关键词： 铁路调度监控视频   异物检测   雾霾天气   目标检测   图像恢复   数据增强  

摘要： 为实现在雾霾天气下铁路调度视频图像的智能化分析预警,针对性地提出一种铁路视频异物检测方法。首先针对部分视频中存在的雾霾退化问题,引入基于深度网络的恢复模型,可得到清晰视频,用于进一步检测;其次引入YOLOv5目标检测模型,针对铁路场景进行重新训练,并采用冻结训练和串联模型策略,使模型在具有异物检测能力的情况下,保留对常规目标的检测能力;最后针对铁路视频真实数据中缺乏异物的问题,采用数据增强技术,加强铁路视频识别异物的能力。试验结果表明:该检测方法显著提升了在雾霾条件下的铁路视频异物检测效果,有助于提高人员闯入、异物入侵等安全隐患的实时识别能力。

关键词： 颗粒饲料   尺寸检测仪   振动整流   图像处理   仿真优化  

摘要： 针对颗粒饲料尺寸检测操作繁琐,自动化水平低的实际问题,为了实现颗粒饲料尺寸的自动测量,设计了基于图像处理技术的振动整流式颗粒饲料尺寸检测仪。利用离散元软件Rocky Dem建立颗粒饲料-槽型整流板相互作用的仿真模型,以槽型整流板的振幅、振动频率、安装倾角和滑槽转向系数为试验因素,颗粒饲料滑移均速和滑移速度变异系数为评价指标,通过单因素仿真试验,分析颗粒饲料在槽型整流板滑槽内的滑移运动特性,结果表明,影响颗粒饲料滑移运动特性的主要因素为振幅、振动频率及安装倾角。采用正交组合仿真试验,建立各试验因素与评价指标间的数学模型,并对模型进行参数优化,当槽型整流板安装倾角为6.33°、振动频率为101.49 Hz、振幅为0.50 mm时,颗粒饲料的滑移均速和滑移速度变异系数综合最优,分别为0.31 m/s和4.10%。分别采集环模孔径为3、4、5 mm的颗粒饲料,对检测仪的测量精度进行验证,通过与人工测量相比较,检测仪对颗粒饲料直径自动测量结果平均绝对误差分别为0.048、0.020、0.012 mm;颗粒饲料长度自动测量结果平均绝对误差分别为0.164、0.162、0.103 mm。研究结果表明,所设计的颗粒饲料尺寸检测仪具有良好的准确性和可靠性,满足实际生产检测需求。

关键词： 3D目标检测   多模态融合   可变形注意力机制  

摘要： 3D目标检测是自动驾驶技术的基础,融合激光点云和图像等模态的信息可以有效地提高目标检测的准确性和鲁棒性。文章改进了现有融合激光点云和图像等模态信息的3D目标检测网络,提出了一种新的并行融合模块,用于同时维护两种模态下的特征信息,减少信息损失。此外,利用掩码特征增强模块,提高受遮挡物体的检测能力。在KITTI(Karlsruhe Institute of Technology and Toyota Technological Institute)数据集上进行了验证,实验结果表明,相比于基准网络,该方法有效提高了3D目标检测的性能,平均精度达到了77.41%,同时优于目前大多数的先进方法。

关键词： 金属软管   断丝检测   图像处理   阈值分割   形态学处理   参数测量  

摘要： 针对现有的金属软管网套钢丝断丝破坏检测过程中的人工检测时肉眼难以识别、长时间工作注意力下降影响检测效率与准确度等问题,设计一种基于Halcon的金属软管外网套断丝缺陷检测系统。确定图像的光照方式,利用相机拍摄到有利于分析处理的图像效果;在Halcon中首先对图像进行预处理,然后对图像进行阈值分割并提取出表面断丝缺陷,将破损部位的形状转化为规则形状便于测量,最后对破损位置的尺寸以及软管尺寸进行测量并将数值显示在图框中。实验结果表明:该方法能够清晰地检测出金属软管的破损位置并进行尺寸测量,通过对5种直径不同且缺陷位置与大小均不同的金属软管断丝缺陷部分进行测量可知,采用该方法进行测量时所产生的最大误差为0.22 mm,优于断丝检测精度(0.5 mm),符合检测需求。

关键词： 计算机视觉   建筑结构变形   监测预警   模型优化   防灾减灾  

摘要： 在现代建筑工程中,建筑物的健康状况监测与安全预警是辅助防灾减灾的重要环节。本研究就此基于计算机视觉的理论和方法,开展了建筑结构变形的监测与预警研究。首先,根据计算机视觉技术,建立了建筑物形变的模型,并针对性地优化了传统的检测算法,提高了检测精度。在此基础上,研究并设计了一种建筑物结构变形的实时监控系统,结合信息传递技术,实现了建筑物结构变形的实时监控,并能预测其隐患发展的趋势。研究结果显示,该系统在检测准确度和安全预警能力上能够满足大型建筑工程的实际需求。通过对不同类型和规模的现代建筑工程结构实际应用中,该系统表现出良好的稳定性和可行性。此项研究不但创新了传统的建筑物监测模型与预警体系,而且在建筑安全、防灾减灾等应用领域具有重要的理论意义和实用价值。

关键词： 车辆检测   跟踪模型   交通调查   九型车检测   计算机视觉   交通量统计   实时目标检测器   深度简单在线和实时跟踪  

摘要： 在大多数国省道路场景下,基于计算机视觉的交调方式都面临着车型划分精细、道路交通参与者类型繁杂、噪声干扰多等,导致车型流量占比计算困难的问题。为此,本文提出了一种基于细粒度目标检测与跟踪的九型车识别框架,引入基于无锚框和密集特征采样的实时目标检测器(real-time models for object detection,RTMDet)作为检测模块来执行高效、精准的九型车检测任务;同时设计了一种具有任务针对性的感兴趣区域(region of interest,ROI)噪声抑制模块,用于过滤背景噪声和路面无效车辆。通过进一步与深度简单在线和实时跟踪(deep simple online and realtime tracking,DeepSort)框架集成,本文在检测和跟踪精度方面相较于主流方法都得到了提升,可以为二级交调任务提供精准、细粒度的道路流量信息。

关键词： 船舶目标检测   复杂环境   Swin Transformer   SIoU  

摘要： [目的]海岸监控与驾驶瞭望过程中,需要在远距离、多场景下对各种目标进行识别与跟踪。其中,船舶目标往往成像尺寸小、特征不明显,容易与其他目标混淆。为此,提出一种船舶检测方法ShipDet,通过设计专用骨干网络、改进特征提取过程、约束微观检测头,旨在改善上述问题。[方法]首先,通过融合自注意力模块Swin Transformer(STR)和经典CSPDarknet53网络,构造对微小目标高度敏感的特征融合提取网络,以增强小目标特征与环境的相关关系,关联船与航道、船与船、船与岸线,显著抑制不相关信息。考虑到数据集的船舶目标分布不均匀并且尺度变化较小的特点,保留2个检测层,减少模型参数并进一步提升模型性能。最后,使用SIoU损失函数(SCYLLA-IoU)来约束检测头,降低损失函数的回归自由度,提高检测的精度和抗干扰能力。[结果]在2023ships数据集上的验证结果表明,所提方法在船舶目标检测任务上表现较好,mAP@0.5达到92.9%,平均精度为92.1%,消耗参数量仅为35366310,整体检测性能优于其他算法。[结论]ShipDet方法将为海事监控、智能航行提供高效的支撑。

关键词： 智能建造   混凝土备仓   钢筋网绑扎   计算机视觉   拓扑分析   模式识别  

摘要： 水利水电工程大体积混凝土常采用间隔绑扎的单层钢筋网。针对当前钢筋网绑扎率人工目视验收存在效率慢、精度低的问题,基于计算机视觉与拓扑分析提出了钢筋网绑扎率的视觉智能评价方法。训练了识别钢筋网图像中钢筋交叉点与绑扎状态的目标检测模型;针对无序的识别框坐标,提出“十字交叉”方法与生长编号算法,实现了钢筋网拓扑重构;根据交叉点拓扑编号提出基于节点自由度的最优绑扎方法。实验分析表明,方法解决了人工定性评价的缺陷,兼具精度与效率优势,实现了钢筋网绑扎率的视觉智能评价,能够为水利工程智能建造提供有力支持。

关键词： 电阻点焊   机器视觉   图像处理   缺陷识别  

摘要： 电阻点焊作为不锈钢车体常用的焊接方法,其焊接质量稳定、生产效率高,但目前焊点外观质量检测过程中存在人的疲劳、责任心和经验欠缺的问题,为解决该问题,设计了一种基于机器视觉的不锈钢焊点外观质量检测系统,采用工业相机进行图像采集,并通过图像处理算法对焊点图像进行ROI提取,同时对焊点的内外轮廓半径进行尺寸测量和直线检测;基于图像特征对焊点进行分类识别;最后利用C#与Haclon联合编程做了一个人机交互的软件界面。试验表明,共检测220张图像,总的有无缺陷判别精度为89.55%,总的缺陷分类精度为91.84%,并且通过软件界面,能够实现辅助电阻点焊焊点外观缺陷检测人员的焊接缺陷自动识别。

关键词： 智能交通   速度测量   影像视锥   数据融合   卡尔曼滤波   目标检测  

摘要： 为克服激光、相机在雷视监控设备测速任务中的采集频率、分辨率、视角等差异,提出一种影像优先与二维三维视图一体的多目标连续追踪测速方法。首先,均匀选取场景几何特征同名点对,采用直接线性变换法计算外参参数,在线完成相机与激光雷达间标定;然后,提出视觉引导的视锥体空间下二维三维一体目标定位方法,以高分辨率地面点计算区域界限初步去除背景点,将视锥三维视图转换为二维俯视图自适应计算目标聚类参数,以二维最密体素指引恢复至三维选取起始种子点完成聚类定位以消除无关点,解决视角导致的不同分辨率点云目标检测混淆问题;最后,基于卡尔曼滤波,考虑车辆运动状态,根据离散同步帧点云定位结果将测速过程建模为相应观测方程,并以点云分辨率估计观测噪声协方差矩阵,实现对离散测速结果的连续最优估计,解决观测噪声以及两设备时间异步的误差影响。在常见交通场景的图像+点云数据下进行实验,结果表明,本文方法速度测量的平均绝对误差为0.2764 m/s,均方根误差为0.3251 m/s,最远探测距离达到103.211 m,具有较高的准确性和实用性。