关键词： 机器学习   图形图像处理   应用   关键技术  

摘要： 智能化浪潮下图像和视频数据爆炸式增长,需挖掘图像中的深层信息,最大化应用数据信息的价值。机器学习技术以学习和分析能力使计算机具备理解、识别和处理图像的能力。通过深度学习不仅可捕捉图像的表面特征,更洞察其深层含义,满足人们对图形图像处理的多样化需求。该文探讨了机器学习在图形图像处理中的应用,分析其关键技术,旨在推动该领域的技术进步与应用发展。

关键词： 智能化系统   计算机视觉技术   OpenCV库   图书馆数字化转型  

摘要： 随着社会的发展,由图书馆中图书流动性增加带来的书籍整理与归档难题日益显著。针对这一问题,文章提出了一种智能化系统,利用计算机视觉技术对图书进行识别,通过与图书馆数据库进行数据匹配,以精确定位每本图书的具体位置。具体操作流程包括:通过图书馆内摄像头进行图像采集和预处理,进行书脊检测,提取出每本书籍的索书号区域,并利用OpenCV库对索书号区域内的字符进行识别,最终实现对图书位置的精确定位。

关键词： 量子深度学习   目标检测   量子计算   神经网络  

摘要： 量子深度学习以其并行运算优势而被引入计算机视觉,以改进目标检测任务。本文首先介绍了量子深度学习基本原理及复杂神经网络结构,概述其在图像处理、缺陷检测和自动驾驶领域的技术贡献。同时,本文指出了量子深度学习在目标检测领域目前面临的挑战,包括量子硬件资源限制、存在量子噪声、大规模数据集不足等。通过比较量子深度学习与传统深度学习的不足,本文提出了多模态融合、目标识别与分类及医学图像分析等未来发展方向,为相关领域研究提供了新的思路。

关键词： 无人机遥感   目标检测   RFCABAM   特征加权融合   自适应非极大值抑制  

摘要： 针对无人机遥感影像内目标受尺寸小、背景复杂等因素影响,导致检测正确率较低、漏检率较高的问题,介绍了一种改进YOLOv7模型的检测方法。在骨干网络中,引入RFCABAM模块代替现有卷积核组,通过计算目标的通道及空间层面语义特征,让模型更专注学习目标样本特征;在特征融合网络中,引入跨层、跨尺度连接路径,并采用加权融合机制,突出目标细节特征在图内的重要性;在检测端,引入更大尺度的检测头来检测小尺寸目标,同时通过EIoU-自适应非极大值抑制算法筛选候选框,提高模型对密集目标的灵敏度。实验结果表明,所用改进策略都能提升模型检测精度,在可见光与热红外影响数据集上,改进模型检测精度优于对照组内其余模型,测试环境下改进模型的检测速度也能达到实时水准。

关键词： 深度学习   主动脉图像分割   卷积神经网络   主动脉疾病   计算机视觉  

摘要： 在医学图像处理领域,准确的图像分割对于主动脉疾病的诊断和治疗规划至关重要。深度学习技术,尤其是卷积神经网络近年来在医学图像分割任务中取得了显著的进展。本文基于深度学习模型应用于主动脉病变图像自动化分割的研究进行综述,总结了目前这些技术对于提高分割精度和效率方面的贡献,探讨了现有方法所面临的挑战和未来研究更多的可能性以及方向。

关键词： 稻田   杂草   目标检测   YOLOv5s  

摘要： 稻田杂草位置获取是靶向喷施除草剂和机械智能除草的基础,为实现基于深度学习稻田杂草的位置检测以及模型的轻量化实用性。本文以稻田苗期恶性杂草空心莲子草为研究对象,对YOLO系列目标检测模型做出实用性分析。在稻田苗期未封行前人工手持相机采集杂草图像;杂草真实目标框人工进行标注,80%数据集用于网络模型的参数训练,20%数据集用于测试网络模型性能并进行对比分析;统计分析各算法模型的参数量规模及其计算量。试验得出基于YOLOv5s的稻田杂草位置检测算法模型的mAP能达到93.09%、Recall为85.14%、Precision为90.85%,基本满足智能除草和除草剂靶向喷施的实际应用需求。

关键词： 智能巡检机器人   燃气发电主厂房   图像处理   HM模型   MSER检测  

摘要： 为提升燃气发电主厂房异常报警的精准度,缩短响应时间,提出基于巡检机器人的燃气发电主厂房异常问题图像识别报警方法。利用HM模型处理巡检机器人采集到的图像,提高图像的整体质量。利用MSER检测方法定位设备仪表指针,准确获取设备运行信息。结合统计分析方法和灰度共生矩阵提取设备图像的时空特征,根据时空特征的贡献度,确定燃气发电设备的运行状态,结合异常问题图像判断阈值实现异常识别与报警。实验结果表明,所提方法的图像处理质量高、异常情况识别效果好、报警精准度高、响应时间短,实际应用效果好。

关键词： 动态环境   视觉SLAM   目标检测   动态特征点剔除   稠密点云地图  

摘要： 针对目前同步定位与建图(Simultaneous Localization and Mapping,SLAM)算法在静态环境中表现良好,但在动态环境中容易出现鲁棒性和相机定位精度不足的问题。作者引入基于深度学习的语义信息到SLAM算法中,并提出了资源受限场景下的一种基于目标检测网络的动态视觉SLAM算法Dyna-ORBSLAM3。算法有4个主要线程:语义线程、跟踪线程、局部建图线程、回环检测与地图融合线程。在Dyna-ORBSLAM3的跟踪线程中利用了基于改进YOLOv8的目标检测网络的语义信息并融合几何信息检测去除动态特征点,避免产生错误的数据关联,最后生成不含动态目标的稠密点云地图。选取TUM数据集的动态序列进行实验,结果对比ORB-SLAM3和RDS-SLM,Dyna-ORBSLAM3的绝对轨迹均方根误差降低了84.6%和26.3%,每帧消耗时间仅需30 ms。满足SLAM算法实时运行的要求且较大提高了定位精度。

关键词： 目标检测   YOLOX   唐卡   壁画   通道注意力  

摘要： 热贡唐卡壁画作为人类及国家级非物质文化遗产是藏族文化中独具特色的艺术形式,其画面不仅表现出了佛教本生故事,更体现了藏地的历史、地理、文化、科技等内容。然而,不具备热贡艺术专业知识的人们很难对其进行了解。因此提出了一种唐卡壁画元素的自动检测算法,用于推动唐卡壁画的传播。通过对YOLOX算法进行改进,提出了ECAMH-YOLOX模型对唐卡壁画图像进行检测。ECAMH-YOLOX模型是在YOLOX的基础上增加了高效通道注意力模块,在保持轻量化的同时获得更好的图像全局信息;同时为了更好地检测不同尺度的目标,在检测头模块增加了一个新的检测头,通过四个检测头对图像进行检测,以此来提高不同尺寸目标的检测结果;并使用SIoU损失函数计算回归损失以此来加快模型的收敛速度,提高模型效果。实验结果证明,ECAMH-YOLOX模型在所构建的唐卡壁画数据集上均不存在漏检错检的情况,而YOLOX算法存在对小目标的漏检现象,并且ECAMHYOLOX模型的mAP0.5:0.95达到了55.9%,比YOLOX算法提升了0.049。该模型在保持轻量化的同时,进一步提高了检测效果。也增加了人们了解热贡艺术的途径。

关键词： 图像处理技术   机器人   焊接焊缝跟踪   灰度变换   图像语义分割   卡尔曼滤波  

摘要： 为解决焊接机器人面对不同焊接工况时,焊缝跟踪精度低的问题,文章提出了基于图像处理技术的机器人焊接焊缝跟踪方法。利用CCD传感器采集机器人焊接焊缝图像,基于点操作的图像增强方法,灰度变换机器人焊接焊缝图像。利用SegFormer图像语义分割模型,通过Transformer编码器与多层感知机解码器,采用递归空洞自注意力机制,从机器人焊接焊缝的灰度图像中提取焊缝跟踪路径。利用卡尔曼滤波算法消除焊缝跟踪路径中的非焊接点,通过机器人焊接焊缝图像的坐标系转换,更新焊接焊缝轨迹堆栈,实现机器人焊接焊缝跟踪。实验结果表明,该方法能够依据机器人焊接焊缝图像处理结果,精准跟踪焊接焊缝,圆弧型与S型焊缝的跟踪误差低于3mm。