关键词： 计算机视觉   工业检测   人类视觉系统   自动化分析   实时监控   产品质量   整体水平   检测方法  

摘要： 随着工业自动化和智能化的快速发展,传统的工业检测方法难以满足现代生产对于高效、高精度和实时监控的需求。工业检测作为保证产品质量、生产安全和生产效率的关键环节,呕需引人更为先进的技术手段来提升整体水平。近年来,基于计算机视觉的工业检测技术在多个领域得到了广泛应用。计算机视觉技术是利用计算机来模拟人类视觉系统,以实现对图像和视频的自动化分析和理解。

关键词： 高速铁路   钢轨伸缩调节器   数据处理   目标检测   试验平台  

摘要： 钢轨伸缩调节器被广泛应用于高速铁路大跨桥上无缝线路中,但因相对位移量大、零部件多等问题成为高铁薄弱环节之一,实时监测其服役状态对于高铁运营安全至关重要。为保证监测数据的实时性与准确性,结合计算机视觉技术与实际工程现状,建立调节器服役状态在线监测系统。具体包括:完成监测系统设计与布点方案优化研究,开发现代化的信息管理系统;针对现场传感器的实时采集数据设计一整套数据处理流程,结合随机森林、长短期神经网络等算法实现调节器服役状态的超前预测,结合YOLO系列目标检测算法实现钢轨位移量的非接触式测量;基于现场需求设计综合试验平台,对重点关注的钢轨位移、应力等重要指标进行模拟试验。试验结果表明,研究的调节器监测数据处理方法可以适应调节器区域监测需求,具有重要的工程意义。

关键词： 航拍图像   目标检测   RetinaNet   轻量化  

摘要： 针对无人机航拍图像中存在目标较小、尺度不一以及目标检测算法模型参数量较大等问题,提出基于RetinaNet的轻量化目标检测算法模型:RetinaNet-S。采用GhostNetV2作为轻量化骨干,增强目标的特征信息;在颈部采用轻量化模块GSConv和VoV-GSCSP,在尽量保证检测精度的同时减少模型的参数量;最后,改进损失函数为Focal SIoU Loss,进一步提升模型的精准度。在VisDrone2019数据集上的实验表明,RetinaNet-S的参数量仅有5.52 M,检测速度提升了9.55 FPS。

关键词： 伪装目标检测   流形信息   去除伪装   多视角检测   遗传算法  

摘要： 伪装目标检测(COD)是一个困扰人类视觉和机器视觉的共同难题,研究者采用了各种特征增强方法捕捉隐藏目标,但忽略了伪装对检测的干扰。为此,本文提出了一种基于同构特征遗传的伪装目标检测方法,进行伪装的去除和目标的多视角检测。该方法采用Transformer架构提取多级特征,通过小波变换和异性梯度来输出目标流形骨架,最后设计了一种多视图遗传融合方法,实现伪装目标聚焦和预测。实验结果表明,本文所提出的方法具有良好的通用性和泛化能力,可为复杂背景下的伪装目标检测,提供更清晰的分割。

关键词： 振动筛   TOF相机   3D点云   计算机视觉   筛面监测  

摘要： 振动筛筛上物料载荷异常不仅影响生产效率还可能导致安全隐患,实时准确地监测筛上物料状态具有重要意义。针对传统人工监测方法劳动强度大、速度慢、有极高安全隐患并且不容易发现设备微小故障等问题。基于TOF相机物料动态监测技术,提出了一种联合KD树与帧差法的点云数据补全方法和基于曲面重构的筛上物料动态监测方法。该点云数据补全方法有效修补了因筛上物料表面水分和物料缝隙导致的TOF相机拍摄过程中的点云数据缺失问题,通过对补全后的筛上物料进行点云曲面重构分析,判断欠载、过载、左偏载和右偏载四种筛上物料状态,实时监测筛上物料状态。研究通过TOF相机直接获取筛上物料状态信息,对筛上物料实时检测,减少了人工干预的需求且具备实时性。为筛上物料状态实时监测问题提供了一个可靠的解决方案。

关键词： 内河航运   航海雷达图像   目标检测   YOLOv8  

摘要： 针对内河船舶航行场景复杂、航海雷达图像形状与颜色特征较少且难以标注的问题,提出一种改进的YOLOv8航海雷达图像目标检测方法。首先,为缓解标注错误与模型过拟合问题,在模型训练阶段引入标签平滑策略;然后,结合雷达图像特有的位置先验信息,设计一种基于坐标的卷积结构用于同时提取目标的形状、颜色和位置特征。为验证该方法的有效性和优越性,对采集的长江航道雷达图像在不同天气环境下进行对比试验。结果表明,本文方法在保证目标检测实时性的同时,精确率达到91.52%,平均精度较经典YOLOv8提高了5.17%,可为提升内河航运现代化与智能化管理水平提供技术支持。

关键词： 图像处理技术   小学教育   图片资源   开发应用  

摘要： 图像处理技术作为计算机科学与多媒体技术交叉融合的产物,凭借其卓越的图像分析与处理能力,正逐渐渗透到教育资源的开发与利用之中.本文在分析小学教育图片资源定义以及图像处理技术应用优势后,提出了图像处理技术在小学教育图片资源开发中的应用路径.

关键词： 喷墨印刷   图像灰度化   超分辨率重建   图像处理  

摘要： 为了应对采集环境或采集系统影响导致的喷墨印刷图像模糊、不显著等问题,本文提出了一种利用灰度图像处理,根据图像灰度值设置三维地形图和灰度等高线图的方法,以确定印刷图像中墨滴的中心位置和边缘,从而更好地区分重叠墨滴和单个墨滴。此外,还提出了一种基于SRCNN(Super-Resolution Convolutional Neural Network)的喷墨印刷图像处理方法,以提高低分辨率喷墨印刷图像的清晰度。通过在特征提取层加入普通卷积层以提取更丰富的图像特征,该方法在标准数据集上得到了验证。喷墨印刷图像的结果显示,改进后的SRCNN模型比未改进的SRCNN模型峰值信噪比提高了0.014dB,证明了改进模型的有效性,并在重建图像中取得了更好的视觉效果。

关键词： 卡尔曼滤波   核相关滤波   SIFT特征匹配   抗遮挡目标跟踪  

摘要： 针对目标跟踪中的遮挡问题,在核相关滤波(Kernel Correlation Filter,KCF)基础上,融合卡尔曼滤波(Kalman Filtering,KF)和尺度不变特征变换(Scale Invariant Feature Transform,SIFT),提出一种新的抗遮挡目标跟踪方法。在KCF跟踪过程中,使用平均峰相关能量(Average Peak-to-Correlation Energy,APCE)值来检测目标是否被遮挡。若目标被遮挡,则使用KF预测目标的位置。当目标在后续帧中出现时,利用SIFT特征匹配定位目标的准确位置。最后利用KCF完成剩余帧的跟踪过程。在OTB100数据集上的实验结果表明,该方法对遮挡问题具有一定的鲁棒性。

关键词： 交通标志   小目标   Faster R-CNN  

摘要： 小目标检测是智能驾驶安全领域的重要研究内容,其中交通标志的检测是智能驾驶环境感知的关键环节,但由于交通标志的判定属于远距离识别且目标较小,因此往往会出现漏检或识别精度低的问题。基于Faster R-CNN算法将骨干网络VGG16替换为ResNet50,将混合注意力机制融入主干残差结构,利用多尺度滑动窗口改进RPN网络,在不同深度卷积层生成特征图并进行特征融合。改进后的算法使检测精度mAP从85.99%变为94.38%,有效地提高了智能驾驶场景下识别交通标志小目标的能力。