关键词： GrabCut算子   分水岭算法   高斯混合模型   计算机视觉   Canny边缘检测  

摘要： 无人机影像裂缝提取是近年来研究的热点问题之一。针对无人机影像强边缘信息干扰问题,本文提出了一种基于GrabCut算子的裂缝识别方法。该方法首先运用GrabCut算子提取保留裂缝的前景路面,然后运用去噪、边缘检测和双阈值轮廓识别方法探测路面裂缝。这种裂缝识别方法较好地排除了大量伪边缘信息和次生噪声干扰,实现了高分辨率无人机影像裂缝自动识别。试验结果表明,基于GrabCut算子的路面提取方法优于颜色特征提取算法和分水岭算法,适用于复杂场景路面提取,具有较高的普适性;同时,该方法可以快速获取裂缝信息,检测尺度可以人为控制,易于实现多尺度裂缝信息识别。研究结果可应用于路面裂缝定位识别、线性路面设施检测及路面灾害性评估等领域。

关键词： 人工智能   医学教育   外科领域   机器学习   自然语言处理   人工神经网络   计算机视觉  

摘要： 在高等教育中,人工智能和虚拟现实等前沿教育技术被广泛应用于开发虚拟学习资源。因此,人工智能(artificial intelligence,AI)在临床实践中的应用被认为是医学教育中一个很有前景的扩展领域。AI能够基于学习者的表现数据和个性化需求,定制教育路径和提供精准的学习建议。这种个性化的支持不仅增强了教育效果,还可以帮助医师快速地掌握复杂的临床技能和决策能力。AI的4个关键组成部分是机器学习、自然语言处理、人工神经网络和视觉处理,每个部分都在外科学教育中具有潜在的应用前景。在一个医患关系紧张、医学生源相对饱和及手术机会减少的时代,AI还能够分析大量的临床数据,预测患者的康复路径和可能的并发症,为医疗团队提供决策支持。通过优化资源利用和流程管理,AI还有助于降低医疗成本,提供更经济高效的医疗护理服务。文章阐述了目前AI技术的应用及其在促进外科学教育方面的前景。

关键词： 农产品品质   无损检测   声学   光谱学   计算机视觉   生物传感器  

摘要： 农产品品质检测是确保农产品质量安全的重要保障。用于检测农产品品质的常规方法是费力、耗时、繁琐并且具有破坏性的。农产品品质无损检测方法的广泛研究和应用,改善了常规评估技术的局限性,可以在不破坏样品的情况下获得定量和定性数据。农产品品质无损检测方法发展非常迅速,其中包括基于声学特性、基于光谱学特性、基于计算机视觉和基于生物传感器的检测技术,全文讨论和总结了农产品品质无损检测的典型技术,阐述了这些技术的最新进展,并阐明了使用无损检测方法评估农产品品质的未来趋势。

关键词： 目标检测   深度学习   嵌入式设备   轻量级网络   RepYOLO   小麦穗  

摘要： 提出了一种轻量级深度学习网络模型RepYOLO算法,并将其移植到嵌入式设备MCU/MPU中。该网络模型RepYOLO以YOLOv4为基础网络模型,通过改进YOLOv4的主干网络CSPDarkNet为RepBlock结构、在Neck层中引入CBAM注意力机制以及在Head层替换anchor-based检测头为anchor-free检测头并加入ATSS算法减小计算量、提高推理速度和检测精度。结果表明,与原YOLOv4模型相比,网络模型RepYOLO在小麦穗检测上表现出更显著的优势,其精度率、召回率、F1值和平均精度均值分别提高了4.7、3.6、1.5、1.7个百分点;此外,RepYOLO在嵌入式设备MCU/MPU上的推理时间分别降低了37.03%和41.44%。

关键词： YOLOv8   小目标检测   下采样机制   注意力机制  

摘要： 为了解决原YOLOv8在交通道路场景中易出现小目标的误检和漏检的问题,提出了一种改进YOLOv8网络模型的检测方法。首先,使用下采样机制(ADown)替代主干中的传统卷积,扩大模型的感受野。其次,引入CBAM注意力机制,降低了小目标的漏检率。最后,添加一个检测头,提升小目标的检测精度。实验表明,改进算法在KITTI数据集上的召回率R、mAP@0.5和mAP@0.95分别提升0.1%、1.7%和3.1%,同时参数量下降11%,对于小目标检测效果的各项指标均有提升,证明了改进算法在道路小目标检测的有效性。

关键词： 计算机视觉   扇贝分级系统   设计方法  

摘要： 为了实现扇贝自动化分级,研究过程以计算机视觉技术为基础,设计出相应的分级系统。将扇贝的颜色和轮廓特征作为分级依据,运用RGB颜色模式采集单通道色彩信息,先后经过图像滤波处理和二值化处理,再进行边缘检测和扇贝测量,根据等效圆直径大小完成分级。运用计算机视觉库OpenCV实现此次设计的视觉识别算法,对20个扇贝进行分级试验,结果显示,与人工实测相比,计算机视觉分级系统的准确率达到95%,显示出良好的实用价值。

关键词： 目标跟踪   孪生网络   特征提取   特征融合   注意力机制  

摘要： 提出一种基于注意力机制的特征融合孪生网络目标跟踪算法。针对目标跟踪算法特征提取网络深度较浅导致特征鲁棒性不足的问题,使用改进后的ResNet-50网络提取模板帧和搜索帧图像的深层和浅层特征,并利用通道和空间注意力机制对提取得到的深浅层特征进行融合。针对目标跟踪算法仅使用首帧图像作为模板导致模板失效、跟踪漂移等问题,在传统孪生网络中增加一条模板分支以将首帧和搜索帧前一帧图像共同作为目标模板。与传统经典的跟踪方法相比,提出的算法在OTB100和VOT2016数据集的相关实验获得了最佳的性能表现,验证了提出算法的有效性和可行性。

关键词： WSN机动目标跟踪   BP神经网络   鱼鹰优化算法   扩展卡尔曼滤波   RSSI测距   滤波跟踪  

摘要： 针对扩展卡尔曼滤波(EKF)在机动目标跟踪中传感器对机动目标进行测距时存在的噪声问题,提出了一种基于改进RSSI测距的WSN机动目标跟踪算法。首先,利用鱼鹰优化算法迭代寻优适合BP神经网络的权值和阈值;其次,将传感器的接收信号强度值作为神经网络的输入值,距离作为输出值对神经网络进行训练;最后,利用扩展卡尔曼滤波算法进行定位跟踪,利用匀速圆周运动模型(CM)进行滤波跟踪。使用EKF算法和RSSI算法与文中算法进行比较,以均方根误差为评价指标。经过仿真实验对比表明,所提算法相较于上述算法均方根误差分别降低了21%和56%。

关键词： 图像处理   图像识别   茶叶   嫩芽   Yolov5s-segment   轮廓提取   采摘点定位  

摘要： 为了解决野外大场景下茶叶嫩芽识别与采摘点精确定位问题,提出了一种基于实例分割的Yolov5s-segment改进算法。该算法首先引入P2微小目标检测层,解决原始Yolov5s-segment网络P3、P4、P5检测层对于小目标检测能力不佳的问题。其次,在主干网络末端增加CBAM(convolutional block attention module)注意力机制模块,提升模型的抗干扰能力,实现野外自然光照环境下茶叶嫩芽轮廓特征提取。最后,根据嫩芽轮廓特征进行采摘点精确定位。研究结果表明,相较于原始Yolov5s-segment模型,改进模型的精确度、召回率、F1分数、平均精度均值mAP50和mAP50-95分别提升了7.0、8.9、8.1、8.3、7.3个百分点。使用该方法可以准确提取大场景下的单芽、一芽一叶、一芽两叶三种类型茶叶嫩芽轮廓,并且实现采摘点的精确定位。研究结果为名优茶智能化快速采摘提供了一定的理论基础。

关键词： 目标检测   注意力机制   无锚框   多尺度特征融合   CenterNet  

摘要： 针对无锚框目标检测算法CenterNet中特征利用不充分且检测精度不足的问题,提出一种基于双角度多尺度特征融合的改进算法。首先,通过使用Res2Net网络替换主干网络,使网络从更细粒度的角度提高网络的多尺度表达能力。其次,使用重复加权双向特征金字塔网络从层级角度提升多尺度加权特征的融合能力。最后,加入坐标注意力机制,在避免增加计算资源消耗的前提下增强感受野,将坐标信息嵌入通道注意力中以提升模型对目标的定位提高模型的检测精度。实验结果表明:改进算法在PASCAL VOC数据集和KITTI数据集检测准确率分别达到了82.3%和87.8%,与原CenterNet算法相比精度分别提升5.5%和2.4%。