关键词： 数字图像处理   优化算法   图像去噪   边缘检测   图像增强  

摘要： 随着图像处理技术的不断发展,如何提高图像处理的效率和质量成为研究的重点。文章探讨了一种基于优化算法的数字图像处理技术,通过对图像去噪、边缘检测、图像增强等关键技术进行优化,增强了图像处理的效果。研究结果表明,改进后的算法能够在保证图像质量的同时,显著减少处理时间。

关键词： 超声心动图   左心室射血分数   计算机视觉   基础模型  

摘要： 目的:探索计算机视觉大模型在超声心动图中预测左心室射血分数(LVEF)的可行性。方法:基于目前最大的超声心动图视频公开数据集EchoNet-Dynamic,纳入10024例患者的10024段超声心动图动态视频。选用计算机视觉大模型VideoMAE V2,分别使用7460、1288、1276段视频对其进行微调、验证和测试。结果:VideoMAE V2预测LVEF与人类专家测量结果间的平均绝对误差为3.94%(95%CI:3.79%~4.11%),Pearson相关系数为0.91(95%CI:0.89~0.92)。此外,VideoMAE V2可准确判断患者LVEF是否低于50%,AUC可达0.96(95%CI:0.95~0.97)。结论:计算机视觉大模型用于在超声心动图视频中预测LVEF可行,为通用多模态超声心动图自动判读系统的开发奠定基础。

关键词： 光学遥感图像   目标检测   损失函数   多尺度   深度学习   特征信息  

摘要： 针对光学遥感图像因目标尺度差异大,小目标特征信息不足导致的检测精度低、误检、漏检问题,文中提出一种基于PSN-YOLOv7的光学遥感图像目标检测方法。首先,增加一个160×160的小目标检测层,增强网络的多尺度目标检测能力;其次,提出改进的ELAN-P和ELAN-WS模块,在减少计算量和参数量的同时,增强全局理解能力减少目标特征信息的损失,有效改善误检;最后,提出MNI损失函数改进YOLOv7的CIoU位置损失函数,抑制小目标造成网络损失不平衡的影响,从而减少目标漏检的情况。在DIOR公开遥感图像数据集上进行训练与测试,实验对比结果表明,所提方法检测精度mAP@0.5为92.3%,比YOLOv7网络提高了3.2%,且计算量和参数量与原YOLOv7网络相当,提升检测精度的同时保证了网络的性能平衡。

关键词： 信号处理   语音识别   图像处理  

摘要： 阐述信号处理在语音识别领域、通信领域、图像处理等领域的广泛应用。介绍信号处理系统的基本原理,分析信号处理系统在电子信息工程中的应用,并对信号处理系统优化提出合理途径。

关键词： 图像处理   YOLOv7   农作物虫害   目标检测  

摘要： 为提高农作物虫害检测的准确率和效率,提出了一种基于YOLOv7的农作物虫害识别模型。首先,使用信息聚集−分发机制改进YOLOv7的特征融合模块,增强了不同层级之间的特征融合能力;其次,将损失函数替换为最小点距离交并比来计算边界框回归损失,更好地对齐预测框和真实目标框,提高了边界框回归的准确性;最后,通过在SPPCSPC层后添加感受野增强模块,增强了模型对小尺度害虫的识别能力。实验结果表明,改进后的YOLOv7模型平均准确度为80.4%,精确率为85.3%,召回率为75.1%,较改进前分别提升了3.4%、3.2%、2.6%。该模型对农业害虫具有更好的识别效果和鲁棒性,为农业害虫监测与防治提供了更准确和可靠的工具。

关键词： 铁路工程   隐蔽工程影像   YOLOv8   图像识别   目标检测   自动识别  

摘要： 铁路隐蔽工程影像作为留存查证的重要资料常包含海量工程数据,现有的影像资料管理系统为工程验收提供重要平台。为提高工程影像的审查效率,实现隐蔽工程审查少人化和规范影像验收管理,选择较为成熟的目标检测模型YOLOv8,建立可保障误差方向传播过程可执行的损失函数CIOU,用于精准识别验收人员、标识牌、量尺图像等验收目标。选取精确率、召回率,以及精确率与召回率的加权调和平均值作为衡量模型的评价指标。试验结果显示验收人员和标识牌的检测精度均在90%以上,量尺在80%以上,且相较于其他模型具有更好的目标检测效果。隐蔽工程自动识别处理软件可服务于工程影像检查要素的自动识别。研究成果可为规范铁路工程施工影像验收管理及隐蔽工程检查验收智能化管理提供参考。

关键词： 图像处理   自动驾驶视觉联合感知   任务特征解耦   语义融合   双分辨率解耦  

摘要： 针对现有自动驾驶视觉联合感知算法耦合解码网络未考虑各子任务不同特征需求,导致检测任务内部竞争及边缘分割粗糙问题,提出一种基于任务特征解耦的自动驾驶视觉联合感知(TFDJP)模型。在目标检测解码部分,设计逐级语义增强模块及空间信息细化模块,聚合不同语义层次特征,对分类与定位子任务梯度流分离编码,减少子任务间内部冲突,同时在定位部分增加交并比感知预测分支,加强子任务间关联,提升定位精度。在可行驶区域分割及车道线检测解码部分,构建双分辨率解耦分支网络,对目标低频主体区域及高频边界像素分离建模,采用边界损失引导目标完成从局部到整体的训练学习,实现目标主体及边缘的逐步优化,提升整体性能。在BDD100K数据集上的实验结果表明,与YOLOP相比,TFDJP的目标检测平均精度提升2.7百分点,可行驶区域分割平均交并比提升1.3百分点,车道线检测准确率提升10.6百分点。相较于其他多任务模型,TFDJP实现了准确性与实时性的有效平衡。

关键词： 柑橘   果园环境   目标检测   小目标   CBAM   Ghost   SimSPPF  

摘要： 为了实现柑橘采摘的智能化,果园环境中对柑橘快速而精准的识别成为关键.针对现有目标检测算法对环境的适应缺陷和效率低下的问题,提出一种基于YOLOv8n模型的轻量化柑橘成熟度检测算法YOLOv8n-CMD(YOLOv8n citrus maturity detection).首先,优化backbone网络结构,提高小目标检测能力;其次,添加CBAM注意力机制,改善模型分类效果;然后,引入Ghost卷积,将YOLOv8原模型中的颈部C2f模块与Ghost结合,减少计算量和参数量;最后使用SimSPPF模块代替原网络金字塔池化层,提高模型检测效率.实验结果表明:YOLOv8n-CMD算法相较于原模型的模型参数量和计算量分别减少了31.8%和7.4%,精准度提高了3.0%,更适合果园环境下的柑橘检测研究.

关键词： 人工智能技术   现代食品检测   机器算法   计算机视觉  

摘要： 食品检测关乎国计民生,对社会经济的稳健发展和人类健康至关重要。本文以人工智能技术为研究切入点,阐述了其概念与技术原理,从食品安全、质量和真实性鉴别方面梳理了人工智能技术的分类、应用范畴与优势。结合现代食品检测需求,探讨了人工智能技术在食品检测中面临的挑战与应用趋势,为食品检测的智能化发展提供理论参考。

关键词： 机器视觉   自动化装配线   质量控制   图像处理   缺陷识别  

摘要： 文章围绕基于机器视觉的自动化装配线质量控制系统进行深入研究,提出了一套集成先进机器视觉技术的质量控制方案。通过使用高精度的图像捕捉设备和智能算法,对装配线上的产品进行实时质量监控,实现自动化识别与缺陷检测。介绍了机器视觉在自动化装配线质量控制中的应用背景和研究意义,详细阐述了系统设计的具体实施步骤,包括图像采集、图像处理和缺陷识别等关键技术。总结了研究成果,对未来的研究方向进行了展望。