关键词： 激光技术   图像处理   DR图像缺陷检测   YOLOv8   SimAM模块   WIoU损失函数  

摘要： 针对当前目标检测算法在铝合金焊缝数字射线成像(DR)图像缺陷检测中精度不足的问题,提出了一种基于YOLOv8的改进模型Sim-YOLOv8。首先改进C2f,通过增加SimAM模块提升模型的整体性能;其次,针对部分像素较小的气孔和夹渣缺陷,将首层卷积模块更换为Focus模块,以提升模型对小目标的检测能力;最后添加WIoU损失函数,以提高模型锚框的质量,从而提高检测效果。实验结果表明:在阈值为0.5的前提下,Sim-YOLOv8模型对气孔、夹杂、未焊透这三类缺陷检测的平均精度(mAP@0.5)达到了93.6%、94.4%、97.3%,较原模型分别提高了2.5、1.9和1.7个百分点,具有更好的焊缝缺陷检测效果。

关键词： 图像处理   红外运动模糊图像复原   运动成像特征   非局部稀疏先验  

摘要： 为了实现红外运动模糊图像复原,采用了基于红外图像的非局部稀疏先验约束建模方法。通过分析红外运动模糊成像特征,在盲反卷积框架下,提出了一种基于运动信息的图像非局部稀疏先验约束建模方法,通过计算图像的运动模糊核,进而复原运动模糊图像。结果表明,所提出的基于运动信息的图像非局部稀疏先验约束方法,针对性强,能有效地复原运动幅值较大的红外运动模糊图像;概率模糊检测、结构相似度和峰值信噪比均有不同程度的提高,尤其是峰值信噪比提高接近8%,且运动幅值越大,复原结果越明显。本研究为红外成像系统的应用打下了基础。

关键词： 异常用能检测   半监督学习   多通道特征拼接  

摘要： 研究有效学习含噪声标签数据集中异常用能行为特征的检测方法,对降低非技术性损失以保障电网经济与安全运行至关重要。针对异常用能检测问题,提出一种基于半监督目标检测的异常用能检测模型,该模型利用多通道特征拼接检测网络,提高了检测准确性,同时结合半监督学习方法,有效缓解了标签数据不足的问题,为异常用能检测提供了创新的技术路线。

关键词： 无人机   目标跟踪   孪生网络   Ghost卷积   注意力模块  

摘要： 为了应对非合作无人机带来的安全隐患问题,对其实现有效监管,提出了一种基于改进孪生网络的无人机目标跟踪算法。首先,对全卷积孪生网络的结构进行改进,在网络结构中添加了Ghost卷积和集成卷积注意力模型;然后,利用构建的无人机数据集对改进网络算法与3种传统目标跟踪算法SiamFC、DeepSORT和FlowTrack进行训练和验证;最后,将4种算法进行对比分析,结果表明:该算法精确度达到91.4%,成功率69.6%,性能优于其他3种算法,能够有效跟踪无人机目标。

关键词： 多媒体智能   三维图像处理   图像采集   图像预处理  

摘要： 提出了一种基于多媒体智能三维图像处理系统的设计与实现方法。该系统结合图像采集、预处理、智能分析和应用展示等关键技术,实现对三维图像数据的高效处理和应用。实验结果表明,该系统具有良好的性能和稳定性,为三维图像处理领域的进一步研究和应用提供了有效的技术支持。

关键词： 边缘计算   视频监控   目标检测   目标跟踪  

摘要： 本研究旨在探讨边缘计算环境下智能视频监控系统的设计与实现。首先,介绍了智能视频监控系统的基本结构,包括摄像头、边缘节点和互联网等。其次,分析了边缘节点中的图像采集、目标检测和目标跟踪三大功能模块的设计与优化。最后,采用DukeMTMC数据集对系统进行实验验证,测试了模型在测试集上的准确率、召回率和精确率等指标。实验结果表明,所提出的系统在边缘计算环境下具有良好的性能和效果,能够有效地识别和跟踪目标。

关键词： 安全生产   安全帽佩戴状态检测   目标检测   注意力机制   特征金字塔  

摘要： 为缓解安全生产视频监控场景下物体尺寸小、背景复杂、遮挡容易导致的安全帽佩戴状态漏检、误检、定位不准等问题,提出1种基于注意力机制的2阶段高精度安全帽佩戴状态检测模型。提出双向多层连接融合的特征金字塔网络,并设计基于编解码的空间注意力机制去除冗余特征,提升小尺寸目标的召回率;采用多尺度卷积提取候选区域多层上下文特征,并利用注意力机制对不同层级、不同尺度的上下文特征进行显式加权,进而提高模型在复杂背景下的鲁棒性;解耦候选区域分类和定位网络,分别引入通道注意力和空间注意力提升模型分类和定位精度。研究结果表明:基于注意力机制的安全帽佩戴状态检测模型整体上优于当前相对主流的高精度检测框架,如YOLOv3、SSD、RetinaNet、Faster R-CNN、TridentNet模型。研究结果可有效缓解安全生产视频监控场景下安全帽佩戴状态的漏检、误检和定位不准等问题。

关键词： 深度学习   刑侦图像处理   人脸识别   物体检测   行为分析  

摘要： 深度学习技术在刑侦图像处理中的应用展示了显著的成果,尤其在人脸识别、物体检测和行为分析等领域。通过模拟人类视觉系统的工作方式,深度学习技术能够有效处理复杂图像,从而提取犯罪现场的图像数据及相关信息中的线索和证据,已在全国范围内涌现出多个成功案例。然而,模型的鲁棒性、数据隐私保护、算法公平性以及实时性等问题仍然是深度学习技术面临的主要挑战。尽管如此,深度学习技术凭借其强大的数据处理能力和精准的分析能力,显著提升了刑侦图像处理的效率和准确性,为未来的研究和实际应用提供了广阔的发展空间。

关键词： 樽海鞘群算法   船舶雷达   航迹预测   无损卡尔曼滤波   目标跟踪  

摘要： 用传统船舶雷达对海上单个快速移动目标、多个移动轨迹目标进行探测、跟踪时,存在发现概率低、预测精度差和跟踪难度大等问题,通过配置多个船舶无源雷达进行实时探测,并对接收信息进行有效融合可以显著提升航迹预测的精度。通过对多船舶无源雷达进行建模,利用樽海鞘群算法(SSA)对多船舶航迹状态进行预测,并在寻优中采用UKF对参数估计过程进行适时干预,降低估计值实为局部最优值的概率。通过仿真实验表明,该算法能够有效完成对海上多个移动目标的航迹预测,且参数估计的精度更高。

关键词： 计算机视觉技术   汽车   辅助驾驶  

摘要： 随着科技的飞速发展,计算机视觉技术在汽车行业中得到广泛应用,逐渐成为提升驾驶安全性的关键技术之一。特别是在安全辅助驾驶系统的构建中,基于计算机视觉技术的汽车安全辅助驾驶技术可实现对车辆周边环境信息的实时捕获与精确解析,为驾驶员提供科学且高效的决策支持。该文对计算机视觉技术及汽车安全辅助驾驶技术进行相关概述,分析基于计算机视觉技术的汽车安全辅助驾驶核心技术,对基于计算机视觉技术的汽车安全辅助驾驶技术应用实例进行探讨,为实现更高级别的自动驾驶技术奠定坚实的基础。