关键词： 焊缝识别   图像处理   爬壁机器人   逐行扫描  

摘要： 爬壁机器人通过跟踪焊缝以完成对大型压力容器密封性的检测。压力容器上的焊缝主要存在直线型和T型两种焊缝,传统的焊缝识别方法在正常环境下可以准确地识别焊缝,但压力容器上的焊缝长时间暴露在空气中会产生许多干扰信息。针对原始焊缝图像存在腐蚀、锈斑等问题,导致传统方法难以准确识别,提出了一种基于逐行扫描的焊缝识别方法。在经过灰度拉伸变化、二值化、滤波及形态学处理等预处理的基础上,利用Canny算法结合修正技术进行边缘检测,采用逐行扫描获取中点的方法提取中心线,使得检测机器人能准确识别焊缝。通过爬壁机器人搭载相机对焊缝进行实时检测实验,实验结果表明该方法可帮助机器人稳定可靠地完成对大型压力容器上的焊缝识别。

关键词： 多目标跟踪   联合检测嵌入   一步式在线跟踪   数据关联  

摘要： 针对基于联合检测嵌入范式的多目标跟踪方法中,检测与re-ID任务间冲突导致系统性能劣化的问题,首先设计一种用于富集多层语义信息并能针对不同分支倾向重构特征图的网络,有效缓解检测与re-ID分支在优化中对特征信息需求的恶性竞争;其次采用一种强化的关联策略,该策略将检测信息更深入地引入到关联流程中,旨在为更多检测结果提供关联机会,同时抑制环境干扰在关联中带来的长期损害,有效降低关联过程中误关联和漏关联的发生.实验结果表明,所提出的方法相对于当前的先进方法展现了强大的潜力,在MOT17测试集上取得了75.7%MOTA、73.4%IDF1及60.0%HOTA的性能.

关键词： 目标跟踪   孪生网络   Transformer   多头交叉注意力机制   高鲁棒性  

摘要： 针对因目标物体形变、尺度变化、快速运动和遮挡等导致目标跟踪算法性能下降的问题,基于孪生网络架构提出了一种融合CNN与Transformer的高鲁棒性目标跟踪算法。在特征提取阶段,使用标准卷积提取浅层局部特征信息,在深层网络中设计了一种类卷积Transformer模块建模全局信息,并采用滑窗方式计算Transformer中的像素值,大大降低了计算量。在特征聚合阶段,采用多头交叉注意力模块构建特征增强与聚合网络,滤除干扰信息,突出与模板相关的信息以提高特征的判别性。与目前的主流算法相比,所提算法在OTB2015数据集上的形变、尺度变化、快速运动和遮挡4种不同挑战下的评估指标均为最优。在GOT-10K数据集上的平均重叠度为70.8%,相比TransT和SiamR-CNN算法分别提高3.7%和5.9%。在LaSOT、UAV123数据集上成功率分别为67.7%、71.9%,相比TransT和SiamR-CNN算法分别提高2.8%、2.8%和2.9%、7%。在VOT2018和VOT2019数据集上的鲁棒性评估结果,所提算法跟踪失败次数最少,鲁棒性指标得分分别为0.112和0.266,相比Ocean算法分别提高0.5%和5%,进一步验证了所提算法具有更高鲁棒性。

关键词： 计算机视觉   感官补偿   新媒体   人工智能   空间环境  

摘要： 此次研究旨在探索面向视觉感官补偿的新媒体平台与人工智能融合的方法,以提高视觉障碍患者的感官体验。研究使用计算机视觉图像处理技术对图像进行滤波降噪处理,然后使用特征提取技术提取出图像的特征信息,并设计了一个新媒体视觉感官补偿平台。实验数据显示,用户对该平台的满意度为95.3%,再使用意愿为96.1%。专家对新媒体视觉感官补偿平台的性能评价值约为92.1%,医用价值评分值约为93.2%。结果表明,新媒体视觉感官补偿平台与人工智能融合的方法可以有效地提高视觉障碍患者的感官体验,并且具有较高的稳定性和性能表现。该平台可以提供更加真实、沉浸式的视觉体验,为用户提供更加舒适的生活体验。

关键词： 计算机   视觉传达   纸张表面缺陷检测   系统研究  

摘要： 纸张表面缺陷会影响纸张的外观和质量,降低产品的质量。通过使用计算机视觉系统进行缺陷检测,可以及时发现并剔除有缺陷的纸张,确保产品的一致性和高质量。基于此,在介绍纸张缺陷检测技术的基础上,介绍检测数据集构建与预处理方法,分析计算机视觉传达纸张表面缺陷检测系统的设计,结合系统实现与性能评估方法进行探讨,推动纸张行业的发展和创新,实现更高级的自动化和智能化生产。

关键词： 计算传播学   计算机视觉   情绪传播   直播购物  

摘要： 以带货主播在直播时的视觉内容为研究对象,使用计算机视觉技术对主播的表情进行识别,并基于情感计算理论对表情进行量化和分析。经过实证研究发现,带货主播的表情会显著影响直播间的传播效果。研究结果揭示了在带货主播表情渲染下的情绪传播特点,也反映出流行现象背后社会关系结构的瓦解与重组,并且丰富了情绪传播这一中观理论在传播学中的研究范式,同时也对当下数字虚拟人、虚拟形象的发展可行性提出了合理建议。

关键词： 铁路接触网   异物识别   目标检测   人工智能平台   卷积注意力模块  

摘要： 针对铁路接触网异物类别多样、场景多变的开放目标检测问题,提出基于改进DINO目标检测算法的铁路接触网异物检测方法。首先,基于铁路接触网异物图像特征,利用EfficientNet网络替换原始模型中的Resnet主干网络,并结合卷积注意力模块(Convolutional Block Attention Module,CBAM)对EfficientNet网络进行改进,在颈部结构采用改进后的加权双向特征金字塔网络(Bidirectional Feature Pyramid Network,BiFPN),以增强模型对重要特征的关注度,提升检测性能;其次,通过马赛克数据增强和环境干扰等多种数据增强技术对输入图片数据进行处理,丰富样本数据的特征;最后,利用铁路人工智能平台实现铁路接触网异物检测的应用。结果表明:所提方法在性能方面表现优异,其平均精度均值可达89.87%,与YOLOv5,DETR和原始DINO这3种典型的目标检测算法相比,分别提高了6.40%,7.31%和5.75%。该方法能够满足行车线路上接触网异物的准确、快速及智能化识别要求,为接触网异物检测提供重要的技术支撑。

关键词： 传感器信息融合   多目标跟踪   融合策略   检测跟踪一体化   毫米波雷达  

摘要： 为提高雷达感知对抗领域的雷达光电目标感知能力,针对高分辨毫米波雷达与摄像融合目标跟踪算法进行研究。针对单传感器性能局限与现有雷达光电融合跟踪鲁棒性较弱的问题,提出一种高分辨毫米波雷达与摄像信息融合策略的目标跟踪算法。首先对毫米波雷达与摄像目标跟踪结果进行信息时空同步,然后在决策级层面采用自适应阈值匹配方法实现目标匹配,按设定的信息融合策略实现传感器信息优势互补。最后结合反馈机制,采用毫米波雷达和摄像检测跟踪一体化方法提高融合跟踪的鲁棒性。大量实测实验表明,所提算法跟踪准确率高于单传感器方案和经典雷视决策级融合方案,且对目标跟踪连续性、鲁棒性具有明显性能改善。

关键词： 机器视觉   包装缺陷检测   图像处理   深度学习  

摘要： 根据近年文献资料,介绍了机器视觉技术在食品瓶罐包装缺陷检测上的应用和发展,概述瓶罐包装缺陷检测系统的硬件结构和检测流程;梳理并分析基于图像处理技术和基于深度学习方法在食品瓶罐包装缺陷检测领域取得的研究成果,探讨分类网络模型和目标检测网络模型两种技术在该领域的优势和不足,并对未来的发展进行了展望,为智能瓶罐包装检测的创新和发展提供参考。

关键词： 卷积神经网络   目标检测   特征点定位   下肢力线  

摘要： 提出一种基于卷积神经网络的X线片下肢关节角度识别算法,首先在X线片中使用Yolov5目标检测模型来识别特定类别的感兴趣区域,并使用U-Net模型进行热图回归来识别关键特征点,最后进行下肢关节角度的计算。研究结果表明,本文提出的算法相比于之前的算法精度更高,结果准确可靠,为临床研究和实践提供参考。