关键词： 潍县萝卜   图像处理   目标检测   萝卜分级   YOLOv5s  

摘要： 针对目前潍县萝卜表面缺陷筛选主要依靠人工,存在工作强度大、分拣效率低等问题,设计了一种基于外形特征的潍县萝卜筛选系统,并搭建了试验台架。实地采集了潍县萝卜表面缺陷数据照片,构建数据集,通过调节亮度与对比度、旋转、缩放、高斯模糊及添加椒盐噪声等方法对数据集进行了扩充,以防止过拟合;对数据进行标注,分为根部多头、弯曲、损伤和虫眼4种类型;选用模型体积小、检测速度快的YOLOv5s网络对潍县萝卜表面缺陷数据集进行训练,并生成识别模型。结果表明,其识别准确率90.25%、精确率93.77%、召回率90.83%和mAP@0.5为91.21%。模拟实际作业环境,设计并制作了试验样机,采用传送带带动萝卜移动,上位机通过双摄像头对萝卜的表面信息进行采集并进行处理,下位机控制同步带滑台带动推板完成对萝卜的分拣。在输送平台传送带速度分别为0.16、0.30和0.38m/s时进行筛选试验,结果表明,筛选总体准确率分别为97.5%、92.0%和82.5%。该研究可为潍县萝卜筛选装置的研发提供设计参考。

关键词： 计算机视觉   晶圆缺陷识别   深度学习   通道注意力机制   多路径深度卷积  

摘要： 晶圆图缺陷的准确分类对改进制造工艺具有至关重要的作用。相比于单一缺陷,混合缺陷具有特征复杂、种类繁多的特点,更加符合真实工业制造情况。为了有效识别并分类混合缺陷,提出一种结合通道注意力机制和多路径深度卷积神经网络的方法。此方法在多路径深度卷积神经网络支路上增加通道注意力机制,以关注混合型晶圆图的详细特征。在38类缺陷真实数据集上的实验结果表示,模型在精度方面优于一些现有的深度学习模型,其平均正确率高达97.67%,可以有效分类晶圆图混合缺陷。

关键词： 目标检测   YOLOv5   三重并行卷积注意力机制   残差遮挡注意力机制  

摘要： 针对夜间光照条件不足等条件下交通环境的多目标检测问题,提出一种改进YOLOv5s的目标检测算法。该算法首先在原始的YOLOv5s网络中嵌入三分支结构并行卷积注意力模块,通过计算跨维度注意力权值矩阵,实现了一种轻量级的有效注意力机制。其次,为了解决小目标和遮挡目标的检测问题,嵌入残差遮挡感知注意力机制,通过不同卷积核大小的卷积块对图像进行类分块操作,更准确地突显小目标和被遮挡目标。通过在FLIR数据集上的对比实验表明,改进算法在夜间交通环境下的多目标检测任务中能够提高检测精度,相较于传统YOLOv5s,其检测准确率mAP@0.5提高2.9%。

关键词： 图像处理   火灾烟雾识别   特征金字塔   注意力机制  

摘要： 我国火灾隐患高居不下,严重威胁着人民群众的生产、生活安全,火灾释放的污染物对空气质量和人体健康都有潜在影响,提高视频火灾烟雾识别技术能够有效地把火灾扼杀在摇篮里。本文提出了一种基于多尺度特征融合的烟雾识别模型,在神经网络模型VGG19的基础上构建了自上而下的特征路径和自下而上的注意路径,在进行卷积的同时保留低层特征,更利于烟雾识别这项任务。本研究采用火灾科学国家重点实验室公开的烟雾图像数据集进行实验,准确率达到99.75%,相较于仅使用神经网络模型VGG19提高了9.85%。

关键词： 安全工程   化工实验室   目标检测   轻量化   YOLOv8  

摘要： 为了利用人工智能和目标检测技术实现对化工实验室的智能安全防控,提出了基于改进YOLOv8的化工实验室安全检测模型,旨在检测试验人员不规范行为和异常目标。首先,利用分组混洗卷积(Group Shuffle Convolution,GSConv)重构YOLOv8的C2f结构和特征融合部分的下采样模块,降低模型的参数量与计算量;其次,设计基于分组卷积的轻量化检测头替换原有检测头,进一步降低计算复杂度;最后,构建面向化工实验室安全检测的图像数据集,用于训练模型。试验结果表明,经过改进的模型在不牺牲过多检测精度的情况下,参数量和计算量分别降低了48%和54%。改进模型在性能和轻量化之间取得了良好的平衡,不仅适用于在计算资源受限的化工实验室环境下部署,也具有在其他需要轻便高效安全监控的场景中广泛应用的潜力。

关键词： 冰壶   目标检测   目标追踪   轨迹特征  

摘要： 冰壶运动轨迹捕捉可以数字化还原比赛过程中冰壶的运动曲线,不仅有利于观众更好了解比赛情况,还可以帮助运动员对当前局势做出判断。运动员与冰壶之间的交互会导致冰壶频繁地被刷子或者运动员身体遮挡,所以从视频序列中直接对移动的冰壶进行追踪是非常困难的。论文针对冰壶比赛场景,通过优化深度学习中的目标检测算法,使用结合冰壶运动特征以及外表特征的多目标追踪方法实现了对冰壶目标的捕捉,坐标的快速校准以及冰壶运动轨迹的合成。论文还提供了一个实际冰壶比赛场景下的标注数据集,弥补了冰壶目标检测与追踪的大型数据集的欠缺。在真实冰壶场景数据集上,与现有的冰壶目标检测与追踪算法相比,实验结果证明,所提方法能够高效完成冰壶追踪任务并且具有很高的准确率。

关键词： 刑事侦查   指纹提取   指纹识别   指纹比对   图像处理  

摘要： 指纹提取与识别在案件侦破中具有极其重要的作用,然而,指纹的提取与比对工作往往时间紧,任务重,耗费大量的警力。为此,文章提出了一种基于形态学处理的指纹提取与识别方法。该方法实现了在同一图像中对多个指纹的定位、裁剪、提取和存储,并能利用SURF特征对指纹进行比对和识别,可有效减少工作量、节省警力,对后续的实践和研究具有一定的指导意义。

关键词： 目标检测   自注意力机制   特征金字塔   空洞卷积   可变形卷积  

摘要： 针对现有的无锚框目标检测算法难以在密集场景下有效提取多尺度目标特征的问题,本研究提出基于多尺度特征提取的密集型小目标检测网络(Intensive small target detection network based on Multi-Scale feature Extraction, IMSE)。本研究首先提出多尺度特征增强(Multi-scale Feature Enhancement, MFE)模块,其包括窗口注意力(Window Attention, WA)模块和多尺度信息融合(Multi-scale Information Fusion, MIF)模块,通过建立全局级别的上下文联系从而增强IMSE在密集场景下的特征表达,进而能够更有效地提取检测目标的多尺度特征;其次提出可变形卷积特征金字塔网络(Deformable Convolutional Feature Pyramid Networks, DCFPN)结构,引入空洞卷积进行特征增强,从而能够有效提高IMSE检测形状不规则、分布无规律物体的能力;最后将融合后的多尺度特征分别输入检测头进行分类与边界框的回归任务。IMSE在公共数据集MS COCO、CARPK与基于实际生产场景构建的WOOD数据集上进行验证,实验结果表明,IMSE在3个数据集上的平均精度(Average Precision, AP)分别达到了49.4%、75.8%和55.0%,分别比原始FCOS方法高出1.8%、1.4%和2.1%,验证了所提出模型的有效性。

关键词： 环形垃圾分拣系统   计算机视觉   机械臂控制   编码器   实验验证   分拣效率  

摘要： 文章提出了一种基于机器视觉的环形垃圾分拣系统,旨在解决传统垃圾分拣系统存在的堆积、分拣缺漏等问题。通过实验验证了该设计的可行性和有效性,为未来垃圾处理技术的发展提供了新的思路和参考。该系统结合计算机视觉、机械臂控制和编码器技术,通过精确控制机械臂和机械爪进行垃圾抓取,实现了高效、准确的垃圾分拣。实验结果表明,该系统在不同垃圾类型上的分拣率较高,具有较高的稳定性和可靠性。环形传送平台的设计提高了容错率和适应性,减少了系统工作压力。

关键词： 行人检测   多尺度   损失函数  

摘要： 针对现有行人目标检测技术在多尺度目标识别方面的局限,特别是对小目标检测效果欠佳的问题,提出基于改进损失函数的行人目标检测模型,该模型将损失函数进行改进替换,能更好地挖掘正负样本信息。在MS-COCO数据集上进行实验,AP、AP_(s)、AP_(m)、l AP分别达到43.5%、26.1%、46.7%和54.0%,相较于原始模型各提升1.4%、2.0%、1.2%以及1.2%。随后将CenterNet-G模型应用于行人检测数据集CrowdHuman,AP和AP_(75)分别达到82.3%与62.6%。实验结果表明,改进后的模型对多尺度目标尤其是小目标有着良好的检测效果,在行人检测领域取得出色效果,为解决行人检测中的尺度多样性问题提供了新策略。