高斯-拉普拉斯滤波   红外小目标   双向加权局部对比度   目标检测  

摘要： 针对目前局部对比度方法在复杂背景下对目标检测虚警率高的问题,提出了一种基于高斯-拉普拉斯(LOG)滤波的双向加权局部对比度的红外小目标检测算法。首先,通过改变高斯滤波的标准差s值对不同背景下的红外图像进行平滑微调后,再将其拉普拉斯算子进行卷积运算以对复杂背景下的有效目标像素进行快速提取;其次,考虑到目标像素在正交和对角方向存在不同特征信息,利用正交方向和对角方向的局部对比度之积构建双向局部对比度并对其进行加权运算,进一步提高目标的显著性;最后,通过自适应阈值分割来获取需要检测的真实目标。实验结果表明,所提算法能够实现对不同尺寸目标检测,不仅可以避免由于多尺度算法导致的块效应,而且还能提高复杂背景下目标的检测率。

关键词： 火灾检测   古建筑   受控火   深度学习  

摘要： 古建筑以木结构为主体,导致人为造成的古建筑火灾频发。古建筑中为祭拜、照明或营造氛围一般都存在大量和长时间的点火、焚烧等情况,对建筑内设置的常规点型感烟、吸气式、线型光束和图像型等火灾探测器产生严重的干扰和影响,存在误报率高的问题。因此,本文针对大型古建筑内部大空间火灾预警探测技术难题,提出一种新的基于人工智能图像处理技术的古建筑受控火干扰辨识方法,通过设计的火灾智能检测算法、受控火智能辨识与确认算法,实现了典型场景下真实火灾与受控火的“行为”图像特征智能辨识。试验结果表明,本方法可在4 s内分别对真实火灾和受控火做出预警提示,有效解决大型古建筑火灾防控技术难题。