关键词： 机器视觉   大坝表面变形   视准线原理   图像处理   误差分析  

摘要： 针对大坝表面变形自动化监测中GNSS系统垂直位移监测精度低、费用昂贵和静力水准仪布设难度大、维修成本高等问题,利用机器视觉技术对大坝表面变形进行监测。室内试验结果表明,相机与标靶距离在100 m范围内,机器视觉的测量精度可达到亚毫米级,且水平和垂直变形位移精度相近。由误差分析可知,标靶与相机的距离与测量精度有明显的相关性,而环境因素是影响远距离监测精度的重要因素,并利用大坝视准线原理优化了机器视觉监测系统。最后以浙江省大力塘水库为试点,对大坝表面变形进行实时监测,结果表明,机器视觉技术完全可满足实际工程需求,且优化后的机器视觉测量技术可明显提高监测数据的精度和稳定性。

关键词： 自动驾驶汽车   三维目标检测   注意力机制   稀疏卷积  

摘要： 为了精确地识别出交通场景下的目标障碍物,考虑到真实道路场景的复杂性和道路安全的重要性,以稀疏嵌入卷积检测(sparsely embedded convolutional detection,SECOND)模型作为基础模型,通过采取自注意力机制获得全局语义信息来增强点云表征能力,采用感兴趣区域(region of interest,RoI)检测头对候选区域生成的三维建议框进行优化,提升其检测精度方法,提出了一种基于自注意力机制的两阶段三维目标检测方法SAR-SECOND检测模型。结果表明:与现有的先进三维目标检测方法相比,SAR-SECOND在KITTI数据集上的检测精度与之不相上下,汽车整体检测精度为82.28%;行人整体精度为51.45%,骑行者整体精度为72.41%。检测结果验证了该方法的有效性。

关键词： 目标检测   茶叶嫩芽   分级识别   YOLOv7  

摘要： 茶叶嫩芽分选鉴定是实现茶叶自动分级的重要环节,为实现对优质茶叶嫩芽的准确识别,提出了一种基于改进目标检测算法YOLOv7的茶叶嫩芽分级识别方法。首先,在主干网络融入CBAM注意力机制,构建CBAM-ELAN模块,在通道和空间注意模块的协同作用下,降低背景部分的权重,增强对嫩芽特征的提取能力;然后,在Neck侧引入感受野增强(RFE)模块和显式视觉中心(EVC)模块,生成新的感受野关系,提升层内特征的调节能力,增强对嫩芽特征的提取能力。改进YOLOv7算法对于单芽等级茶叶的检测精度均值为89.3%,一芽一叶检测精度均值为88.9%,一芽二叶检测精度均值为95.7%,与原始YOLOv7算法相比,检测精度均值分别提高了1.3、1.3和1.5个百分点。该方法在兼顾准确率的前提下,实现了端到端的目标检测和对优质茶苗不同姿态的识别,可为茶叶嫩芽的分级和识别提供理论基础。

关键词： 目标检测   YOLOv4-tiny   剪枝   嵌入式设备  

摘要： 针对YOLOv4-tiny存在计算量较大,检测精度低,无法满足嵌入式设备实时性需求的问题,论文基于MobileNetv3改进的轻量级网络YOLOv4-E,使用BN层的γ尺度因子对冗余的特征通道进行剪枝,在25%剪枝率下模型大小降低到了6.7MB,mAP仅降低了0.59%,FPS提升了8.8%。同时使用NCNN前向推理框架对剪枝后的模型进行Int8量化,在树莓派4B上检测单张图片仅需173 ms,满足了实时性需求。

关键词： 计算机视觉技术   自动分拣系统   工业相机   整体架构设计   机械臂   传送带   LED灯   计算机视觉识别  

摘要： 1.货物自动分拣系统架构设计。本次基于计算机视觉识别技术构建的货物自动分拣系统整体架构设计如图1所示。其最左侧为震动斗,下置一运送货物的传送带,将相机安装在传送带上方,并选择环形LED灯作为系统光源放置在工业相机下方,完成初始货物图像的采集,然后利用机械臂对其进行分区,以完成对货物的自动分拣。

关键词： 船舶涡轮机   叶片细小裂痕   视觉显著性检测   图像处理  

摘要： 为精准掌握涡轮机叶片的运行状态,判断其是否需要进行更换,提出船舶涡轮机叶片细小裂痕视觉显著性检测方法。利用改进同态滤波算法平滑叶片CCD图像,增强图像的对比度以及均衡度,基于谱残差视觉注意模型提取显著图,通过线性迭代聚类算法分割获取的显著图,设定判断阈值,确定最终的船舶涡轮机叶片微小裂痕区域,完成船舶涡轮机叶片细小裂痕检测。测试结果显示,该方法具备较好的应用效果,可显著提升图像整体均匀度;显著图的提取效果较好,平均绝对误差至均在0.021以下,可靠确定船舶涡轮机叶片微小裂痕区域。

关键词： 电梯安全   电动自行车检测   YOLOv8   目标检测   网络模型  

摘要： 针对电动自行车进入电梯,入户充电而危及人身安全的问题,提出了一种基于深度学习的电梯内电动自行车自动检测方法。以YOLOv8作为核心检测的网络模型,通过构建数据集进行了训练和测试。结果表明,YOLOv8网络模型能够对电梯中违规进入的电动自行车进行精准识别,即使在电动自行车被部分遮挡的情况下也能保持较高的识别率,证明了YOLOv8网络模型在不同场景下应用的有效性和稳定性。由对比实验可知,YOLOv8网络模型相对YOLOv5网络模型来说,不仅可提高安全管理的效率,而且能够及时预警,显著提升电梯乘客的安全。与传统人工检测和视频监控方法相比,提出的电梯内电动自行车检测方法能够实时处理图像并精确识别目标,具有较高的实用价值和广泛的应用前景。

关键词： 红外图像   电力设备   改进CNN   图像预处理   特征提取  

摘要： 电力设备红外图像背景较为复杂、设备种类较多,使得电力设备红外目标检测效果较差。为此,提出基于改进CNN的电力设备红外目标检测技术研究。通过联合中值滤波与高斯滤波,预处理电力设备红外图像。以此为基础,采用ResNet与FPN改进CNN,获取电力设备红外图像特征信息。通过常数分割模型训练随机森林分类器,将特征信息输入至训练后的分类器中,获得电力设备红外目标检测结果。实验结果显示,采用所提方法对电力设备红外目标检测结果与实际检测结果保持一致,帧率最大值为14.1 FPS,表明所提方法应用性能良好。

关键词： 深度学习   卫星遥感   目标检测   河湖管理  

摘要： 选取涉河建筑和围垦养殖2类典型“四乱”目标类型进行研究,研发了一种适用于大范围、常态化基于深度学习的河湖库卫星遥感“四乱”目标识别模型。提出的基于RoI(感兴趣区域)对齐策略的“四乱”目标识别模型,解决了传统Faster RCNN目标检测模型在背景复杂、空间分异性强遥感图像中存在的目标检测精度低的问题,其中,涉河建筑目标识别的AP(平均精度)指标提升了0.07,围垦养殖目标识别的AP指标提升了0.12,可满足大范围河湖库“清四乱”常态化、规范化的要求。

关键词： 计算机视觉   相机标定   灰狼算法   遗传算法   维度学习   重投影误差  

摘要： 为解决传统相机标定中标定精度低、可重复性差、鲁棒性弱等问题,提出一种基于改进灰狼遗传算法的相机标定优化方法。对灰狼算法中的种群初始化、线性收敛因子及位置更新策略进行改进,并融入了基于维度学习的搜索策略和改进的选择、交叉、变异算子,以优化相机标定参数。首先,利用MATLAB标定工具箱对标定板图像进行角点提取,基于相机标定原理,建立标定板角点坐标与空间三维点坐标的对应关系,以获取相机内参及畸变系数的初估值,并据此设定待优化参数的寻优范围。接着,以初估值为基础在寻优范围内生成灰狼遗传算法的初始种群。然后,构建平均重投影误差方程,以最小化该误差为目标函数,利用改进的灰狼遗传算法对标定参数进行优化。最后,将该方法与其他优化方法进行实验对比。结果表明,基于改进灰狼遗传算法的相机标定方法在平均重投影误差最小(0.02054 pixel)的同时,也展现了最佳的可重复性和鲁棒性。