关键词： 计算机视觉   噪声源识别   声学特性分析  

摘要： 在现代社会,噪声污染已成为影响人类健康和生活质量的主要环境问题之一。计算机视觉作为一门利用计算机和算法解读视觉信息的科学,已广泛应用于图像处理、对象识别及场景解析等领域。在声学领域,结合计算机视觉可以实现对噪声源的视觉识别。首先介绍噪声源识别和声学特性分析的概念,其次详细阐述基于计算机视觉的噪声源识别过程和声学特性的综合分析方法,最后进行实验分析。

关键词： YOLOv5   遥感图像   目标检测   注意力机制  

摘要： 遥感图像存在着目标特征不明显、背景信息复杂、检测效率低下等问题。针对这些问题,本文提出了一种改进的SA-YOLOv5s遥感图像检测算法,将注意力模块ShuffleAttention加入YOLOv5骨干特征提取和颈特征融合网络的卷积块中,并在公开的RSOD遥感图像数据集上进行了实验。实验结果表明,改进后的算法平均精度为96.2%,较原有的YOLOv5s算法提升了1.1%。

关键词： 工具检测   稀疏可学习   多尺度特征   Swin-Transformer   多头注意力  

摘要： 针对车间工具不同型号之间尺寸存在较大差异、形状种类繁多等问题,提出了一种基于稀疏可学习proposal的车间工具检测算法。首先,融入稀疏表示和可学习的proposal机制来提升模型的鲁棒性,并减少检测过程中所需的参数量;其次,引入Swin-Transformer结构,旨在增强模型的全局以及细节学习能力,有效地解决传统卷积神经网络在高层语义信息融合方面存在的不足;然后,使用一种改进的多尺度特征融合网络架构,通过有效融合不同尺度的特征,提高了模型对于各种尺度目标的检测能力;最后,将多头注意力和动态卷积结合,在不同特征层之间建立更精确且细致的联系,从而进一步提升了目标检测的准确性;采用了CIoU损失函数,通过综合考虑位置、尺度和形状信息,使得模型对边界框的回归预测更加全面与准确。实验结果显示,本文算法在车间工具目标检测任务上的平均检测精度达到了91%,较当前主流算法至少提升了2.3%以上。同时,单张图片的检测速度大约为53 ms,满足了实时检测的需求,体现了综合性能优越。

关键词： 西瓜   识别与定位   质心提取   图像处理   点云   OpenCV   PCL  

摘要： 【目的】研究一种基于机器视觉的西瓜识别与定位技术,满足西瓜搬运设备的自动化要求,为自动搬运设备的视觉部分提供技术支持。【方法】采集西瓜的二维图像数据与三维点云数据。调用OpenCV函数库分割西瓜二维图像,提取出西瓜的外轮廓;采用PCL函数对三维点云数据进行预处理,并与二维图像作图形特征匹配,提取出顶层西瓜的质心点。【结果】单轮次的西瓜轮廓总识别率为97.62%,正确识别率为95.58%,质心识别率为92.72%。20轮测试的总轮廓识别率为98.02%,总正确识别率为96.53%,总质心识别率为94.17%,总质心个数和总西瓜个数之间的误差率为2.36%;西瓜图像处理的总用时为101.8s,效率提高了77.8%。【结论】基于机器视觉的西瓜识别与定位技术识别率较高且误差率较低。

关键词： 图书数字化   版本数字化   图像处理   生成式人工智能  

摘要： 在信息技术快速演进的当下,尤其是生成式人工智能技术的飞速发展下,图书的数字化处理尤显关键。图书数字化涉及的关键环节,包括扫描技术、图像处理、字符识别、内容编辑与校对、元数据生成及数据存储与发布。在生成式人工智能必将获得广泛应用的未来,图书版本数字化将朝着数字化技术的发展、跨界融合、社会化参与的方向发展。为了使图书版权持有者、图书馆及数字化服务提供者可以充分利用生成式AI的优势,出版社需要基于不同技术的应用成效,大幅提升图书版本数字化的效率和质量,提供更加丰富多样的数字化产品和服务。

关键词： 图像处理   模型   新梅检测   YOLOv5s   注意力机制   双向特征金字塔   深度学习  

摘要： 为解决新梅在树干树叶遮挡、果实重叠情况下难以准确检测的问题,该研究建立了新梅目标检测模型SFFYOLOv5s。在真实果园环境下构建新梅数据集,以YOLOv5s模型作为基础网络,首先在Backbone骨干网络C3模块中引入CA(coordinate attention)注意力机制以增强模型对新梅关键特征信息的提取能力并减少模型的参数量;其次在Neck层中引入加权双向特征金字塔网络,增强模型不同特征层之间的融合能力,从而提高模型的平均精度均值;最后使用SIoU损失函数替换原模型中的CIoU损失函数提高模型的检测准确率。试验结果表明,SSF-YOLOv5s模型对新梅检测准确率为93.4%,召回率为92.9%,平均精度均值为97.7%,模型权重仅为13.6MB,单幅图像平均检测时间12.1ms,与Faster R-CNN、YOLOv3、YOLOv4、YOLOv5s、YOLOv7、YOLOv8s检测模型相比平均精度均值分别提升了3.6、6.8、13.1、0.6、0.4、0.5个百分点,能够满足果园复杂环境下对新梅进行实时检测的需求,为后续新梅采摘机器人的视觉感知环节提供了技术支持。

关键词： 小目标检测   空间金字塔池化   注意力机制   柔性非极大值抑制   损失函数  

摘要： 针对无人机视角下的小目标检测精度较差、漏检较为严重的问题,提出一种基于改进YOLOv5的无人机图像检测算法。针对小目标尺度较小问题在骨干网络替换空间金字塔池化(Spatial Pyramid Pooling,SPP)为SPPCSPC-GS,增强密集区域关注能力,提取更多小目标有效特征;在颈部网络中引入CBAM注意力机制将头部C3模块替换为C3CBAM增强上下文信息,提高空间与通道特征表达能力;针对遮挡问题引入柔性非极大值抑制(Soft Non Maximum Suppression,Soft NMS)提升模型对遮挡和密集目标的检测能力;替换损失函数为EIOU加快收敛提升定位效果。改进后的模型在VisDrone数据集上平均检测精度为42.2%,相较于原始YOLOv5s算法提升10.7%,遮挡严重的小目标行人与人类别精度分别上升12%与13.3%。相较于其他先进算法,所提算法表现优秀,可以满足无人机视角图像检测任务要求。

关键词： 图像处理   卷积神经网络   位姿估计   非合作目标   软分配编码  

摘要： 针对空间非合作目标六自由度位姿估计问题,基于卷积神经网络设计一种轻量化网络LSPENet,无须手动设计特征便可实现端到端的位姿估计。使用深度可分离卷积、高效通道注意力(ECA)机制构成基本模块,兼顾了网络的复杂度和准确度。设计两个分支分别用于估计位置和姿态,位置估计使用直接回归法,姿态估计引入软分配编码。在URSO数据集的实验结果表明:姿态软分配编码相比直接回归姿态能够显著减小姿态误差;相比其他端到端位姿估计网络,所提网络的参数量减少76.7%,单幅推理时间降低13.3%,同时位置估计精度提高54.6%,姿态估计精度提高57.8%。实现的轻量化端到端位姿估计网络为星载单目视觉位姿估计提供了新思路。

关键词： 目标检测   小目标   注意力机制   感受野   损失函数  

摘要： 为了解决遥感图像中小目标的误检、漏检难题,提出了一种改进的YOLOv7-tiny算法。首先,引入高效多尺度注意力模块(efficient multi-scale attention,EMA),基于此设计了多尺度特征提取模块ELAN-EMA,这大大增强了骨干网络对于多尺度特征的提取能力;其次,在特征金字塔网络(feature pyramid network,FPN)中引入内容感知特征重组(content-aware reassembly of features,CARAFE)优化最近邻上采样方法,设计了FPN-CARAFE结构,扩大了感受野,从而能够获取小目标更多的细节信息和丰富的语义信息;最后,采用归一化距离损失函数(normalized wasserstein distance,NWD)优化CIoU损失函数,设计了NWD-CIoU损失函数,降低了CIoU对小目标位置偏移的敏感性,能够更好地提升小目标的检测效果。在公开的遥感数据集RSOD和NWPU VHR-10上进行的实验表明,与基准模型相比,在计算量和参数量略增长的情况下,改进的模型在平均精度均值(mAP)mAP@0.5上分别提升了3.6%和1.8%,有效地提高了遥感图像中小目标的检测精度,综合性能优于其他算法,满足部署在遥感检测系统上的要求。

关键词： 图像处理   交通违法   非现场执法   自动化控制  

摘要： 针对城市交通流量和交通违法行为不断增长的问题,设计了一种基于图像处理技术的交通违法非现场执法自动化控制系统。基于先进的卷积神经网络,该系统可用于分析交通监控摄像头捕捉到的图像,实现对交通违法行为的自动检测和精准识别。同时,引入了高效的图像质量评估算法,选取清晰的违法图像作为执法依据,显著减轻了人工审核的负担,提升了交通违规检测的智能化程度。