关键词： 太阳电池   无监督域适应   目标检测   数据归一化   缺陷检测  

摘要： 为解决在太阳电池数据集域偏移问题,提出一种针对动态开放场景下光伏缺陷检测的数据归一化控制器(DNC),以提高网络的域适应能力。在测试阶段,该文的DNC方法通过修改模型参数,根据小批次样本数据(0.5%)来实现领域统计纠正。DNC可将目标域产生域偏移的数据映射到与源域数据相同的分布空间,而无需提前标注数据或访问目标域的全部数据。实验结果表明,DNC能显著提高目标检测模型对域偏移数据的适应能力。仅使用少量未标记的目标域数据(少于0.5%)就可在分布外数据上获得显著的性能提升,同时不会降低模型的预测速度(FPS)。

关键词： 脉冲神经网络   目标检测   船舶遥感图像   ANN-SNN转换   泊松群编码  

摘要： 遥感影像目标检测问题是视觉图像识别任务的重要研究内容之一,但是在船舶遥感图像中,船舶目标小且分布稀疏,使用传统的人工神经网络(ANN)进行目标检测往往会浪费大量的计算资源。脉冲神经网络(SNN)的事件驱动与低功耗特性可以极大地节省能量消耗同时解放更多的计算资源。然而SNN神经元由于其复杂动态与不可微调的脉冲操作,难以正常进行训练。作为替代,将训练好的ANN转换为SNN可以有效规避这一问题。对于转换后的深层SNN,需要大量时间步长(time steps)来维持其性能。这一过程需要大量的计算资源并对产生较大的延迟,与低功耗的研究初衷相违背。本文研究了转换后SNN需要大量time steps维持模型性能的原因,并提出了新的转换方法,基于微调的逐层转换方法;考虑硬件部署的合理性,提出了泊松群编码,相比泊松编码,泊松群编码输出的脉冲序列噪声更小,对模型性能的影响更小。实验表明,微调转换方法在SAR舰船检测数据集(SSDD、AIR-SARShip)上取得与转换前模型(97.9%、79.6%)相近的性能(96.9%、70.3%),在PASCAL VOC数据集上也获得了较好的检测性能(49.2%),而且对于泊松群编码,time steps相同的条件下神经元数目越多,对模型性能的影响越小,时间步长较少的条件下即可获得与输入模拟频率近似的性能。本文的研究可以提升转换后SNN的性能,减少转换后SNN对time steps的需求,并为SNN的硬件部署提供了一个切实有效的输入编码方法。

关键词： 医学图像处理   课程思政   案例库   教学改革   生物医学工程   一流课程  

摘要： 课程思政是深入贯彻落实“立德树人”根本任务的重要举措。文章针对《医学图像处理》课程,结合徐州医科大学办学定位和生物医学工程专业人才培养方案,深入挖掘课程蕴含的政治元素,建设了课程思政案例库。案例库收集了典型的思政教学案例,将社会主义核心价值观、科学精神、创新精神等元素融入专业知识点。教学采用启发式、互动式、探究式、案例式教学的教学方法,强化实践教学,开展形式多样的教学活动,实现了专业教学和思政教育的有效结合,取得了良好的教学效果。课程思政案例库为课程思政教学提供了素材和支撑,是深化课程思政建设、提高人才培养质量的有效途径。

关键词： 深度学习算法   图像处理   图像分类   生成对抗网络   深度学习技术   应用成效   安全监控   自动驾驶  

摘要： 数字化时代,深度学习技术与图像处理的结合日益成为科研与工业应用中的热点。深度学习算法,特别是卷积神经网络(CNN)、生成对抗网络(GAN)等,已经在图像分类、识别及生成等领域显示出了卓越的能力。这些技术不仅提升了图像处理的效率和准确性,也极大地推动了医疗、自动驾驶和安全监控等行业的技术革新。本文旨在详细介绍深度学习算法在图像处理中的具体编程实现及其应用成效,通过系统的分析与实例探讨,展示深度学习技术在现代图像处理中的实际应用和潜在价值。

关键词： 工业自动化   计算机视觉技术   模式识别算法   智慧交通   反射信号   公共安全   军事国防   小目标检测与跟踪  

摘要： 弱小目标检测与跟踪旨在利用模式识别算法、计算机视觉技术以及信号处理技术,对各种传感器捕获的小尺寸目标进行识别、定位及跟踪。在公共安全、工业自动化、智慧交通和军事国防等领域应用广泛。在图像和视频数据中,小目标可能仅占据几十个像素,其视觉结构不清晰,导致可利用信息有限。同样,在雷达信号中,小目标的反射信号可能非常微弱,容易受到杂波和噪声的干扰。

关键词： 目标检测   深度学习   YOLOv3  

摘要： 文章通过对YOLOv3算法目标检测原理进行深入分析,使用自采数据集道路场景中常见的行人、车辆和红绿灯等数据对算法模型进行训练,通过改变模型输入、过滤无意义目标物,以及调整学习策略,利用较小的训练集和较少的训练轮次获得实时性强、精度较高的目标检测模型。实验表明,改进方法在测试集上平均精度达到71.58%,比传统YOLOv3算法提高1.94%,并且算法检测速度达到70.04 f/s,较优于传统YOLO系列算法。同时将该方法应用于车辆行驶动态数据集,能够实现针对视频中道路目标的实时检测。

关键词： 光伏组件   深度学习   目标检测   ResNet50   YOLOv5  

摘要： 利用无人机对光伏组件进行故障巡检通常从可见光和红外光两种场景分别处理和检测。该文提出基于残差神经网络ResNet50和改进的YOLOv5故障检测方法,实现对两种影像图像高精度自动分类和故障检测。针对红外数据进行色度变换去除太阳反光而保留热斑,针对可见光数据采用锐化的方式凸显异物、裂痕等小目标,使用不同的YOLOv5目标检测算法实现可见光下小型异物故障和红外光下热斑故障的快速检测和定位。

关键词： 射线检测   视觉伺服   图像处理   SSA-BP算法   位置补偿  

摘要： 针对当前火箭贮箱焊缝采用工业机器人作为射线检测系统的执行机构,通常按照“示教-再现”进行既定轨迹运动,不能适应小批量多品种的柔性与智能生产线的问题,将伺服机构、图像处理技术与智能机器人相结合,采用基于图像的视觉伺服控制(IBVS)方法反馈当前图像特征信息,与期望图像特征进行对比形成图像特征偏差,再基于SSA-BP的控制方法,将得到的特征误差用于火箭贮箱焊缝检测中的焊缝位置误差补偿,以提高射线检测系统的作业精度。最后通过试验,验证了该方法具有良好的自适应性和鲁棒性。

关键词： 立体视觉图像处理技术   虚拟现实环境   晕动症  

摘要： 立体视觉图像处理技术是虚拟现实(Virtual Reality,VR)中的关键技术,可增强使用者的沉浸感和视觉真实感。本文介绍了立体视觉图像处理的三种主流技术,以及这三种技术在虚拟现实环境中的适用性和有效性,同时对虚拟现实技术面临的晕动症等问题提出了解决的思路和方法,旨在进一步提升用户感知深度,达到更沉浸和更逼真的视觉效果。

关键词： 计算机技术   图形图像处理   图像捕捉  

摘要： 数字化时代,随着信息技术的不断进步和计算能力的飞速提升,计算机图形学与图形图像处理技术在各个领域都发挥着越来越关键的作用,它影响着人们的日常生活、工业生产,以及科学研究的各个层面。本文首先概述了计算机图形学与图形图像处理技术,其次介绍了它的分支技术,最后探讨了它在几个具体领域的应用。研究表明,计算机图形图像处理技术运用在现代工业生产中,不仅能提升生产效率和产品精度,还能大幅度降低生产成本和时间消耗。