关键词： 计算机视觉   图像处理   肌内脂肪含量   猪  

摘要： 旨在开发基于计算机视觉技术的猪肉质图像快速鉴别方法,为解决猪肉质传统测定方法缺陷和构建猪肉质快速测定系统奠定技术基础。本研究采用canny边缘检测算法、归一化、伽马校正、自适应直方图均衡化和阈值化等方法进行图像处理,利用二维信息模拟了猪背最长肌的三维模型,开发了基于图像的猪肌内脂肪含量计算机视觉测定方法。利用人工描绘和计算机视觉轮廓搜寻技术开发了基于图像处理的眼肌面积识别方法。利用Open CV和C++实现各方法的底层算法程序,研发了一套猪肌内脂肪含量和眼肌面积的测定系统,并利用250头不同品种的试验猪进行了应用测试。测试结果显示,肌内脂肪含量检测模块能够快速实现肌内脂肪图形信息的提取与预测,单个样品检测时间平均不超过2 min,准确性可达0.54,且测定离散系数为0.062,具有较强的稳定性。眼肌面积与背膘厚检测模块能够通过人工与计算机结合的方式快速测定眼肌面积和背膘厚。本研究建立的检测方法和软件系统能够实现猪肌内脂肪含量、背膘厚和眼肌面积的快速检测。

关键词： 目标检测   YOLOv5   C3SE   MobileNet   多尺度特征   计算机视觉  

摘要： 针对复杂街景环境下人群检测精度低的问题,基于YOLOv5网络,提出一种改进的人群密度检测网络YOLO-C3SE-moblienetV3。将YOLOv5、聚合连接空洞卷积(connected convolutional capsule systems,C3SE)和MobileNet结合,旨在改善目标检测的性能。通过引入C3SE模块,模型能够更好地捕捉多尺度特征和上下文信息,从而提高检测精度。结合MobileNet的轻量级特性,实现高效的特征提取,显著降低模型计算复杂度。实验结果表明,与标准YOLOv5模型相比,改进后的模型在多个公开数据集上的平均精度(mAP)和推理速度均有所提升。

关键词： 深度学习   目标检测   瓷砖表面缺陷检测   YOLOv8   注意力机制  

摘要： 在瓷砖表面缺陷检测方面,在保证一定检测速度的前提下,对于小目标缺陷的检测较为困难,总体检测精度依然较低。提出了一种改进YOLOv8的瓷砖表面缺陷检测方法。第一,对原始的大幅面瓷砖数据集进行数据预处理,通过切片操作得到适合YOLOv8输入尺寸的瓷砖数据,防止瓷砖缺陷在缩放的过程中丢失;第二,考虑到瓷砖表面存在小目标缺陷的占比较大问题,使用SPD-Conv的结构代替传统的下采样方式,能够完整地保留通道维度中的所有信息,从而提高对小目标缺陷的检测能力;第三,对YOLOv8中原有的C2f模块进行改造,加入了Efficient Channel Attention注意力机制,设计了C2f_ECA模块,并在backbone网络中进行替换,使得网络在特征提取的过程中能够更为关注缺陷信息,减少背景信息的干扰;第四,添加了微小目标检测头在第二次下采样后进行检测,提高YOLOv8对微小目标的检测能力。该方法在天池瓷砖瑕疵检测数据集上进行实验验证,改进后的模型分别在mAP50-95、mAP50和mAP75上达到57.7%、86.6%、60.6%,比基础网络YOLOv8s分别提升了9.4、5、14.3个百分点。同时,高于YOLOv8m的精度和远低于YOLOv8m的复杂度,属于轻量级模型,符合工业化的需求。

关键词： 特征提取   小目标检测   YOLOv8   深度学习  

摘要： 针对无人机航拍图像中目标尺寸小、目标密集、漏检和误检等问题,提出了一种改进YOLOv8s的小目标检测算法LW-YOLO(Lightweight YOLO).首先,通过分层卷积、不同深度特征提取和多尺度特征融合策略改进特征提取网络,解决了网络参数量大和对小目标特征提取不足的问题.其次,通过增强浅层信息提取能力和减少部分深层信息优化检测层网络结构,改善了小目标漏检、误检和参数量大等问题.同时,新增残差连接和最大池化改进传统卷积块(Cown),最大限度保留特征,解决了传统卷积对小目标特征留存能力不足的问题.最后,通过Sigmoid函数与梯度增益系数(r)相结合引入非线性的平滑处理,改进WIoU(Wise-IoU)损失函数,解决了小目标普通质量锚框的损失波动,增强了模型的稳定性和鲁棒性.经实验表明,LW-YOLO与YOLOv8s在VisDrone2019数据集上相比,P、R、mAP50%分别提升了2.2%、6.1%、5.7%,参数量、GFLoPs和模型体积分别降低了49.8%、17.1%、48.8%,同时还在AI-TOD、NWPU VHR-10和TinyPerson做了泛化对比实验,并将检测结果可视化,经实验表明各项参数指标均有提升.

关键词： 模型预测控制   高级自适应化学反应优化算法   目标跟踪   路径规划  

摘要： 为解决多无人机在复杂环境下协同目标跟踪的路径规划问题,提出基于模型预测控制(model predictive control,MPC)和先进自适应化学反应优化(advanced adaptive chemical reaction optimization,AACRO)算法相结合的方法。基于目标跟踪模型,使用集中式MPC作为路径规划问题的实时控制框架,设计5个指标成本函数在多种约束条件下优化跟踪性能,获取无人机的最优跟踪路径;针对上述多维问题的复杂程度,使用一种新型智能算法解算MPC控制策略。仿真结果表明:该方案具备有效性和可行性,对无人机群协同目标跟踪具有重要的应用价值。

关键词： 重参数化   双模态   实时目标检测   多尺度特征   注意力机制  

摘要： 无人机高空航拍的目标普遍尺寸小、特征弱,而且受复杂天候条件影响大,导致基于可见光或红外单模态图像的目标检测漏检、误检率较高。对此,提出了重参数化增强的双模态实时目标检测模型DM-YOLO。首先,采用通道拼接的方法融合可见光和红外图像,以极低的成本融合双模态图像的互补信息。其次,提出更加高效的重参数化模块并基于此构建了更加强大的骨干网RepCSPDarkNet,有效增强了骨干网对双模态图像的特征提取能力。然后,提出了多层次特征融合模块,通过多感受野卷积和注意力机制融合弱小目标的多尺度特征信息,增强了弱小目标的多尺度特征表示。最后,删除了对弱小目标检测基本不起作用的特征金字塔深层检测层,在检测精度保持不变的情况下,减小了模型规模。实验结果表明,在大规模的双模态图像数据集DroneVehicle上,DM-YOLO的检测精度比基准YOLOv5s高出2.45%,且优于规模相当的YOLOv6和YOLOv7模型,有效提高了复杂光照条件下目标检测的准确性和鲁棒性,同时检测速度达到82 FPS,可满足实时检测的需求。

关键词： 图像处理   光伏组件   热斑缺陷检测   B样条   最小二乘拟合  

摘要： 为精准检测光伏组件热斑缺陷,分析热斑所占面积和位置,提出了基于图像处理的光伏组件热斑缺陷检测方法。计算每一块区域热量发射功率,分析光伏组件热斑红热外图像灰度直方图特征。采用空间域方法处理图像中像素点,通过构建图像线性增强函数改善图像清晰度。在Image Net数据库上,提取热斑特征,采用B样条最小二乘拟合法,求取样条基函数关于范数的最佳逼近问题,获取热斑曲线和样本点之间偏差最小值,消除直方图中毛刺和局部起伏,检测出图像中热斑。实验结果可知,该方法正常情况下热斑面积结果与实际数据最小差值为0.1 cm^(2);非均匀性噪声影响情况下,热斑位置检测结果与原始图像一致,说明使用所研究方法检测结果精准。

关键词： 小目标检测   交通标志识别   注意力机制   YOLOv5s   深度学习  

摘要： 交通标志识别应用中待检测目标多为小目标,因其携带信息少、定位精度要求高、易被环境噪声淹没等特点成为当前交通标志检测的难点.针对小目标交通标志漏检、误检、检测准确率低等问题,本文设计了一种用于小目标检测的STDYOLOv5s(Small target detection YOLOv5s)模型.首先,通过增加上采样和Prediction输出层数获得了更丰富的位置信息,解决了YOLOv5s模型在处理小目标时信息不足的问题,增强了对图像的全局理解能力;其次,在每个C3模块之后添加CA(Coordinate attention)注意力机制并在每个输出层前添加Swin-T注意力机制模块,增加了网络对多层特征信息的捕捉,提高了小目标的检测性能;最后,充分利用SIoU惩罚函数同时考虑目标形状、空间关系的特点,更好地捕捉不同尺寸的目标在图像中的位置关系,提高目标位置的精确性.所提模型在TT100K数据集上进行了验证实验,实验结果表明本文方法不仅保持了YOLOv5s模型的轻量性和快速性,在精确率、召回率和平均精度三个指标上也有所提升,提高了小目标检测的精确性.

关键词： 铁路货车技术作业   货车故障轨旁图像检测系统(TFDS)   动态检车作业   作业质量评价   培训与考试   图像处理   故障分析  

摘要： 货车故障轨旁图像检测系统(TFDS,Trouble of moving Freight car Detection System)是保障铁路货车运行安全的重要技术装备。为适应TFDS检车作业场所集中化的管理变革,建设了TFDS集中检车系统(简称:TFDS检车平台),通过汇集多个轨旁TFDS探测站的检测数据,实现TFDS动态检车任务的统一分配和作业过程的闭环管理。随着TFDS动态检车任务量不断加重,亟需强化动态检车作业质量考核,提高检车员辨识车辆故障的能力,以确保运用货车安全运行、满足货运装车需要。本文针对TFDS检车平台在应用中存在的不足,充分利用该平台的TFDS货车图像数据,研究开发TFDS货车图像数据应用系统,满足动态检车作业质量评价、检车员培训等实际需求,有助于提升TFDS集中检车作业的质量和效率。

关键词： DR图像   管道焊缝   目标检测   迁移学习  

摘要： 针对管道焊接领域所产生的人工焊缝缺陷质量检测结果过于主观的问题,本文提出一种基于迁移学习的管道焊缝缺陷质量智能检测方法,使其能够在焊接过程中对管道焊缝缺陷的关键特征进行识别和定位。主要思想是利用YOLOv5目标检测方法,并结合去噪和数据增强的图像预处理策略对模型进行构建,同时结合真实世界的焊缝缺陷数据对模型进行迭代更新,使得模型拥有泛化的能力。通过实验对比分析出本方法的优势,其中,定性实验显示出本方法在DR图像上的识别有效性,定量实验展示模型的识别准确度。结果表示,本方法在DR图像上具有良好的焊缝质量缺陷检测能力。