关键词： 拉出值   导高   接触点   形状匹配  

摘要： 针对目前铁路受电弓静态拉出值与导高值检测效率低、误差较大等问题,提出一种基于实时图像处理的动态拉出值、导高值的测量方法。首先,对相机进行标定,得到像素值和实际值的对应关系,通过固定的相机获取受电弓位置,利用形状匹配算法得到受电弓具体位置参数;其次,利用Hough直线检测算法得到受电弓上边缘直线;再次,通过线条宽度的判别和最小二乘法拟合得到接触线;最后,计算出接触线和受电弓上边缘直线的交点坐标,结合相机标定参数,进而得到实际的拉出值和导高值。

关键词： 人工智能   降维   大数据   图像处理   分析  

摘要： 数据降维是人工智能领域中的一项关键技术,它的作用是利用信息之间的相关性进行空间转换。文中首先叙述基本数据降维的概念和原理,然后又具体介绍目前最常见的数据降维方法,包括主成分分析(PCA)、线性判别分析(LDA)以及自编码器(Autoencoder)等。最后,通过实际案例阐述了数据降维在人工智能领域的应用,并总结了其优势和挑战。

关键词： 图像分割   区域分割   水表数字   图像处理  

摘要： 在医院的特殊环境下,许多水表需要高精度地实时读取读数,以便精确控制水量。为了提高水表数字分割的稳健性和准确性,本研究提出了一种基于区域分割算法的方法来分割水表数字。首先,对水表图像进行一系列处理以定位数字位置,然后通过算法自动选取种子点,对图像进行分割。实验结果表明,该分割方法具有更高的精准性和稳健性。

关键词： 计算机视觉技术   建筑安全   无人机技术   建筑工程   剥落现象   技术融合   视觉融合   巡检  

摘要： 在建筑工程质量巡检领域,计算机视觉技术通过精密的算法,实现了对建筑表面细微变化的精确识别。无论是微小的裂缝、剥落现象,还是潜在的渗漏隐患,计算机视觉技术都能快速、准确地捕捉并进行分类,极大地提高了巡检的效率和准确性。建筑工程的质量巡检是确保建筑安全、提高建筑质量的重要环节。传统的巡检方法依赖于人工巡检,不仅效率低下,而且难以发现一些隐蔽的质量问题。近年来,计算机视觉技术和无人机技术的快速发展为建筑工程质量巡检提供了新的解决方案。利用计算机视觉技术和无人机技术进行建筑工程质量巡检,并通过相应的系统建设,实现几种技术融合,真正为建筑工程的质量巡检提供技术引导。

关键词： 目标跟踪   特征金字塔网络   全局局部特征交互   角动量  

摘要： 针对多目标跟踪(MOT)算法性能对于检测准确度和数据关联策略的依赖性问题,该文提出一种新的端到端算法。在检测方面,首先基于特征金字塔网络,提出空间残差特征金字塔模块(SRFPN),以提升特征融合和信息传递的效率。随后,引入全局局部特征交互模块(GLFIM)来平衡局部细节和全局上下文信息,增强多尺度特征的专注度,提高模型对目标尺度变化的适应性。在关联方面,引入角动量机制(AMM),充分考虑目标运动方向,以提升连续帧之间目标匹配的精确性。在MOT17和UAVDT数据集上进行实验验证,所提跟踪器的检测性能和关联性能均显著提升,并且在目标遮挡、尺度变化和杂乱背景等复杂场景下表现出良好的鲁棒性。

关键词： 套管   红外图像   目标检测   温度曲线   发热缺陷   偏斜矫正  

摘要： 变压器套管在红外巡检图像中占比较小,发热缺陷特征不明显,人工检测套管发热缺陷易受主观判断影响,且难以应对巡检产生的海量红外图像。为提高套管发热缺陷检测效率,提出了一种结合目标检测算法与图像偏斜矫正的变压器套管发热缺陷检测方法。首先,采用YOLOv7目标检测模型对套管目标进行识别与定位,引入SimAM注意力机制与高效解耦头对模型进行改进,提高套管目标的识别准确率与召回率。然后,对定位裁剪的套管目标进行图像偏斜矫正,提取中心区域温度特征信息进行发热缺陷诊断。实验结果表明:改进后模型对套管目标识别准确率为95.50%,召回率为97.14%,平均精度为98.30%,检测FPS为42帧/s,所提方法能精准定位套管目标并提取对应温度曲线,有效提高了套管发热缺陷检测效率。

关键词： 目标检测   管道缺陷检测   YOLOv5   缺陷识别  

摘要： 针对地下排水管道缺陷检测存在效率低和精度差等问题,本文提出了一种基于改进的YOLOv5模型的地下排水管道缺陷识别方法。首先,为了提高检测精度,引入卷积块注意力机制模块(Convolutional Block Attention Module,CBAM)解决了部分缺陷过小的问题,同时设计了一种新的空间金字塔池化模块,解决不同类型缺陷大小、形状和颜色相差较大的问题。其次,在特征融合层引入加权双向特征金字塔网络结构(bi-directional feature pyramid network structure,BiFPN)以充分利用不同尺度的特征,提高了特征融合能力。最后,针对图片模糊的问题,对原始图像进行了直方图均衡化、锐化处理。实验结果表明,改进后的算法能很好对障碍物、错口、裂缝、树根和错口等5种缺陷进行识别,平均精度(Mean Average Precision,mAP)相比原始YOLOv5算法提升了2.5%。

关键词： 热塑性聚合物   注塑成型   短纤维增强复合材料   纤维取向   力学性能  

摘要： 短纤维增强聚合物基复合材料(Short fiber reinforced polymer composites,SFRPC)具有复杂的细观结构,掌握纤维取向分布(Fiber orientation distribution,FOD)规律是短纤维复合材料力学建模的前提。然而,由于纤维取向统计需要收集大量的纤维信息,通过传统手动标注读取显微图像的方式人工成本高且耗时长,统计效率与精度均难以保证。本文利用图像分析算法捕获纤维截面几何特征,发展了相应的纤维取向分布图像处理技术,实现了FOD信息的快速统计。探究了图像分析算法中关键参数的合理取值范围,并针对挤出注塑成型工艺制备的短玻纤增强和短碳纤增强聚醚酰亚胺复合材料(SGF/PEI和SCF/PEI)进行微观结构表征,将统计的纤维状态信息传递至类层合板(Laminate analogy approach,LAA)与Fu-Lauke模型框架,进而预测了不同体积分数下两种复合材料的模量与强度,预测结果与有限元模拟结果、拉伸试验测试结果均吻合良好。本文将纤维取向分布图像处理技术与复合材料力学性能预测方法相结合,有助于更高效准确地理解短纤维增强复合材料的构效关系,对于复合材料结构设计具有较高的指导作用。

关键词： 机器视觉   遥感图像   目标检测   YOLOv5s   注意力机制  

摘要： 针对遥感图像目标检测的小目标排列密集、背景区域复杂的问题,对YOLOv5s模型进行改进。主干网络采用包含深度可分离卷积的协调注意力(CA)模块,引入通道与空间的多维注意力机制,挖掘空间方向与位置相关性,提高特征提取能力和长距离依赖关系捕捉能力;颈部网络采用双向特征金字塔网络(BiFPN)结构,充分融合深层与浅层特征信息,提高不同尺度特征融合效果。实验表明,针对遥感目标DIOR数据集,相较于改进前模型的结果:改进后模型的均值平均精度(mAP)提高9.8百分点;各类平均精度(AP)均有提升,大部分类别平均准确率提高5百分点以上;网络精确率提高了7.2百分点,召回率提高了10.8百分点,缓解漏检、误检问题,增强了模型对遥感图像中复杂背景下密集小目标的检测效果。

关键词： 驼峰   抱闸车辆   双源图像   协同识别   目标检测   特征增强  

摘要： 为有效识别驼峰编组站抱闸车辆,提高车辆溜放作业效率,设计研发基于双源图像协同识别技术的抱闸车辆检测系统。采用双摄像机分别检测溜放车辆闸瓦和气缸状态,以提高系统检测的准确率。以YOLOX算法为网络基本框架,设计搭建抱闸车辆目标检测模型;因车辆抱闸属于小概率事件,导致模型训练样本稀少,为此采用Mosaic和Mixup算法扩充数据集;结合抱闸车辆制动部件小目标运动特点,引入混合注意力机制和转置卷积方法进行特征增强,优化小目标检测能力。经现场试验验证,该系统满足驼峰溜放作业对实时性和可靠性的要求,有效提高复杂作业环境下抱闸车辆检测的准确性,以进一步保障编组站作业安全。