关键词： 气溶胶打印   增材制造   超声雾化器   图像处理   纳米导电银线  

摘要： 目的以气溶胶打印技术为基础,采用自主设计的超声雾化装置,探究雾化器对打印线条宽度以及形貌的影响。方法设计单因素实验,分别改变电压、电流、隔离层水温3种雾化参数,利用图像处理技术探究超声雾化对打印图像线宽及形貌的影响。结果当雾化器电压在24V附近、电流在1.6A附近时,打印线条效果最佳。电压和电流偏大或偏小都会造成打印质量问题,当隔离层水温在15~35℃内变化时,不会造成打印线条的质量问题。结论在设备允许的范围内增大雾化器电压、雾化器电流、隔离层水温都会增加打印线条的线宽,但是作用效果会有所不同,其中雾化器电压、电流对线宽影响较大,隔离层水温在15~35℃内对线宽影响较小。

关键词： 输送带跑偏   Canny算子   自适应阈值   霍夫变换  

摘要： 在煤炭输送过程中,输送带的安全、稳定运行至关重要,在发生跑偏故障时若不能及时得到处理,会造成更为严重的事故。为了能够对输送带进行更加准确的跑偏检测,采用计算机视觉技术,提出一种输送带跑偏实时检测方法。首先采用改进的Canny算子对输送带图像画面进行边缘轮廓信息提取;然后采用改进的累计概率霍夫变换提取输送带边缘直线特征;最后根据计算出的输送带中心位置与标准位置的偏差、输送带两侧边缘角度与标准角度的偏差对输送带是否跑偏进行判定,并对跑偏级别进行划分。实验结果表明,提出的输送带跑偏检测方法能够准确计算出输送带的中心位置及输送带两侧边缘角度,算法具有有效性。

关键词： 机收减损   倒伏小麦   边缘检测   目标提取  

摘要： 【目的】识别成熟小麦收割过程中的倒伏状况,降低小麦收获过程中的机收损失。【方法】本研究从倒伏小麦图像的采集出发,对整个图像处理过程进行了详细的分析。通过小麦麦穗与小麦秸秆的色差这一特点,确定了基于颜色差的图像分离方法;基于线性灰度变换法和灰度反色变换法,进一步突出了小麦秸秆层这一分离目标,并选择中值滤波对倒伏小麦图像进行了图像的增强处理。【结果】通过腐蚀和膨胀交替使用的方法,达到了秸秆层和麦穗层完全分离的目的,实现了倒伏小麦秸秆层的提取,成功识别出小麦倒伏层和正常小麦层的高度差。【结论】将机器视觉技术应用于倒伏小麦图像处理中,能够使收割机在作业时准确识别小麦倒伏状况,降低割台高度,到达倒伏麦穗层,从而起到降低机收损失的作用,在实际田间收割环境下有较好的应用前景。

关键词： 计算机视觉   目标跟踪   目标遮挡   多尺度   特征融合   时间显著注意力  

摘要： 针对现有孪生神经网络仅利用空间信息,面对目标遮挡、消失、表观剧烈形变等挑战造成跟踪准确度下降问题,提出一种时间显著注意力孪生跟踪网络。该网络通过信息交换“桥梁”,一方面为当前帧添加时间显著注意力,引导网络重点学习目标特征;另一方面对内存网络中历史目标特征进行筛选,将其作为附加模板,提供目标额外表观信息,同时遵循学习目标表观信息与空间位置的变化规律,指导后续检测、分类过程。为提高时间显著注意力能力,提出多尺度特征提取单元,解决骨干网络特征提取不充分的问题。在Got-10k数据集上进行模型测试,与目标跟踪算法时空记忆网络(STMTrack)相比,AO值提高2.4%。可视化结果显示,注意力挛生跟踪网络在目标遮挡、消失等挑战中,具有更高准确性。

关键词： 表计读数识别   目标检测   概率霍夫变换   轮廓检测   深度学习   指针式仪表  

摘要： 由于户外场景下智能巡视表计设备采集图像时会受光照条件影响,设备采集图像质量较低,因而难以实现表计的准确读数。为此,该文首先提出一种户外场景下巡视表计的方法。该方法分为表盘检测与读数检测两部分,通过训练表盘特征高效检测模型进行表盘检测后,将检测到的候选框图像进行预处理以及基于轮廓检测的二值图重构,然后在上述二值图中依次进行起始刻度线检测、指针检测,最后使用角度法获得表计读数。经实验验证,该文方法可以克服户外场景下表计图像存在的图像模糊、反光以及存在阳光阴影等低成像质量的影响,在5种常见光照场景下的表盘目标平均误检率与平均漏检率分别为1.005%与0.505%,单张图像检测平均耗时28.1 ms,读数检测准确率为93.91%,对于复杂光照场景下的变电站指针式表计读数具有适用性与有效性。

关键词： 目标跟踪   特征融合   背景感知   相关滤波   置信度更新   响应峰值   自适应融合  

摘要： 针对采用固定权重融合响应的互补学习跟踪算法存在的背景信息不足,训练特征单一以及模型更新策略差所导致的跟踪性能不佳的问题,提出一种背景感知与响应自适应融合的相关滤波跟踪算法。融合HOG和CN特征,将目标周围背景信息块作为正则项学习至相关滤波器中;提出一种相对峰值能量置信度方法,用于自适应调整相关滤波器和颜色直方图分类器的融合系数;根据平均峰值相关能量和响应峰值协同判断跟踪结果的准确性,决定模型是否更新。在OTB2013数据集上的实验结果表明,该算法具有实时性,OPE精确度和成功率相较基准算法(Staple)分别提升4.6%和3.7%,在复杂跟踪场景下,表现出了更加优秀的跟踪性能。

关键词： 计算机视觉   图像去雾   扩散模型   傅里叶滤波器  

摘要： 当前图像去雾算法研究主要聚焦于构建结构精巧的神经网络,利用扩散模型以生成式方法进行图像去雾的研究比较匮乏,且扩散模型与频域分析结合的研究也相对较少,这导致许多算法在面对真实有雾图像时去雾效果不佳。针对上述问题,本文基于分数匹配扩散模型IR-SDE提出了一种图像去雾方法Firs-Net。该方法利用扩散模型强大的图像生成能力,通过迭代式的方式从有雾图像逐渐恢复清晰无雾图像。Firs-Net中引入了傅里叶特征融合模块,该模块可在不增加参数量且无需微调神经网络的前提下,帮助扩散模型更好地从频域角度分析并融合特征。实验结果表明,Firs-Net在真实有雾数据集上的主观视觉和客观指标都表现优异,其中,在真实非均匀雾气数据集NH-HAZE中的PSNR达到21.91,在真实浓雾数据集Dense-HAZE中的PSNR达到17.40,分别比次优方法领先13.94%和5.52%。

关键词： 白羽肉鸡   行为识别   目标检测   多尺度细节特征融合模块   关系推理模块  

摘要： 在大规模的肉鸡养殖场中,肉鸡行为通常由饲养员或专业兽医观察和分析,以确定肉鸡健康状况和养殖环境状态。然而这种方法耗时且主观。此外,在笼养环境中,由于鸡只的高密度和严重的互相遮挡,行为的视觉特征不明显,传统的检测算法不能准确地识别鸡只的行为特征。因此,本文提出一种改进的笼养白羽肉鸡行为检测的目标检测算法。所提出的算法由2个模块组成:多尺度细节特征融合模块(MDF)和目标关系推理模块(ORI)。多尺度细节特征模块充分利用和提取网络浅层特征映射中包含的多尺度细节特征,并将它们融合到负责相应尺度检测的特征映射中,实现细节特征的有效传输和补充。目标关系推理模块充分利用对象之间的位置关系进行推理和判断,使模型能更充分地利用对象之间的潜在关系来辅助检测。为验证所提出算法的有效性,在目标检测领域具有权威性的COCO公共数据集以及真实的大规模笼养白羽肉鸡养殖环境中自建的行为检测数据集上进行大量对比实验。实验结果表明,与其他最先进的模型相比,本文所提出的改进算法在COCO数据集和自建数据集上均达到最佳识别准确率;对喂食、饮水、移动和张嘴等影响肉鸡健康状况较为重要的行为进行检测,识别精度分别达99.6%、98.7%、99.2%和98.3%。

关键词： 计算机视觉   农业应用   物联网   大数据分析前言  

摘要： 计算机视觉和网络技术在农业领域的应用正日益普及。从作物监测到自动化采摘,这些先进技术正在改变着农业生产的模式。通过计算机视觉技术,农民可以实时监测作物的生长状况,及时发现并应对病虫害,从而提高作物的产量和品质。同时,网络技术的运用使农业设备能够实现远程监控和智能控制,实现农业生产的自动化和智能化。在自动化采摘方面,计算机视觉技术能够准确识别成熟的水果或蔬菜,协同机器人实现自动采摘,提高采摘效率,降低人力成本。总的来说,计算机视觉和网络技术的应用为农业生产带来了更高效、更智能的解决方案,为农民提供了更多的生产选择和发展机会。这些技术的不断发展将进一步推动农业现代化,助力农业产业的可持续发展。

关键词： 生态修复   伪装网   虚假造绿   混合像元分解   目标检测  

摘要： 对生态修复中存在挂防航拍伪装网的“虚假造绿”现象进行分析,采集当前市面上主要的迷彩伪装网光谱信息并建立伪装网光谱数据库。以高分五号高光谱影像数据为基础,绿色伪装网光谱数据为目标端元,采用LSU、CEM、ACE、OSP、MTMF、FCLS及SAM等方法进行混合像元分解与波谱识别检测实验。将检测定位结果与高空间分辨率影像进行叠加分析提取目标地物信息,改变以往基于高空间分辨率遥感影像,人工逐屏比对分析目视判读提取地物信息的方式,将大量的人工判读影像工作交给计算机去搜索完成,再对结果进行少量的人工干预,可极大地提高工作效率和准确性。