关键词： 图像处理   故障检测   红外热成像   支柱绝缘子   缺陷检测   相对温差法  

摘要： 为提升绝缘子维修效率和变电站运行的安全性,需要准确检测变电站支柱绝缘子缺陷,基于此,研究一种基于红外热成像的变电站支柱绝缘子缺陷自动检测方法。利用红外光学模块、红外探测模块等模块组成的红外热成像系统,依照斯蒂芬—玻尔兹曼定律采集变电站支柱绝缘子红外热图像;选取相对温差法确定变电站支柱绝缘子故障区域,并通过巴特沃斯带通滤波器对绝缘子红外热图像实施滤波处理,提升缺陷区域边缘显著性;针对所确定的缺陷区域,计算缺陷区域面积和缺陷区域质心,将两者作为缺陷特征输入神经网络内进行学习,输出缺陷类别。实验结果显示,该方法可准确检测变电站支柱绝缘子缺陷区域,缺陷识别精度达到96%以上。

关键词： LNG陆用装车臂   机器人运动学   机器视觉   目标检测   自动对接  

摘要： 针对装车臂对接依赖人工推动,操作困难,工作效率低等问题,设计研究一种基于机器视觉的LNG陆用装车臂自动对接系统,包括在划定停车区域内自动对接的目标检测定位及控制方法,实现无人状态下的智能对接。通过伺服电机位置环控制关节角度并记录旋转位置;基于几何投影法及装车臂结构特性简化运动学算法,提高计算效率,并通过D-H方法建立运动学模型,计算运动范围并对几何投影法验证;基于深度学习及图像处理算法实现目标检测;依据相机标定获得的相机内参、多点深度信息及目标检测结果,通过单目定位原理实现三维视觉,最终实现自动对接。对车辆停靠区域内的法兰进行试验,结果显示,系统对接成功率达99%,且相对手动对接时间缩短40%。装车臂自动对接系统可有效应用于LNG接收站的装卸车工作,对实现自动化对接有一定的参考价值。

关键词： 图像处理   人车检测   深层聚合   深度学习   注意力  

摘要： 在真实的交通场景中,车辆和行人检测器容易受到复杂背景的干扰,导致严重的误检和漏检。此外,由于交通场景图像中存在各种不同尺度的目标,大多数检测方法对小物体的检测性能较差,且难以适应交通物体的多样性。为了解决这些问题,提出了一种基于注意力和前景注意模块的无锚方法VHA-CenterNet。在主干网络中加入一个卷积块注意模块(CBAM),以提高对小目标的关注能力。在前景注意模块(FAM)中引入前景信息,以减少复杂背景的干扰。结果表明:在中等难度下,所提出的VHA⁃CenterNet方法在KITTI数据集上的mAP达71.92%,在RTX 2080 Ti上的推理速度为10.68 FPS,可以显著提高人车识别的准确率和速度。在所有情况下,交通场景的人车检测准确率都高于传统模型。

关键词： 计算机视觉   广播电视   故障判别   定位技术  

摘要： 随着计算机视觉技术的飞速发展,其在图像处理和视频分析方面展现出巨大潜力,为广播电视故障的自动化检测和精确定位提供了新的可能性。基于此,分析计算机视觉技术在广播电视故障判别和定位中的应用,探讨该技术如何基于图像识别和视频分析的能力来识别和定位常见故障类型,通过技术分析验证这些方法的有效性。

关键词： 机器视觉,工业机器人   过程控制   图像处理   定位抓取  

摘要： 回转式空气预热器是大型火电机组的核心设备之一,本文针对回转式空气预热器蓄热元件的组装生产效率问题,设计了一种整合机器视觉的回转式空气预热器蓄热元件全自动组装系统,从而提高了蓄热元件生产安装效率,显著降低了现场操作人员的劳动强度。该系统基于机器视觉技术,自动检测输送带上蓄热元件板的姿态参数,从而引导SCARA机器人完成蓄热元件板的动态飞抓和堆叠操作。本文使用图像标定和坐标变换法则统一了传送带与机器人坐标系,采用改进霍夫变换算法解决了凹凸波纹板的边缘检测问题,并通过生产现场运行实验证明了算法的有效性。

关键词： 昆虫   伪装   目标检测   深度学习   图像分割   深层梯度网络  

摘要： 【目的】昆虫常在色彩、纹理或形态上和背景相似,具有伪装性,识别难度大。本研究旨在探索基于深度学习的伪装昆虫前背景自动分割方法。【方法】将显著目标检测算法(salient object detection algorithm)、大模型图像分割算法(large-scale model-based image segmentation algorithm)以及伪装目标检测算法(camouflaged object detection algorithm)应用于伪装昆虫数据集,该数据集包括10类昆虫共1 900张图片;并进一步针对现有伪装目标检测算法的不足,提出了一种基于DGNet(deep-gradient network)的网络模型改进方法,即ZDNet(zoom-deep gradient network)。在构建该模型时,充分运用图像特征增强、交错图像金字塔、梯度诱导和跳跃式特征融合等技术。利用伪装目标检测公开数据集COD10K与CAMO构建了包含螽斯、蜘蛛等10个目昆虫的图像数据集,结合迁移学习进行网络训练,将经过训练的模型用于分割伪装昆虫。【结果】现有的伪装目标检测模型用于伪装昆虫前背景分割时,其分割性能明显优于显著目标检测模型和大模型分割图像。同时,ZDNet在性能上也明显优于现有的伪装目标检测算法,获得的S度量值、最大F度量值、平均F度量值、最大E度量值、平均E度量值和平均绝对误差(mean absolute error,MAE)分别为0.890, 0.865, 0.824, 0.966, 0.951和0.020。【结论】研究结果证明了ZDNet网络模型能够获得很好的伪装昆虫前背景分割结果,有利于提高昆虫识别的性能,也进一步拓宽了伪装目标检测方法的应用范围。

关键词： 目标定位   图像处理   深度学习   BP神经网络  

摘要： 为解决深度信息未知条件下的单目视觉机器人目标定位问题,文中基于相机的成像模型,提出一种基于三残差神经网络的三维坐标自解耦目标定位方法。首先,将YOLOv5s进行轻量化改进,实现目标的初步定位;然后,使用OpenCV提取目标的尺寸特征;接下来,根据相机的成像模型,将目标的尺寸特征与相机成像模型相融合,推导世界坐标系与像素坐标系和尺寸特征的函数关系;最后,采用残差网络避免梯度消失的优势,使用3个残差BP神经网络映射坐标转换函数,减小单个神经网络的工作量,获取目标的三维坐标信息。试验结果表明:该方法定位最大相对误差为0.747%。

关键词： 混凝土检测   目标检测   YOLOv5s   注意力机制   智能监管  

摘要： 为研发一种核心智能算法,以监管云平台系统,实现工程试验室检测过程的智能监管。以混凝土试块抗压试验为例,采用改进的YOLOv5s算法对试验室全程影像进行实时识别,确保混凝土试块全过程的无缝监控。通过建立YOLOv5s的混凝土试块目标检测模型,并在网络中添加SE通道注意力模块,该模型能够实时监测混凝土试块的位置和状态,应对实验室环境中的复杂情况,从而显著提升智能识别的准确性和鲁棒性。试验结果表明,改进的YOLOv5s算法在混凝土试块识别方面表现出色,各项性能指标得到显著提升。通过智能算法与云平台技术的结合,该研究为实验室检测活动提供了一种先进的监管解决方案,实现了检测全流程的智能监管。这一方法确保了检测结果的客观性和可靠性,为工程检测质量的智能监管提供了新途径。

关键词： 深度学习   红外遥感   目标检测   迁移学习   深度神经网络   单阶段检测模型  

摘要： 针对传统检测方法对红外小目标检测性能不足的问题,提出一种基于迁移学习与改进YOLOv4网络的红外小目标检测系统。首先,对YOLOv4网络主干网提取的浅层特征进行增强,并结合深层特征与浅层特征来缓解红外小目标难以检测的问题;其次,为YOLOv4网络的检测头模块增加注意力机制,使网络关注于特征图中的红外小目标,从而降低背景对小目标检测的干扰;最终,在YOLOv4网络的训练过程中加入迁移学习方法,从而解决红外小目标标注训练数据不足的问题。基于公开红外小目标检测数据集的实验结果表明,该系统有效提高了YOLOv4网络对红外小目标的检测性能,且优于其他的对比检测模型。

关键词： 人工智能技术   计算机视觉   领航者   北极星   炙手可热   突破口  

摘要： 这是一位站在人工智能技术最前沿的领航者,火热的领域同时也造就了炙手可热的她。但她的经历却和领域内很多顶尖的人才不一样。15岁才随父母进入美国的她需要同时面对异国的语言和极剧变化的家境。但她仍在父母的鼎力支持下找到了属于自己的“北极星”。随后,她开始和导师一同在人工智能技术遇冷的时期寻找未来的突破口。这本自传记录了她的经历和她所看见的世界,当然也同时见证了计算机视觉领域的飞跃。