关键词： 激光光斑   数字图像处理技术   位置检测   检测精准度测试   中心位置计算  

摘要： 激光技术在应用过程中,光斑位置检测与确定是其中的关键环节,直接决定着激光技术的应用性能。但是,现有光斑位置检测方法由于应用手段的缺陷,存在着检测时间过长、检测精度较低等问题,故提出基于数字图像处理技术的激光光斑位置检测研究。使用图像采集设备(相机或者摄像机)获取激光光斑图像,基于数字图像处理技术处理激光光斑图像,以此为基础,采用二维Otsu算法分割激光光斑图像,应用Canny算子提取光斑边缘,通过最小二乘圆拟合方法拟合处理光斑边缘,即可计算出激光光斑中心位置,从而实现了激光光斑位置的精准检测。实验结果显示:应用提出方法获得的光斑位置检测时间最小值为0.1 s,光斑位置检测误差最小值为0.2%,充分证实了提出方法应用性能较佳。

关键词： 图像修复   计算机视觉   二阶段图像修复算法  

摘要： 图像修复是计算机视觉领域的重要研究方向之一,它的目标是准确修复图像中原来信息内容。随着计算机技术的快速发展,基于深度学习的图像修复算法相对于传统算法表现出了明显的优势,具有更高的精度和实时性。文章介绍了几种经典的基于深度学习的二阶段图像修复算法,介绍了它们的优点,同时展望了未来图像修复算法的发展。

关键词： 目标检测算法   水表字轮数字   数字识别方法  

摘要： 本文旨在设计一种基于目标检测算法的水表字轮数字识别系统,以解决传统模板匹配方法在复杂环境下的局限性。该系统包括表盘与字轮区域定位、图像旋转校正、字轮分割与字符分类以及半字符示数判定等模块。试验结果表明,与传统模板匹配方法相比,采用YOLOv5目标检测算法的方法的整字符和半字符识别准确率有显著提升,整体准确率提高了5.58%,表明基于目标检测算法的水表字轮数字识别方法具有更好的识别效果和应用前景。

关键词： 微小柱状零件   表面缺陷检测   机器视觉   目标检测   选择注意力机制   随机注意力机制  

摘要： 针对“细小曲面”的零件表面缺陷检测技术,目前尚不多见。以一种直径在mm级、表面缺陷尺寸在μm级的柱状金属零件为研究对象,设计了一套微小柱状零件表面缺陷检测系统。首先分析了检测对象的技术特征与“全、细、微、多、高”检测难点。然后针对“全、细、微”的技术要求,给出了图像采集装置的设计方案,实现了在微小零件柱状曲面上的全表面逐一成像。随后,针对“多、高”两大技术难点,提出了一种基于YOLOv5与注意力机制的检测算法,给出了实验数据集的准备方法并开展了和现有方法的多组对比实验与消融实验,实验结果表明所提算法能够辨识零件表面多种缺陷。相关研究已经应用于工业现场,显著提高了微小柱状零件表面缺陷的检测效率和准确率,对其他类似零件的表面缺陷检测也有借鉴价值。

关键词： 图像处理   深度估计   自监督学习   方向感知  

摘要： 为解决现有单目深度估计网络复杂度高、在弱纹理区域精度低等问题,该文提出一种基于方向感知增强的轻量级自监督单目深度估计方法(DAEN)。首先,引入迭代扩展卷积模块(IDC)作为编码器的主体,提取远距离像素的相关性;其次,设计方向感知增强模块(DAE)增强垂直方向的特征提取,为深度估计模型提供更多的深度线索;此外,通过聚合视差图特征改善解码器上采样过程中的细节丢失问题;最后,采用特征注意力模块(FAM)连接编解码器,有效利用全局上下文信息解决弱纹理区域的不适应问题。在KITTI数据集上的实验结果表明,该文模型参数量仅2.9M,取得δ指标89.2%的先进性能。在Make3D数据集上验证DAEN的泛化性,结果表明,该文模型各项指标均优于目前主流的方法,在弱纹理区域具有更好的深度预测性能。

关键词： 深度学习   图像处理   油气管道焊缝   缺陷智能识别   注意力机制  

摘要： 焊接技术在油气管道连接时广泛应用,确保焊缝区域可靠是保障油气管道安全运行的关键。受工艺和技术制约,油气管道焊接过程中可能出现不同类型的焊缝缺陷。针对油气管道焊缝部分缺陷尺寸小、缺陷与背景差异性较小导致焊缝缺陷识别效果不理想、人工识别工作量大等问题,提出了基于SCT-ResNet50模型的管道焊缝缺陷智能识别新方法。首先将焊缝区域图像输入特征提取网络;然后在特征提取的浅层使用SCC(Spatial Channel Context)进行局部空间和通道信息融合,在特征提取较深的层次使用ECA-MHSA(Efficient Channel Attention-Multi-Head Self-Attention)来捕捉长程依赖和上下文信息;最后通过全连接层和Softmax得到最终的缺陷识别结果。研究结果表明:(1)该新方法在油气管道X射线图像焊缝缺陷数据集上缺陷识别准确率达到98.28%;(2)相较于ResNet50、VGG16、DenseNet121、MobileNetv3和EfficientNetv2分类方法,其准确率分别提高了3.05%、46.05%、28.99%、15.95%和18.84%;(3)在缺陷尺寸小、缺陷和背景差异较小的场景下,该新方法在油气管道焊缝缺陷识别中具有更高的准确率。结论认为,该新方法的优势在于结合SCC模块与ECA-MHSA模块学习图像的局部信息和全局信息,能较好解决油气管道焊缝缺陷分类效果不理想的问题,为保障油气管道安全运输提供了技术支撑。

关键词： 机器视觉   二维码检测   图像处理   实验样机  

摘要： 设计了一套基于机器视觉的二维码检测教学实验系统。依次对该系统的总体方案、图像采集系统、运动控制系统、图像处理方法和人机交互界面进行了具体设计,进而制作了实验样机,并针对某包装印刷企业实际需求进行了二维码的检测实验。实验结果表明,所设计的系统最高二维码检测速度为7个/s,对错印、漏印和重码等缺陷问题的误检率≤0.05%,能够满足设计要求。该系统已应用于自动化专业的实践教学中,弥补了当前能够模拟真实工业场景的实践教学设备的不足。实践表明,所设计的系统可有效帮助学生提高机器视觉相关课程学习的系统性和连贯性,助力创新型自动化工程科技人才的培养。

关键词： 茶芽   深度学习   光源系统   智能采摘   目标检测   机器人  

摘要： 实现茶芽的自动识别与定位是优质茶叶智能采摘设备研发的基础。针对茶芽细小,且采摘环境受光照影响较大等问题,本研究提出了一种基于深度学习网络模型的茶芽识别方法,开展识别系统的光源设计,能够为实现全天候和高效率的智能茶芽采摘设备提供技术支撑。首先,搭建铝合金框架的密闭遮光黑暗环境;然后,通过调节横杆高度和光源亮度创造出3种高度和3种光照强度组合;最后,采集不同组合情况下的茶芽图像数据集,利用改进YOLOv5模型对一芽一叶和一芽两叶开展识别测试。试验结果表明,YOLOv5s的总体准确率为77.13%,总体平均精度均值为86.14%,对于改进后的识别模型YOLOv5s-SPD的总体准确率为80.30%,总体平均精度均值为87.3%,单张图片的平均检测时间为5.7 ms,满足实时检测的要求,比原YOLOv5s总体准确率提升3.17%,总体平均精度均值提升1.16%,有效地提升了茶芽的识别性能。在高度90 cm和亮度L7(0.164~0.328μmol/m^(2))的条件下,一芽一叶和一芽两叶的检测准确率、召回率和AP平均值分别为86.70%、92.45%和95.00%。该方法可以有效快速地检测茶芽,光源设计方案为全天候优质茶叶智能采摘设备的研发提供了支持。

关键词： 图像取证   数字图像篡改定位   图像来源分析   图像拼接篡改区域定位   深度学习  

摘要： 图像过滤方法通过分析和匹配图像特征,检索得到可疑篡改来源图像,分析篡改图像和篡改来源图像的派生关系。本文提出一种基于目标检测约束的图像过滤方法,首次整合了目标检测算法和分布式加速的鲁棒特征索引,一方面利用目标检测算法使得特征检索范围得到约束,另一方面采用分布式局部特征提取方法,有效提高了图像特征检索的效率和准确度。此外,使用尺度可变的有约束图像拼接检测与定位网络在图像特征检索基础上进行深度匹配,进一步对篡改区域和篡改来源区域进行精确查找。实验结果证明,本文算法在篡改图像检索准确性、查询效率方面有明显改进。

关键词： 单目标跟踪   Transformer注意力机制   目标分割   形态学方法   相关滤波  

摘要： 采用相关滤波的判别式目标跟踪算法因具有较好的跟踪效果得到广泛关注,但该类方法使用的矩形框估计法通常只能得到目标正矩形框,难以获得目标更加精细的状态信息,如旋转矩形框、目标轮廓、掩码信息等。为解决上述问题,提出一种基于Transformer的单目标跟踪与分割统一算法T-TS,利用Transformer的注意力机制优势对目标精确定位,通过得到的目标定位编码信息引导目标分割网络对目标进行前、背景分割,获得目标精细掩码,再对掩码进行形态学处理,优化得到目标的最佳旋转矩形框及其轮廓。在跟踪数据集VOT2018和分割数据集DAVIS上进行实验,结果显示,T-TS算法与孪生网络类算法相比具有更高的鲁棒性,与相关滤波类算法相比具有更高的跟踪精度,其在VOT2018上期望平均重叠率指标达到0.463,在视频分割任务上也实现了较好结果,DAVIS2016和DAVIS2017上Jaccard指标分别达到77.3和65.3,运行速度达到34 frame/s。实验结果表明,该算法能够准确得到旋转矩形框,对目标进行精准预测,有效解决目标旋转、形变等问题。