关键词： DDPG   无人船   运动控制   运动目标追踪  

摘要： 为了实现无人船在复杂海况上对目标的追踪,使用DDPG(Deep Deterministic Policy Gradient)算法对无人船进行运动控制,使无人船完成对运动目标的快速追踪。在Simulink中使用Nomoto模型对无人船的运动模型进行建模。针对无人船的运动具有大迟滞性的特点对无人船的状态量进行重构,使无人船智能体可以通过重构的状态空间观测到状态量的高阶差分量。为无人船对运动目标追踪的任务设置了不易陷入局部最优解的奖励函数,最终强化学习智能体通过与环境的交互学会了有效地控制无人船对运动目标进行追踪,验证了算法的有效性。

关键词： 显著性目标检测   特征融合   毫米波雷达   雷达点云转换   动态互补注意力机制  

摘要： 为了解决单传感器在复杂环境下目标检测精度低问题,提出了一种基于RD-YOLO的毫米波雷达和视觉融合的显著性目标检测方法。首先设计了能够将毫米波雷达点云转换为图像的方法,使毫米波雷达和视觉数据在模型输入时实现特征融合;然后通过动态互补注意力机制,对两个图像分支生成特征设置空间和通道动态注意力权重;最后采用YOLOv8检测融合后特征,引入改进损失函数Focal Loss以解决样本不均衡问题。在数据集nuScenes上开展的相关实验表明,与YOLOv5、YOLOv7、YOLOv8、Faster R-CNN和FCOS相比,所提方法目标检测综合性能良好,均值平均精度比原始YOLOv8提升了9.19%。

关键词： 采掘工作面   小目标检测   YOLOv8n   安全防护装备检测   多尺度目标识别  

摘要： 为有效检测和识别煤矿井下采掘工作面人员是否佩戴安全防护装置,针对井下光照条件差、安全防护装备目标尺寸小且颜色与背景相似等情况,提出了一种基于改进YOLOv8n的采掘工作面小目标检测方法。在YOLOv8n骨干网络C2f模块中融合动态蛇形卷积(DSConv),构建C2f−DSConv模块,以提高模型提取多尺度特征的能力;在Neck层引入极化自注意力(PSA)机制,以减少信息损失,提高特征表达能力;在Head层增设1个专门针对小目标的检测头,形成4检测头结构,以扩大模型检测范围。实验结果表明,改进YOLOv8n模型对井下人员及其所佩戴安全帽、矿灯、口罩、自救器检测的平均精度分别为98.3%,95.8%,89.9%,87.2%,90.8%,平均精度均值为92.4%,优于Faster R−CNN,YOLOv5s,YOLOv7,YOLOv8n模型,且检测速度达208帧/s,满足煤矿井下目标检测精度和实时性要求。

关键词： 计算机视觉   智能照明   照明系统  

摘要： 计算机视觉技术的引入增强了智能照明系统的自动调节能力,使之能够根据环境变化和人员行为自动优化照明设置,从而达到更高的能效和更好的用户体验。本文将基于计算机视觉对智能照明控制系统的设计与开发展开全面、系统的探讨,以期为智能照明技术的进一步优化和实际应用提供理论基础和技术支持。

关键词： 车牌识别   BP神经网络   图像处理   GUI界面  

摘要： 车牌识别系统在我国智慧交通系统中起着重要作用。为解决识别不精准、易受环境影响等问题,本文设计一种基于BP神经网络的智慧车牌识别系统,该系统主要包含车牌图像预处理模块、BP神经网络模块和GUI用户界面模块。通过MATLAB仿真,得出该系统可以在较为复杂的环境中识别车牌,并实现了在可视化用户界面进行数字图像的可视化操作。

关键词： 图像处理   板喂机控制   数据采集   监控镜头   破碎机电流  

摘要： 本文介绍了一种对破碎机工作效率进行优化的方法。具体来说,我们在石灰石卸料坑的上方安装了摄像头,用于监控石灰石的粒度情况。当有超规格的石块进入卸料坑时,我们可以通过提前预警的方式通知下游的板喂机,以便其能够提前调整速度和进行预判,从而避免破碎机因为过大的石块而出现卡顿等问题,提高其工作效率。这种方法可以有效地减少生产过程中的停机时间和维护成本,提高生产效率和产品质量。

关键词： GE-YOLO   实时目标检测   异常区域   消化内镜   YOLOv7-tiny  

摘要： 消化内镜是临床常用的消化道检查手段,在消化道疾病的早期诊断和治疗中具有重要作用。但常规内镜检查需要由专业医生操作并实时观察视频以确定病灶点,极度依赖医生经验,主观性强且容易造成漏检和误检。本研究提出了一种基于改进YOLOv7-tiny的消化内镜下异常区域实时检测方法:GE-YOLO。该方法以YOLOv7-tiny为基础框架,使用两种不同的特征提取模块(C3模块和P-ELAN模块)构建骨干特征提取网络,提高网络的特征提取能力;使用坐标卷积(CoordConv)取代上采样中的普通卷积,进一步提高模型对病灶的定位精度;使用部分卷积(PConv)取代特征提取模块中的3×3普通卷积,在保证模型性能的同时减少了模型的计算量和参数量,提升了模型的检测速度;最后使用基于IoU与归一化Wasserstein距离的联合损失函数,提升模型对微小病灶的敏感度。该模型利用Kvasir-Capsule数据集中含标记的图像(共4172张)进行了训练和测试,其平均精确率、召回率和F1得分分别达到了94.2%、97.2%和0.957,检测速度为60帧/s,与YOLOv7-tiny相比,精确率、召回率和F1得分分别提升了2.8%、12.0%和0.075。实验结果表明,本研究提出的方法能实现高精度的消化道病灶实时检测,有望部署于临床内镜检查设备,在检查过程中为医生提供实时辅助,从而大大提高内镜检查效率,具有重要的学术价值和临床意义。

关键词： 深度学习图像重建算法   图像处理   计算机断层扫描   主动脉  

摘要： 目的探讨70 kVp联合深度学习图像重建(DLIR)算法在低辐射剂量低对比剂用量的情况下对胸主动脉血管内修复术(TEVAR)后主动脉CT血管成像(CTA)图像质量的影响。方法前瞻性纳入65例TEVAR术后需接受主动脉CTA扫描的患者,随机分为两组。常规剂量组(A组)接受100 kVp管电压和60 mL对比剂扫描,低剂量组(B组)接受“双低”方案:管电压70 kVp,对比剂用量为0.5 mL·kg^(-1)。A组图像采用50%多模型迭代重建算法(ASIR-V)重建,B组图像分别采用滤波反投影(FBP)算法(B1亚组)、50%ASIR-V(B2亚组)、90%ASIR-V(B3亚组)及DLIR-H算法(B4亚组)重建。测量并比较各组主动脉CT值、图像噪声、对比噪声比(CNR)及品质因数(FOM)。采用5分制对图像噪声、血管锐利度和整体图像质量进行评估。结果B4亚组噪声最低,较A组降低约23.49%(P<0.001)。A组、B4亚组主动脉各感兴趣区(ROI)CT值、CNR值及图像主观评分差异无统计学意义(P>0.05);B4亚组FOM值大于A组(P<0.001)。与A组比较,B组辐射剂量降低约52.38%(P<0.001),对比剂用量和注射流率分别降低约39%和33.6%(P<0.001)。结论采用70 kVp结合DLIR算法在TEVAR术后主动脉CTA扫描中可获得与常规剂量相当的图像质量,且辐射剂量和对比剂用量大幅度降低。

关键词： 接触网绝缘子   YOLOX   目标检测   缺陷检测   注意力机制   损失函数  

摘要： 针对接触网绝缘子缺陷检测,提出了一种改进YOLOX-S的接触网绝缘子缺陷检测算法。在Backbone网络CSPNet结构中的残差模块部分引入CA模块,使神经网络能够将位置信息融入通道特征进行注意力调节;为减小正负样本不平衡带来的误差,置信度预测损失采用Focal Loss;同时,将EIoU Loss作为边界框的回归损失,使损失函数对真实框和预测框更加敏感,提升算法的检测精度。实验结果表明,改进的算法在接触网绝缘子缺陷数据集上mAP值达到90.88%,相比YOLOX-S提升了7.47%,证明了所提算法的真实有效性。

关键词： 燃煤锅炉   燃烧辐射能   在线监测   三维温度分布   图像处理  

摘要： 针对燃煤锅炉炉内燃烧监测采用锅炉蒸汽侧热量信号所固有的延迟问题,结合炉内燃烧辐射能信号可以及时反映炉内燃烧负荷变化的特性,提出基于辐射图像处理与光谱分析技术的炉内燃烧辐射能在线监测系统。通过火焰图像探测器获取炉内辐射图像,结合光谱仪对炉内辐射图像进行在线标定,使用炉内燃烧温度分布及辐射能信号在线监测软件实时捕捉炉内燃烧热辐射图像,获得炉内燃烧温度分布以及辐射能信号。通过在一台330MW火电机组燃煤锅炉上进行在线监测应用,并与机组实发功率进行对比分析,结果表明:在稳定工况和变负荷工况下,该系统获得的炉内燃烧辐射能信号均可及时反映炉内燃烧负荷的变化。