关键词： 无人机   OpenMV   目标识别   自动伴飞  

摘要： 无人机在众多领域展现出巨大的应用潜力,其中作为关键技术之一,目标跟踪对于提升无人机自主作业能力至关重要。文章介绍一种无人机目标识别与跟踪系统。该系统基于OpenMV平台,利用阈值分割的图像处理算法,确保目标识别的高精度与鲁棒性。通过分析图像中特定色块的位置,计算相对于图像中心的偏移量,进而确定目标运动轨迹。所获取的偏移信息被实时传输至无人机控制系统,无人机通过PID控制器调节,自动调整飞行路径,对目标实施紧密跟踪。在实现过程中,通过优化算法参数和进行大量实验测试,确保系统的稳定、可靠运行。实验结果表明,该系统能准确识别目标色块,并实现对目标的稳定伴飞,为无人机在目标跟踪、智能监控等领域的应用提供有力支持。

关键词： 计算机视觉   槟榔核中心检测   canny边缘检测   形态学运算  

摘要： 在槟榔的自动化加工工艺中去核与点卤是非常重要的环节,为提高生产效率,需要准确检测出槟榔核中心的位置,才能高效地实现槟榔的去核与点卤。针对目前槟榔自动化生产过程中槟榔内轮廓检测效率不高、检测结果适用性差等问题,提出了一种基于计算机视觉技术的槟榔核中心自动化检测方法。采集到的槟榔图片经过预处理后,采用自适应阈值分割的方法获取槟榔的前景信息并检测槟榔的边缘信息,在此基础上根据槟榔椭圆形状的代数描述计算出槟榔核中心位置坐标。结果表明,该方法可以精确检测出不同背景下多种形貌的槟榔核中心位置,在摆盘的槟榔图片中,槟榔核中心位置的检出率为100%,平均检测时间为0.39 ms,检测效果良好。

关键词： 中药显微鉴别   架构设计   目标检测算法   深度学习  

摘要： 中药显微鉴别的传统方法以人工观察为主,过于依赖专家经验,具有时间长、成本高和容易造成误差的特点。文章集成人工智能技术的系统架构,引入现有数据增强方法和目标检测算法,设计了中药自动显微鉴别系统。该系统引入了YOLOv8模型,基于分层架构技术进行设计。结果显示,中药自动显微鉴别系统能够自动、低成本、快速和准确地鉴别中药材。

关键词： 目标检测   YOLOv5   图像识别   ResNet   注意力机制  

摘要： 行人检测与识别技术在交通管理、智能监控等领域具有重要的应用价值。针对现有行人检测与识别存在的检测精度低、识别困难等问题,提出了一种融合SE注意力模块的YOLOv5算法和ResNet50网络的行人检测与识别系统。在Backbone网络中引入SE注意力模块,以捕获更加丰富的特征信息,从而提升模型的检测精度;采用ResNet50网络对裁剪图片进行识别检索。实验结果表明,该算法的检测精度较高,能够识别复杂场景下的行人,基本满足不同场景下的行人检测与识别要求。

关键词： 多目标跟踪   轨迹置信度   数据关联   椭圆门限   目标运动模型  

摘要： 近年来,3D激光雷达作为一种高精度传感器,提升了城市交通的治理水平。然而城市交通场景复杂,目标众多且运动轨迹相互交叉,传统的多目标跟踪方法难以生成准确的交通目标运动轨迹。本文针对城市路口复杂场景交通目标实时跟踪问题,设计了一种基于多层级结构的多目标跟踪(multi-level object tracking, MLOT)算法框架,结合基于椭圆门限的多维特征数据关联以及针对预测结果的自适应初值滤波等方法。通过对路侧感知数据集进行实验,结果表明,本文的算法明显优于初始的跟踪算法,能够增强复杂交通场景中目标跟踪关联的准确性和鲁棒性,提高感知跟踪的准确率,具备一定的工程推广价值。

关键词： 急救包   手势识别   Leap Motion   计算机视觉   手势库   卷积神经网络  

摘要： 急救包作为医疗器械生产领域的通用产品之一,具有品种多、用途广、需求量激增的特点。针对急救包生产过程中手工折叠劳动负荷大、品质波动明显、生产效率低、操作标准缺乏等技术问题,分析各类急救器械和辅料码放工艺特征,并映射为折叠手势的技术工序组合。创新点包括:引入Leap Motion双目计算机视觉技术,构建双手空间模型和手势模型;采用卷积神经网络(CNN)建立手势关键点识别模型,形成急救包折叠手势的有序集合。采用图形数据库技术,设计存储各型号急救包的折叠手势库。通过某型号急救包生产案例,验证了设计的可行性。所设计的急救包折叠手势可转化为指挥机器人折叠操作的指令集合,实现急救包生产领域机器换人的智能制造模式。

关键词： 无人机遥感图像   深度神经网络   注意力机制   微小目标检测  

摘要： 无人机(Unmanned Aerial Vehicle,UAV)遥感图像具有成像距离远、分辨率高和目标密集等特点。本文旨在开发一种基于深度神经网络和注意力机制的学习模型,以改善无人机遥感视角下微小目标检测的性能。本研究改进了YOLOv5,并提出了一种名为YOLOv5-SATC的新无人机遥感图像微小目标检测算法。实验结果表明,该算法在NWPU数据集上优于其他主流目标检测方法。

关键词： 计算机视觉技术   网络视频编辑   图像分割  

摘要： 本文探讨了计算机视觉技术在网络视频编辑中的应用,涵盖目标检测与跟踪、图像分割与背景替换、动作识别与行为分析、图像增强与修复、视频摘要和关键帧提取等方面。通过分析各类技术的实现方法及其在视频编辑中的具体应用,本文展示了计算机视觉技术在提高视频编辑效率和质量方面的巨大潜力,为未来研究和应用提供了方向。

关键词： 目标检测   YOLOv9模型   深度学习   数据集  

摘要： 智慧实训室检测系统是一种利用计算机视觉和人工智能技术进行智能化监控和管理的系统。该系统基于YOLOv9目标检测算法和PyQt5图形用户界面库,实现对实训室中的设备、人员和特定区域等目标进行实时监测和识别,并提供相应的报警和管理功能;通过自定义数据集的构建和多种数据增强技术,进一步提升模型的泛化能力和适应性。实验结果表明,该系统在复杂多变的实验室环境中表现出色,具有良好的应用前景。

关键词： 套管接箍   YOLOv5   目标检测   油气井检测  

摘要： 针对目前在可视化测井领域,利用人工对测井视频中的接箍进行识别校深时存在的检测效率低下、检测误差高的问题,提出一种基于YOLOv5算法的接箍智能检测方法。首先对井下的接箍图像进行采集,在缺乏公开数据集的情况下,通过数据增强的方法制作接箍数据集,再对增强后的数据集使用labelimg工具进行数据标注,然后将标注好的数据集送入YOLOv5网络中进行训练,最后使用训练好的最佳权重进行接箍识别并计数。测试结果表明,该方法能实现对当前测井视频中接箍的准确识别,接箍计数的正确率为100%,并且检测效率高,平均每帧检测时间为15 ms。