关键词： 绝缘子   无人机   输电线路   YOLOv4   故障智能检测   目标检测  

摘要： 随着我国经济的不断提高,国家对电力的需求也在增加。其中,绝缘子广泛应用于高压输电线路中,起到绝缘和支撑作用。长时间暴露在外或长期使用,会导致其污损和劣化,更易发生闪络放电等危险现象。因此,绝缘子故障检测成为电网巡检的重要部分。但寻常的人工检查不仅工作量大、成本高且危险性高,于是,智能无人机检测应运而生。利用无人机进行电力巡检,不仅提高工作效率,也能减少野外工作,降低巡检成本。由于传统图像处理技术对无人机绝缘子特征提取效果不理想、检测方法通用性低,本文提出一种绝缘子识别定位方法。该改正技术基于YOLOv4算法,大大提高了准确度,在不同环境下的绝缘子检测具有良好的性能,并具有一定的通用性。

关键词： 深度学习   目标检测   油茶果   采收   定位  

摘要： 针对自然环境下油茶果存在多种类、多遮挡及小目标等问题,该研究基于YOLOv5s提出COFYOLOv5s(camellia oleifera fruit-you only look once)油茶果识别模型,实现油茶果的高精度检测。通过添加小目标检测层、将FasterNet中的轻量化模块Faster Block嵌入到C3模块及添加Biformer注意力机制对YOLOv5s进行改进。试验结果表明,改进后网络在测试集上的精度、召回率、平均精度均值分别为97.6%、97.8%、99.1%,比YOLOv5s分别提高5.0、7.5、4.4个百分点,推理时间为10.3 ms。将模型部署到Jetson Xavier NX中,结合ZED mini相机进行油茶果识别与定位试验。室内试验得到COF-YOLOv5s的召回率为91.7%,室外绿油茶果的召回率为68.8%,小目标红油茶果在弱光条件下的召回率为64.3%。研究结果可为实现油茶产业的智能化和规模化提供理论支持。

关键词： DJVU存储格式   数字化技术   文献扫描   图像处理  

摘要： 阐述文献数字化的基本原理、加工流程,以及DJVU存储格式的特征。以某图书馆为实例,探讨DJVU技术在文献数字化中的应用,包括文献扫描与预处理、文献图像的DJVU格式转换、DJVU技术在文献检索中的应用,并对DJVU技术在文献数字化中的应用效果进行评估与展望。

关键词： 目标检测   水下垃圾   多尺度特征融合   YOLOv5   GSConv   SimAM  

摘要： 针对水下图像采集存在的光线不足、低分辨率、物体识别不清和小目标较多等局限性导致现有的目标检测算法效果不佳的问题,提出一种基于YOLOv5改进的水下垃圾目标检测算法,以达到更快速更准确地检测和清除海洋水下塑料垃圾的目标。所提算法使用限制对比度自适应直方图均衡化CLAHE预处理方法来增强数据特征,降低特征提取的难度,提高检测精度;引入无参注意力机制SimAM和更换轻量级卷积方法GSConv,在增强网络提取能力的同时减少模型计算量;同时增加多尺度特征融合检测,解决水下垃圾碎屑小目标定位困难的问题。基于自建的真实水下环境垃圾数据集MarineTrash对改进的算法进行充分实验,结果表明,改进的方法具有良好的表现,其中精度提高了4.3个百分点,mAP提高了3.5个百分点,GFLOPs降低了0.3,模型权重仅为13.9 MB,比基线降低了0.6 MB。基于YOLOv5改进的水下垃圾检测算法的研究对于在自主式水下机器人(AUVs)中部署安装探测器,以实现对海洋水下垃圾的检测和自动清除,维护海洋生态系统提供了充分的技术支撑。

关键词： 遥感   SAR   目标检测   跨模态   特征对齐   注意力机制  

摘要： 合成孔径雷达(SAR)舰船检测是近年来的研究热点。然而,与光学图像不同,SAR成像的特点会导致不直观的特征表示。此外,由于SAR图像数据量不足,现有的基于大量标记SAR图像的方法可能难以达到较好的检测效果。为了解决这些问题,本文提出了一种基于多级跨模态对齐的SAR图像舰船检测算法MCMA-Net(Multi-level Cross-Modality Alignment Network),通过将光学模态中丰富的知识迁移到SAR模态来增强SAR图像的特征表示。该算法首先设计了一个基于邻域—全局注意力的特征交互网络NGAN(Neighborhood-Global Attention Network),通过对骨干网络的浅层特征采用邻域注意力机制进行局部交互、对深层特征采取全局自注意力机制进行全局上下文交互,在兼顾全局上下文建模能力的同时,提升局部特征的编码能力,使得网络在不同层级更合理的关注相应的信息,从而能够促进后续的多级别模态对齐。其次,本文设计了一个多级模态对齐模块MLMA(Multi-level Modality Alignment),通过从局部级别到全局级别再到实例级别的对两种模态不同隐含空间中的特征进行对齐,促进模型有效地学习模态不变特征,缓解了光学图像和SAR图像之间的模态鸿沟,实现了从光学模态到SAR模态的知识传输。大量的实验证明我们的算法优于现阶段的检测算法,取得了最好的实验结果。

关键词： 计算机视觉   微表情识别   CIE Luv   颜色特征   光流特征   双流网络  

摘要： 针对光流法无法充分利用微表情面部颜色信息,导致识别准确率不高的问题,本文提出一种基于颜色和光流的多注意力双流网络方法。首先,提出以CIE Luv色差图的形式,初步提取人脸情感生理特征,弥补微表情光流特征的单一性和局限性;然后,将PAM模块和ECA block并行组合得到轻量化的双注意力模块,提取空间和通道关键特征;最后,设计一种交叉注意力机制以获取颜色和光流混合特征,将其与空间通道关键特征融合用于分类。本模型在实验中采用留一交叉验证法进行评估,在SAMM数据集上的准确率和F1分数分别达到69.18%和67.04%,在CASMEⅡ数据集上的准确率和F1分数分别达到72.38%和70.85%。实验结果均优于目前主流算法,进一步证明本文模型及其模块在识别微表情方面的有效性。

关键词： 铝合金铸件   缺陷检测   图像处理   水平集  

摘要： 针对汽车机械零部件中检测效率低、误检率高等瓶颈问题,提出了一种结合图像处理技术的方法。基于汽车副车架表面结构复杂以及缺陷异形等特征,首先通过小波邻域收缩去噪和多尺度增强算法对零件图像进行预处理,再通过水平集函数初步定位缺陷区域,最后结合空间模糊聚类进一步精确定位缺陷区域,达到对零件表面缺陷识别的目的。对工件表面划伤、压痕、气孔三种缺陷进行检测。实验结果表明:该算法相对于其它两种算法的检测率分别93.3%、86%和90%,具有较高的检测成功率。为后续缺陷零部件分类奠定良好的基础且可以满足工业检测要求。

关键词： 目标检测   自注意力   Faster-RCNN   矿山图像   异常行为检测  

摘要： 矿山异常行为检测是一项重要工作,有助于提高采场安全生产监管效率。提出了一种基于自注意力机制的Faster-RCNN算法,用于矿山图像异常行为检测。该算法通过自注意力机制对特征图进行加权,有效提取关键特征,并减少冗余信息干扰。首先,从图像中提取RoI区域,并通过自注意力机制对RoI区域内的特征图进行加权,使得关键特征得到更准确的提取。同时,对RoI区域内的特征图进行细粒度融合,以捕捉更多的图像细节信息。最后,使用分类器对每个RoI区域进行分类,以检测图像中的异常行为。在自建数据集上对算法进行了训练与评估,试验结果表明:所提算法在矿工图像异常行为检测工作上表现出更高的准确性和鲁棒性,与传统的Faster-RCNN算法相比,该算法检测精度提高了4.8%。此外,该算法对于光照和角度等变化具有更好的鲁棒性,可以有效应对实际场景中的复杂环境。

关键词： 高光消除   图像处理   光照补偿   循环对抗生成网络  

摘要： 应用光学无接触方法检测动车零件损伤时,采集图像的照射光易在零件上造成镜面反射,使得采集图像上存在高光,不利于对损伤部位的辨识。提出一种基于循环对抗生成网络(CycleGan)和光照补偿算法结合的方法来修复动车轮部图像的高光部分。首先通过生成手段初步修复高光区域,然后改进Retinex光照补偿算法,实现对生成图像的进一步增强,达到高光消除的目的。实验结果表明,所提方法大幅改善了高光区域的像素灰度,使得该部分像素灰度接近图像整体像素灰度,同时强化了暗部细节和图像信息,提高了损伤部分的辨识度。

关键词： YOLO   目标检测   行李处理系统   注意力增强   卷积神经网络  

摘要： 随着深度学习和人工智能的兴起,以及闭路电视监控系统对行李输送线的全覆盖,研究者开始使用图像识别技术对行李进行全程的识别跟踪,但在生产运营过程中,图像质量低、行李粘连堆叠等影响识别跟踪精度的问题时有发生。针对这些问题,提出一种注意力特征增强方法来抑制背景信息,使神经网络提取行李特征的过程中具有更好的鲁棒性。为了验证该方法的有效性,采用昆明机场的行李图像构建数据集,在此数据集上,该方法的检测精度达到了70.2%,以及很小的参数量,为行李处理的效率和准确率提升提供了支撑。