关键词： 自动售货机   计算机视觉   零售行业   用户满意度   购物中心   自助   公共场所   交通枢纽  

摘要： 在全球零售行业迅速发展的背景下,因自助售货机能够提供24 h无人售卖服务,且不受时间和地点的限制,而被广泛投放在交通枢纽、医院、学校和购物中心等公共场所。然而,现有的自助售货机在补货过程过度依赖于人工操作,不仅耗时而且容易出错,直接影响了运营成本和用户满意度,制约了其进一步的发展。随着技术的发展,计算机视觉AI技术的引入为自助售货机行业带来了新的发展机遇。

关键词： 变电站   无人机   自动巡检   动态目标  

摘要： 利用无人机对变电站的动态目标进行跟踪是实现变电站无人机巡检的重要技术了。本文将变电站内的动态目标分为可控对象与不可控对象两种,对其制定相应的描述模型,随后提出相应的关键点识别技术,结合数据融合的识别方法,提高其对环境的适应度,使其保持较好的识别精准度,并制定相应规避手段,具有良好的实用价值。

关键词： 电磁式指示仪表   机器视觉   图像处理   人工智能   智能校验  

摘要： 文章针对电磁式指示仪表校验中存在的效率低、精度不足等问题,提出一种基于机器视觉的电磁式指示仪表校验新方法。该方法利用高分辨率相机采集仪表指针图像,通过图像预处理、指针识别与定位等步骤,实现指针读数的自动识别。同时,引入人工智能算法对识别结果进行优化,提高校验精度。通过搭建实验平台,对不同型号的电磁式指示仪表进行测试,结果表明该方法能够有效提升校验效率和精度,为电磁式指示仪表的智能化校验提供了新的思路。

关键词： 镜片缺陷   目标检测   注意力机制   特征融合  

摘要： 针对曲面光学镜片表面缺陷检测精度不高的问题,提出一种基于改进YOLOv5s的曲面光学镜片缺陷检测方法。首先,设计镜片表面缺陷采集装置,并对采集到的缺陷图片进行数据增强以制作镜片缺陷数据集。其次,为了增强YOLOv5s网络对通道信息的利用,在特征提取网络引入SE注意力机制,使网络能够更加准确地提取信息;并在主干网络最后一个C3模块融入Transformer,帮助网络更好地提取全局信息,提高检测效率。最后,考虑到小目标特征信息容易丢失的问题,将主干网络160×160像素的特征层加入颈部的特征融合中,增加网络对浅层信息的利用。改进的YOLOv5s目标检测算法的均值平均精度(mean average precision,mAP)和召回率(recall,R)分别为93.9%和91.6%,比原网络算法分别提高了3.2%和3.4%,表明改进YOLOv5s算法可以有效检测出镜片表面缺陷。

关键词： 人工智能技术   文字识别   交叉学科   智能感知   计算机视觉   图像处理   食品分类   学习兴趣  

摘要： 人工智能是一门交叉学科,很多知识比较抽象枯燥,如何让初中生更好地理解人工智能领域的基础理论知识,培养其学习兴趣?有研究者提出了轻人工智能理念,是指以智能感知为主要研究对象,将计算机视觉与图像处理作为课程的主要内容,学生在学习人工智能技术的同时,尝试应用人工智能技术来改善学习与生活场景,提倡教师在教学中应结合初中生的认知水平,从真实问题情境出发,选取相对容易的可视化内容让学生尝试实践去解决实际问题。

关键词： 三维多目标跟踪   关联策略   激光雷达点云   不确定度评估   卡尔曼滤波器   协方差矩阵   马氏距离   匈牙利算法  

摘要： 为提高基于激光雷达的三维多目标跟踪准确度,提出一种基于检测的3D多目标跟踪算法。使用深度神经网络从激光点云中获取目标的位置信息后,对目标跟踪算法中的关联策略进行了优化。首先,估计出目标的速度信息,与位置信息一同纳入观测值,在BEV视角下使用卡尔曼滤波器对目标的状态进行预测与更新;然后,基于目标与激光雷达的距离来评估目标位置的不确定度,用于修正观测模型中的协方差矩阵;最后,在马氏距离中添加对目标测量的不确定性加权项,使用匈牙利算法进行数据关联。在大规模自动驾驶数据集Nuscenes上对所提算法进行了测试,得出其跟踪精度超过了现有的基线方法。消融实验结果表明,所提出的改进措施能有效提高三维多目标跟踪的性能。

关键词： 废钢判级   目标检测   yolov5   yolov8   rtmdet  

摘要： 废钢的回收过程中,我们经常遇到种类繁多、类别数量不平衡等问题。鉴于此,本研究基于深度学习,提出了一种废钢检测方法,包括类别平衡策略(Class Balance)和分组采样模块(Multi Group Sampling)。类别平衡策略旨在解决数据集中存在的类别分布不均衡问题,而分组采样模块通过促进形状和大小相似的不同类别废钢之间的相互学习。通过对模型结构和训练流程的优化,该方法在废钢数据集上展现了出色的性能。我们采用rtmdet、yolov5和yolov8进行了一系列对比实验,结果显示本研究提出的策略能够在不同模型上取得更优的废钢图像检测效果,mAP分别提高了3.2%、2.6%和3.1%。本研究的成果为废钢回收处理行业提供了一种新的方案,提升废钢回收的效率和质量,推动废钢回收自动化的发展。

关键词： 松材线虫病   目标检测   轻量级网络NanoDet   注意力机制   无参注意力   迁移学习   数据增强   小尺寸  

摘要： 针对小尺寸松材线虫病受害木检测精度及检测效率低的问题,提出了一种融合深度网络和注意力机制的小尺寸松材线虫智能检测模型。采用无人机(UAV)搭载小型相机在220 m高度拍摄小尺寸松材线虫受害木图像,应用图像旋转、缩放、添加高斯噪声和模拟光照强度等数据处理方式扩充数据集,设计轻量级深度网络NanoDet和SimAM注意力模块融合模型NanoDet-SimAM对小尺寸松材线虫受害木进行精准检测。结果表明,该模型相较于Faster R-CNN、Yolov4、Yolov5s及NanoDet等检测网络模型,具有更高的检测精度、速度和稳定性。

关键词： 线上学习   人工智能   目标检测   人脸识别  

摘要： 随着现代网络通信技术的发展,线上学习逐渐成为研究趋势,很多学校都在利用如学习通、智慧职教、腾讯会议等平台,实行“线上+线下”的教学模式。在此背景下,基于目标检测的学生线上学习状态检测成为了一个新兴且快速发展的研究方向,其目的在于通过人工智能中的目标检测等技术手段,对学生在线上学习过程中的各种行为和心理状态进行检测和分析,以提高学习效率。文中针对该研究领域,重点介绍了当下比较热门的学生线上学习状态检测算法。

关键词： 无人机影像   目标检测   位置注意力   空洞卷积  

摘要： 针对以无人机影像为基础的多类别目标检测问题,提出一种融合位置注意力的卷积神经网络检测模型。在特征提取端使用级联空洞卷积核组实现特征提取,并通过位置卷积模块对提取后特征进一步筛选;为增强参与检测特征图内信息的复杂程度,通过多尺度特征融合端对上层输出特征图进行融合与上采样连接,最终输出4个尺度的特征图参与最终检测。测试结果显示,该模型在检测精度方面优于其余几组对比模型,同时在多个场景下表现出较好的泛化能力,在测试环境下能够实现对目标的实时检测。