关键词： 饲料   休止角   图像处理   颗粒粒径   表面能  

摘要： 颗粒饲料休止角对饲料储料箱设计、自动化饲喂站、投料装置设计等工程实践有重要指导意义。为实现休止角的快速准确测量,探究颗粒饲料休止角与粒径、表面能之间的关系,利用物理试验与离散元仿真相结合的方法对颗粒饲料堆进行基于MatLab图像处理的休止角测定。由于传统休止角的测量存在系统误差和测量精度低的问题,本文提出一种基于MatLab图像处理方法的休止角测定,利用傅里叶级数对堆积图像进行轮廓拟合,利用拟合曲线的单边斜率求出休止角大小,操作便捷,可提高测量精度。基于这种方法,对颗粒饲料堆进行分析,探究了颗粒粒径对休止角的影响并进行仿真试验,利用EDEM以物理试验得到的休止角为目标值进行仿真试验,以休止角作为参照,标定接触模型JKR表面能。试验结果表明:6.5mm颗粒饲料实际休止角为34.992°,仿真休止角为34.9535°;5mm颗粒饲料实际休止角为36.9797°,仿真休止角为35.2603°;3.2mm颗粒饲料实际休止角为37.9186°,仿真休止角为36.092°。休止角仿真结果与实际试验结果较为接近,两者的绝对误差分别为:6.5mm对应0.11%,5mm对应4.65%,3.2mm对应4.82%,表明颗粒饲料的休止角随着粒径的增大而减小,根据颗粒饲料参数建立的离散元模型,3种粒径的颗粒饲料其对应表面能分别为:3.2mm对应0.15J/m^(2),5mm对应0.22J/m^(2),6.5mm对应0.22J/m^(2)。

关键词： 锂电池   缺陷检测   机器视觉   图像处理   深度学习   性能评价指标  

摘要： 锂电池作为新能源汽车的核心组件之一,其复杂的制造工艺流程不可避免地引入各种缺陷,严重影响产品的质量,缺陷检测已成为锂电池制造流程中的重要环节,而兼顾了精度与速度优势的机器视觉方法受到高度关注。本文综述了近15年来基于机器视觉的锂电池缺陷检测方法的研究进展。首先简介锂电池表面常见的缺陷类型,阐明视觉缺陷检测的主要流程。然后重点阐述了基于传统图像处理的锂电池缺陷检测方法,对检测流程中的图像预处理、图像分割、特征提取、分类识别4大步骤进行了详细的解释说明,并对比每个步骤中各类方法的优缺点。接着按分类网络、检测网络、分割网络这3类综述了基于深度学习的锂电池缺陷检测方法。随后整理了10个锂电池自建数据集和缺陷检测性能评价指标。最后指出针对锂电池缺陷检测目前面临着诸多方面的技术挑战,并对未来的工作进行了展望。

关键词： YOLOv3   日用陶瓷   检测   目标检测  

摘要： 为解决日用陶瓷产品缺陷检测难题,本文以陶瓷盘为研究对象,基于YOLOv3目标检测算法实现对陶瓷盘表面裂纹、破损、落渣、斑点这四种缺陷进行检测和识别。实验结果表明,模型在陶瓷盘表面缺陷识别上的平均精确率为89.2%,展示了该方法的有效性和潜在的工业应用价值。

关键词： 目标检测   注意力机制   深度可分离卷积(DSC)   SSD算法  

摘要： 针对在小目标检测过程中因浅层特征语义信息不丰富,导致漏检问题,提出一种多层特征融合改进SSD(single shot multi-box detector)方法。首先在浅层网络中加入深度可分离卷积(depthwise separable convolution,DSC),使用逐通道卷积和逐点卷积强化浅层语义信息;然后将深层网络和浅层网络通过反卷积和空洞卷积的方式细化特征;最后在深层网络中加入注意力机制,增强深层网络对小目标的检测能力。在VOC2007和VOC2012数据集上进行验证,平均检测精度相较于基准算法提高了5.56%,相较于其他先进算法提升了4.25%。实验结果表明,提出的细化语义和强化感知方法可以达到提高小目标检测精度的目的。

关键词： 车辆目标检测   YOLOv8   C2f模块   SPPF模块   损失函数  

摘要： 针对复杂交通场景下城市车辆目标检测算法存在的漏检、精度低、泛化能力弱的问题,提出一种改进的YOLOv8城市车辆目标检测算法。采用一种改进的GAM-C2f结构来代替主干网络中的C2f模块,平衡模型的计算效率和准确性;设计一种SPPFAPGC模块,防止SPPF结构因最大池化操作所导致的局部特征丢失问题,提高特征图的丰富度,并进一步结合小目标检测头来加强对远处小目标车辆的检测能力,加强局部特征与全局特征的融合。为抑制低质量图像产生的有害梯度,使用WIOU损失函数代替CIoU,以提升网络的边界框回归性能,提高模型的收敛速度和回归精度。在Streets车辆数据集上的实验结果表明,与基准模型YOLOv8n相比,改进算法的mAP50和Recall分别提高了1.6和2.0个百分点,有效改善了城市交通场景下小目标车辆检测性能不佳的问题;在VisDrone2019数据集上进行验证,mAP50和Recall也分别提高了1.1和1.6个百分点,充分证明了改进算法的优越性。与其他先进主流算法相比,改进算法表现出了更高的准确率和查全率,表明改进算法在城市车辆检测任务中具有更好的性能。

关键词： 目标检测   模型压缩   特征融合   卷积神经网络  

摘要： 针对现有目标检测算法存在的问题,提出了一种基于融合差分卷积的目标实时检测定位方法。首先构建融合差分卷积的主干网络以增强特征提取能力;然后设计共享权重的特征融合模块和检测头以提高检测速度和精度;最后制定多阶段训练策略进一步提升精度。在受电弓检测数据集中的实验结果表明,在CPU硬件资源下,所提方法检测帧率可达149 frame/s,整体平均精度均值(mAP)可达81.20%,比FemtoDet算法分别提高了57 frame/s和6百分点。所提方法满足高速铁路现场中对触发定位任务的实时性和准确性的技术需求。

关键词： 激光焊接   熔池   图像处理   数值模拟  

摘要： 硅钢片由于其良好的磁性能被广泛运用于电机定子铁芯生产。熔池是焊接过程中重要的物理现象,其动态行为影响焊接质量。对焊接熔池进行研究,通过焊接过程视觉监测和数值模拟相结合的方式研究了焊接参数对熔池的影响规律及熔池的温度场变化情况。同时,改进U-Net模型,在实现网络轻量化的同时提高网络性能,改进后的模型能够准确分割出熔池并提取特征。改进模型的平均交并比和平均像素精度分别达到95.91%和98.59%,均优于原始模型。数值模拟结果表明,熔池面积和焊接深度与熔池温度呈正相关,监测熔池面积能够较好反映焊接深度变化。这有助于实现焊接过程的在线监测和焊接深度预测。

关键词： RGB-IR融合目标检测   小目标检测   YOLOv5   模型轻量化   注意力机制  

摘要： 针对RGB-IR图像中的目标检测问题,文章提出一种基于YOLOv5的轻量化RGB-IR融合小目标检测算法。该算法首先使用单应性变换对齐RGB与IR图像,并拼接为四通道张量输入检测网络,以实现联合特征提取。其次,使用SE注意力机制分配特征通道权重,以实现特征级融合,减少特征矛盾并提高检测的鲁棒性,并进一步改进网络连接,使用浅层特征以增强小目标检测准确性。最后,使用Ghost卷积替代传统卷积,以降低计算量与参数量。实验结果表明,该融合检测算法在小目标数据集上验证改进结果明显,并实现嵌入式部署验证,在2TOPS算力NPU上实现30fps帧率的实时检测。

关键词： 人工智能技术   挑战和机遇   数字图像处理   教学改革   数据可视化  

摘要： 人工智能技术给各行各业带来了挑战和机遇。作为高等教育学校,如何应对这次人工智能浪潮是亟须解决的重要课题。文章以数字图像处理课程为例,进行了教学改革。针对数字图像处理课程教学改革,从教学目标、课程大纲、课程实施过程和课后学习4个方面进行优化。通过整理南京理工大学泰州科技学院2018—2023年的教学数据,并进行数据可视化和数据分析,证明了该次教学改革的有效性。