关键词： 计算机视觉   智能制造   视觉传感器   质量控制   机器人导航  

摘要： 随着计算机视觉技术的不断发展,其在智能制造领域的应用日益广泛。文章从计算机视觉技术的基本原理出发,探讨了其在智能制造中的多个关键应用领域,包括视觉传感器、视觉检测与质量控制、机器人视觉导航、智能监控与维护等。通过分析现有的研究成果和实际应用案例,阐述了计算机视觉在提高智能制造生产效率、降低生产成本、优化生产过程等方面的重要作用。

关键词： 深度图   显著目标检测   混合注意力   特征融合  

摘要： 针对目前深度图存在对比度不明显和预测图边界模糊等问题,提出了一种新型显著目标检测网络模型。该模型包括特征优化模块和特征引导模块。为了降低低质量深度图的负面影响,并精确地突出显著目标,在特征优化模块对深度图的各层特征进行混合注意力计算并进行双向融合。为解决边界模糊问题,在特征引导模块利用引导融合的方式引入低层特征来精细化目标边界。在解码阶段,引入不增加模型参数的权值计算方法,计算RGB特征和深度特征对最终预测的贡献比重。通过与近年来十二种先进方法进行的对比实验表明,所提算法模型在NJU2K、NLPR、DES、SIP、STERE和LFSD测试数据集上具有更优秀的检测性能,其中在SIP数据集上,提出的模型与第二名相比,最大F值提升了1.3%,平均F值提升了1%,E-measure提升了1.7%,S-measure提升了1.5%,消融实验证明了所提模块的有效性。

关键词： 绿化工程   目标检测   YOLOv5   害虫管理   无人机航拍  

摘要： 松材线虫病是由松木线虫寄生在松树内部引起的一种毁灭性森林病害。一旦感染,由于无法排水,松树会迅速凋萎死亡,因此也被称为松树枯萎病。主要由松虫传播,具有快速传播、快速发作和高死亡率的特点,是一种重要的全球植物病害。如果不能及时有效地控制松材线虫病,将导致森林地区大量松树在短时间内死亡。随着人工智能和无人机技术的不断发展和普及,结合各种方法及时检测病树,进行处理和保护,可以大大节省生物防治的时间和人力成本,同时推动诸如生物工程和绿化工程等多个相关学科的工作。通过无人机对森林区域进行了大量的航空勘查,收集了相关数据,并对所获取到的数据进行了预处理,包括数据扩充、清洗、过滤、去重、格式化等,以确保数据质量和准确性。然后对数据进行了标记,对原始的YOLOv5进行了一定的改进。并为原始网络模型添加了一个新的RRAM(递归残余注意模块),使得网络能够及时关注冗余数据中的重要信息,从而提高了网络的性能。与原始的YOLOv5相比,优化后的网络具有更强的性能。

关键词： 螺栓松动检测   YOLOX   深度学习   目标检测  

摘要： 螺栓对机械结构的稳定性有较大影响,针对螺栓松动检测作业的需求,提出了一种基于YOLOX的螺栓松动检测方法,实现对螺栓松动的快速检测。将YOLOX中检测效果最优的YOLOX-X算法应用于螺栓目标检测和螺栓标记线检测,YOLOX算法以YOLOv3-spp为基础框架,通过加深网络深度和引入大量残差结构的方法,增强了特征提取的能力,并提高了检测精度和检测效率。采集大量的螺栓图片验证该螺栓松动检测方法的有效性,实验结果表明:YOLOX-X目标检测的准确度较高,通过目标检测结果可以有效地判断出螺栓是否松动。

关键词： DSP数字信号处理器   多DSP并行处理架构模式   CNN卷积神经网络算法   计算机图像处理方法   算法验证  

摘要： 基于DSP架构模式,提出了一种CNN卷积神经网络算法,并将其运用到计算机图像处理中。研究过程中,采用DSP技术进行计算机图像获取、算法处理、算例分析和结果优化,大大提高了计算机图像算法处理质量和效率。经过算法测试验证,结果表明,基于DSP数字信号处理器搭建多DSP并行处理架构模式,采用CNN卷积神经网络算法进行计算机图像处理,能够提高图像处理精度。该算法运行时的性能较高,功能低,CPU占用率不高,且DSP计算机处理系统在多DSP并行处理架构模式下进行算法分析,系统的稳健性和可靠性高,能够适应不同规模级别下的计算机图像处理数据集的处理速度、精度、资源消耗和功率要求,可为计算机图像算法处理提供准确、高效、经济的解决方案,对于计算机图像处理算法设计和优化以及应用具有较好的实用参考价值。

关键词： 目标检测   路面病害   道路养护   管理平台  

摘要： 介绍了1种基于YOLO目标检测模型和元学习训练方法的软硬件系统平台,即道路养护管理平台,用于道路养护。针对我国的路面情况,道路养护管理平台设计了1套路面病害检测分类标准,用于构建道路状况数据库,并在真实路面进行了测试。基于YOLO目标检测模型采用低阶视觉和高阶视觉相结合的方法,将低阶视觉和高阶视觉数据进行融合,提高道路病害分析的鲁棒性。基于元学习的模型训练方法,保证模型可快速适应新的路面病害数据,提高模型泛化能力。实验结果表明,该平台设计的路面病害检测分类标准合理有效,所使用模型在路面病害分析方面具有较高准确性。本文提出的平台可为道路养护和管理提供有效的支持,并为在新技术背景下的国家道路病害标准提供依据。

关键词： 超声   兰姆波   无损检测   损伤概率成像   形状因子   图像处理  

摘要： 在超声兰姆波的损伤概率成像算法中,目前对于形状因子的选取是通过测试或根据先验知识得到的,这使得结果不够客观准确。文章提出了一种基于损伤概率点对形状因子优化的损伤概率成像方法。该方法先利用概率成像的原理估计缺陷范围,然后依据该点对部分路径上的形状因子进行重新计算,使得每条路径上的影响区域都尽可能包含缺陷,最后运用概率叠加实现缺陷定位。该方法用在兰姆波钢板缺陷的检测实验中,结果表明能够实现缺陷定位,定位误差在7mm以内,较常数形状因子的算法减小了定位误差。该方法在未有先验知识的前提下能对形状因子进行有效的优化,得到更好的损伤概率成像效果。

关键词： 梁底检测   病害识别   深度学习   语义分割  

摘要： 钢桁架桥梁底部由于长期受到自然环境的侵蚀和交通荷载的影响,容易发生锈蚀等现象,若不及时进行检测和维修,可能会导致结构性能下降,甚至发生安全事故。现依托于北盘江大桥,构建了梁底腐蚀典型病害数据集,并基于标准化的图像预处理技术,通过选取合适的卷积神经网络,实现了病害图像的特征自动提取,同时以机器学习的方式,实现了病害分类,完成了对疑似病害区域的检测。

关键词： 煤矿   推车预警   罐笼   多目标跟踪  

摘要： 煤矿推车预警系统自动化程度低、功能不完善,罐笼人员超载和滞留监测依旧需要人工操作。为此研发了一种煤矿人员多目标跟踪算法。详细介绍了算法总体设计、图像采集、样本标注、模型训练、目标检测和人员跟踪。推车预警系统使用该算法实时检测入罐人数和出罐人数,出现罐笼超载或人员滞留情况联动闭锁停罐。应用结果表明:该算法可以实时检测入罐人数和出罐人数,准确可靠,罐笼内出现超员或人员滞留可联动闭锁,为煤矿安全生产提供了有力保障。

关键词： 轻量化卷积神经网络   无锚框   目标检测   手势分类   嵌入式系统  

摘要： 针对大部分嵌入式平台计算能力较弱、无法实时运行基于神经网络的应用程序的情况,提出了一种基于Anchor-Free轻量化卷积神经网络(CNN)的手势交互方法。该方法缓解了Anchor-Based检测的弊端,通过神经网络实时检测人体手部,并利用动态时间规整(DTW)算法对手势轨迹进行分类。神经网络参数量仅有0.22 M,在自建手部检测数据集上的平均精度均值(mAP)交并比(IoU)=0.50︰0.95可以达到68%。在RK3568嵌入式平台上,每帧推理和后处理时间仅有31 ms,轨迹分类耗时仅有43 ms,CPU使用率仅有34%,满足实时性要求。