关键词： 红外图像   目标跟踪   压缩感知   空时加权   遮挡检测   贝叶斯分析  

摘要： 为了有效解决了遮挡、运动模糊、拖尾等干扰影响下跟踪漂移的问题,本文提出一种基于两阶段时空加权特征的红外目标跟踪算法,该算法将目标区域分割成相同尺寸的非重叠区域,并根据相距目标中心的位置信息分配不同的权值,以此推导出具有自适应时空加权贝叶斯分类器;然后,利用改进的度量准则找出具有最大类差的分类样本,具有较高的跟踪适应性,且在目标被遮挡时具备对目标的重捕和跟踪。仿真实验表明,相比SiamFC等主流跟踪算法,所提算法在LSOTB-TIR目标跟踪数据集中重叠率和中心误差指标上均实现显著优化,大幅提升了跟踪稳定性与定位精度,且跟踪速度达到56帧/s,适合工程应用。

关键词： 激光图像处理   特高压   输电线路   故障定位识别   维纳滤波   形态学  

摘要： 研究基于激光图像处理技术的特高压输电线路故障定位识别方法,提升故障定位识别效果。利用单点激光扫描成像仪,采集特高压输电线路激光图像;通过维纳滤波算法,去噪处理特高压输电线路激光图像;利用改进多显著性集成算法,结合K-means聚类算法,在去噪后激光图像内,提取显著性颜色特征与结构特征,并融合颜色特征与结构特征,得到特高压输电线路显著性故障区域;通过多尺度轮廓结构元素形态学,处理显著性故障区域,得到故障区域边缘图像;以统计分析边缘图像颜色分布方式,构建颜色判决模型,凸显故障区域,并提取故障区域的边缘轮廓;在原始特高压输电线路激光图像内绘制故障区域边缘轮廓,便可精准定位识别故障位置。实验证明:该方法可有效采集特高压输电线路激光图像,并完成去噪处理;该方法可有效提取颜色与结构特征,并有效提取故障区域边缘图像,完成故障定位识别;在不同过渡电阻时,该方法均可精准定位识别输电线路故障位置。

关键词： 荔枝   振动采收   图像处理   分离特性   结构优化  

摘要： 为了研究荔枝振动分离特性,以此为基础优化振动器结构,利用往复振动采收装置在不同振动参数下对荔枝进行振动分离试验,并采用MatLab软件分析高速相机拍摄的荔枝运动视频,获得荔枝运动参数(轨迹、速度、加速度等)。为了确定振动机构的最优工作参数,利用Design-Expert软件处理试验数据并得到回归模型,再通过响应曲面分析振动频率、振幅和振动距离对荔枝分离特性(分离时间、碰撞次数和惯性力)的影响,对回归模型进行优化,结果表明:当振动频率为9.7 Hz、振幅为80 mm、振动距离为29.4 mm时,既能保证较短的分离时间又能减轻荔枝果实所受的机械损伤。为了基于最优工作参数对振动器进行结构优化,以采收效率高和损伤小为目标,以尺寸约束、角度约束和强度约束为约束条件,建立多目标优化模型。优化后的振动器为对心曲柄滑块机构,曲柄长度为56 mm,连杆为127 mm,角速度为62 rad/s。经验证,优化后的振动器可以提高采收效率,减少果实所受损伤,为荔枝振动采收器的设计提供依据。

关键词： 课堂状况评估   目标检测   深度学习   卷积神经网络   注意力机制   层次分析法  

摘要： 辅助教师提高教学质量,构建一个能够精准识别学生课堂状况并进行合理评估的教辅系统,构建了双粒度标注的学生行为(Student Action,SA)数据集;提出了SGE-BI(Spatial Group wise Enhance-BiFormer)双注意力机制模块并将其添加在YOLOv5算法中;结合双粒度标注的学生行为数据集对传统层次分析法(Analytic Hierarchy Process,AHP)进行改进,提出了双粒度层次分析加权法(Analytic Hierarchy Process-Double Granularity Weighted,AHP-DG)。在SA数据集上进行仿真实验,使用改进的YOLOv5算法将精度、mAP@0.5和mAP@0.5:0.95的值分别提高了1.9%、0.5%和0.8%;用构建好的系统得到真实课堂的识别结果并进行数据分析,发现AHP-DG法较之传统AHP法能得到更客观的评估结果。与原算法相比,改进的YOLOv5算法得到了更准确的学生课堂行为识别结果;与传统AHP法相比,提出的AHP-DG法取得了更好的学生课堂状况评估效果。

关键词： 串级控制回路   性能评估   非高斯   图像质量评价   麻雀算法   系统辨识  

摘要： 为了对串级系统进行准确快速的性能评估,并改进熵指标平移不变性的缺点,基于图像处理中图像质量评价相关知识提出了新的性能指标;同时,针对传统系统辨识算法不够准确与快速的问题提出了一种混合麻雀算法。首先,基于最小方差理论对串级系统进行丢番图方程分解,获得系统反馈不变量,从而获得系统的评价基准;其次,通过融合了正余弦思想的混合麻雀算法对系统进行辨识,得到系统的模型参数及主副回路的噪声概率密度函数;最后,将所提新指标与熵指标进行混合,得到适用性更好的混合指标。对处在不同噪声下的串级系统进行仿真验证,仿真结果表明:算法的准确性有了明显提升,同时算法运行速度提升了11.98%,新指标的评估结果也比熵指标更加合理。

关键词： 条形催化剂   条长分布   数字图像处理   自动检测  

摘要： 条形催化剂的条长分布对催化剂使用过程中的稳定性和活性有较大影响。当前生产过程中需要人工方式定时测量条形催化剂的长度,统计长度分布。人工测量催化剂样品存在系统效率低、误差大的问题。针对该问题提出一种基于数字图像处理算法的条形催化剂检测方法,利用数字图像处理算法对采集的样本图片进行长度检测处理,自动检测出条形催化剂样本长度和条长分布。测试结果表明,基于数字图像处理算法的催化剂检测方法精度高,速度快,可以极大地提高催化剂条长测量效率和准确性。

关键词： 采摘机器人   目标检测   深度学习   智慧农业   方法研究  

摘要： 目标检测是机器人采摘的关键环节,直接影响采摘质量和效率。文章介绍了基于传统数字图像处理技术的自动化检测方法和基于深度学习的目标检测方法,分析了各类检测方法在具体案例中展现出的独特优势和不足,并结合生产实际,探讨基于深度学习的人工智能技术在农业采摘领域的应用前景。

关键词： 图像处理   Canny算子   边缘检测  

摘要： 提出并研究了一种基于Canny算子的改进数字图像边缘检测算法,在Canny算子基础上,引入了自适应高斯滤波及多尺度边缘响应融合策略,以提高边缘检测的鲁棒性和精度。不同噪声水平下的图像实验验证结果表明,改进后的算法在边缘定位精度、抗噪性能以及计算效率方面均优于传统Canny算子,能够更加准确地提取图像中的重要边缘信息。研究为数字图像处理中的边缘检测问题提供了新思路。

关键词： 目标检测   自动化   人工智能   键盘识别  

摘要： 为提升霍尔测试仪的测试效率,本文提出了一种综合应用运动控制、物体检测和机器视觉等技术的智能辅助操控系统,以外接于霍尔测试仪的键盘按钮作为检测目标,并以优化的you only look once(YOLO)v5算法损失函数和检测头的结构改进测试系统,提升检测性能.通过改进机械臂的运动模式,优化运动轨迹,以保证机械臂平稳准确点击目标按钮,完成自动化测试任务.通过以上改进,相机目标检测精度提升了10.8%,达到87.3%;机械臂点击正确率提升了10.0%,达到95.0%;系统辅助霍尔测试仪完成测试成功率提升了20.0%,达到80.0%.

关键词： 无人机   目标检测   SOEP模块   C2f-MDCNv2  

摘要： 随着无人机(UAV)技术的进步,深度学习在无人机航拍目标检测中的应用越来越普遍。然而,复杂背景中小目标检测仍是一个重大挑战。为了解决该问题,文章提出了一种基于SM-YOLOv8n的无人机航拍目标检测方法。首先,提出SOEP(Small Object Enhance Pyramid)模块,利用SPDConv处理P2层特征并结合OmniKernel模块的多分支设计;然后,利用SOEP模块实现了全局上下文和局部细节的均衡获取,通过解耦头输出高性能的检测结果;最后,在SPPF前引入C2f-MDCNv2,通过多路径注意力机制(MCA),有效地利用各路特征,进而充分提取和整合多尺度、多层次的信息。这种设计增强了模块在复杂场景和多尺度目标检测中的表现。在VisDrone2019数据集上进行实验,结果表明,相比原算法,所提方法mAP_(50)提高了3.6%,与其他方法相比也具有明显优势,可更好地应用于无人机航拍目标检测。