关键词： FPGA   图像处理   电子显微图像  

摘要： 基于现场可编程门阵列的电子显微图像处理,以便携式心电图仪为例,应用现场可编程门阵列的电子显微图像处理技术,提升医学信号检测和处理能力,为医院、科研院所、企事业单位等在电子显微图像资料获取及使用方面提供有力支持,为相关工作开展提供借鉴。

关键词： 生活垃圾   智能化   垃圾分类   深度学习   目标检测   满载报警。  

摘要： 针对现代社会垃圾分类的挑战,提出了一种能够智能判别、分类并储存四类垃圾(可回收垃圾、厨余垃圾、有害垃圾和其他垃圾)的装置设计。该装置旨在解决人们垃圾分类意识、分类知识欠缺的问题,提高垃圾处理效率,促进可持续发展。通过智能识别技术,装置能自动判断垃圾类型并进行分类储存,从而实现对各类垃圾的有效管理。为提高装置便捷性,还设计有满载报警,播放垃圾分类宣传片等功能。装置采用Arduino作为核心控制器,并搭配Jetson Xavier NX等高性能嵌入式计算平台,用于处理复杂的图像识别和数据处理任务,从而实现智能的垃圾分类功能。

关键词： 多目标跟踪   概率多假设跟踪   一致性共识   集中式状态估计   分布式状态估计  

摘要： 在目标跟踪领域,概率多假设跟踪(probability multiple hypothesis tracking,PMHT)算法作为一种批处理算法,计算量远远小于传统的多假设跟踪算法。当前,PMHT算法的应用受限于集中式处理,本文首先在传统算法的基础上对传感器网络下的算法似然进行了推导,得到多传感器算法下的关联后参数,接着基于共识性处理策略进行了混合共识,最后使用卡尔曼滤波完成了对目标参数的后验估计,使得PMHT算法能够被应用于不包含融合中心的全分布式传感器网络多目标跟踪。实验结果表明,在不同的杂波密度下,分布式PMHT在跟踪误差上相对于单传感器算法有着90%以上的改善效果,与集中式算法相比跟踪性能接近且运算速度更快。

关键词： 深度学习   Halcon   图像处理   缺陷检测   机器视觉  

摘要： 详细阐述了高分子薄膜表面的各类缺陷类型和特征及其可能对高分子薄膜的性能和功能上造成的破坏,旨在说明在生产过程中对高分子薄膜表面缺陷进行检测的必要性。针对高分子薄膜表面缺陷检测中应用深度学习大模型训练而存在各缺陷类别样本数量较少、缺陷特征变化不足而导致检测精度低等问题,应用了一种基于Halcon全局上下文异常值检测算法,详细阐述了该检测算法的GC-AD Combined训练模型,其是一种融合了Faster-RCNN和Auto-Encoder的网络结构。在较为有限的高分子薄膜合格的图像和含有缺陷的图像数据基础上,实验设计了采用GC-AD Combined网络模型对高分子薄膜图像样本进行训练,待训练完成后对多组薄膜图像数据进行推理测试,同时设计了与CNN、Mobile-net以及VGG等网络模型检测的对比实验。实验结果显示,所运用的GC-AD Combined网络模型的平均准确率高达98.07%,能够满足吹塑薄膜表面缺陷检测任务,检测精度大幅度优于其他3种网络模型,进一步说明了应用基于Halcon全局上下文异常值检测算法的GC-AD Combined模型完成高分子薄膜表面质量检测任务的有效性和优越性。

关键词： 输电线路走廊   防外破   目标检测   注意力机制  

摘要： 输电线路在跨越高速铁路、高速公路和重要输电通道场景下易受到外力破坏,可能严重影响输电线路安全可靠运行。针对此问题,该文通过构建输电线路走廊隐患目标数据集,提出新模型YOLO-2MCS用于输电线路走廊隐患目标检测。使用混合数据增强策略对数据集进行有效扩充,以提高模型在复杂场景下的泛化性和鲁棒性;在EfficientRep骨干网络引入卷积注意力机制模块,有效提升模型对多尺度目标的检测能力;构建使用softplus激活函数的双向特征金字塔结构加强模型特征学习能力;在检测头使用SIoU损失函数进一步提升模型检测精度。实验结果表明,相较于原YOLOv6网络,该模型在0.5:0.95的严苛阈值下平均精度均值提升4.4%;将该模型与主流的检测模型FasterR-CNN、YOLOX、YOLOv5和YOLOv7分别进行对比评估,该模型的检测精度、检测速度、模型复杂度均获得最优性能,其平均检测速度高达约300帧/s,且内存仅为40.7 MB,同时满足在边缘计算设备上部署的要求。

关键词： 小目标检测   YOLOv8n   特征融合   注意力机制  

摘要： 针对无人机(UAV)图像中目标尺寸小及特征信息少导致检测精度低的问题,提出改进YOLOv8n的小目标检测算法。首先,引入Wise-IoU损失函数,通过动态非单调聚焦机制增强网络对普通质量锚框的关注,提高泛化能力。然后,添加小目标检测层(SODL)和双向特征金字塔网络(BiFPN)构建新的特征融合结构——Bi-SODL结构。SODL使网络更充分地捕捉小目标的浅层特征信息,BiFPN可以实现不同尺度特征层之间的信息交流和融合,提高小目标检测的准确性。最后,添加大型可选择模块(LSKBlock)注意力机制,通过空间选择机制和加权方式对输入特征进行处理,进一步提高小目标检测的性能和鲁棒性。实验结果表明,在VisDrone2019数据集上的检测精度指标P、mAP_0.50和mAP_0.50∶0.95分别提升6.4%、8.3%和5.2%,并且参数量降低25.78%。改进措施使得检测性能优于众多主流算法,证明了改进算法的有效性。

关键词： 人形机器人   人工智能   工业机器人   计算机视觉   传感器技术   古代神话   实验室   交互性  

摘要： 人形机器人的概念可以追溯到古代神话和文学作品中。然而,直到20世纪,随着计算机和自动化技术的发展,人形机器人才真正开始从科幻走向现实。1950年,早期的机器人,如乔治·德沃尔和约瑟夫·英格伯格开发的Unimate,标志着工业机器人的诞生。随后,随着计算机视觉、传感器技术和人工智能的进步,人形机器人开始在实验室中被研发出来。有了人工智能大模型的加持,机器人的新成员表现出交互性、自主性、通用性的新趋势。

关键词： 多目标跟踪   Transformer   卡尔曼滤波   检测置信度   多特征匹配  

摘要： 针对无人机多目标跟踪面临目标遮挡、尺度变化、快速运动、复杂环境等问题,提出了一种基于Transformer的无人机多目标跟踪算法,采用Focal Transformer来捕获高分辨率输入的Transformer层中的局部和全局交互。该算法能够生成目标的检测信息以及目标的外观特征,从而提高了跟踪性能。在轨迹预测方面,采用了卡尔曼滤波方法,以准确地预测目标的运动轨迹,有助于提高跟踪的准确性和鲁棒性。在数据关联过程中,同时考虑了检测置信度、外观嵌入距离和IOU距离3个因素,以更有效地处理数据关联过程,提高了多目标跟踪模型的鲁棒性,使其能够在复杂场景中更好地跟踪目标。此外,还使用了轨迹的二次匹配方法,进一步提高了算法的性能。在VisDrone和UAVDT数据集上进行了对比验证,证明了该算法在实际应用中的有效性和可行性。本研究为无人机多目标跟踪提供了一种新的解决方案,具有广泛的应用前景。

关键词： 水位识别   图像处理   模板匹配   二值化分割   透视变换  

摘要： 针对库水位传统量测方法中水尺易锈蚀倾斜,精度低且成本高的问题,该文提出一种不依赖水尺,基于图像匹配的库水位变动识别方法。首先对监控相机拍摄的库坝上游面光学图像进行畸变消除和透视变换,消除相机误差。进一步选取包含水面的感兴趣区域(region of interest,ROI)图像进行自适应二值化分割、形态学处理等前处理操作,将水面和库坝特征分离,突出水位线位置。最后,利用归一化互相关匹配算法(normalised cross correlation,NCC)对水位变动前后的两幅图像进行匹配计算,识别水位线变动距离。通过室内试验与现场测试验证上述方法实用性。结果表明:基于图像匹配的库水位动态识别方法可准确识别水位变动,相对误差约为5%,此算法鲁棒性较高。该研究可为库水位自动化、低成本监测提供一种新思路。

关键词： 目标检测   低照度图像   YOLOv8网络   图像增强   特征融合  

摘要： 低照度环境会导致图像目标特征不明显,噪声干扰严重等情况,影响目标检测器的检测性能。针对以上问题,构建了一个多尺度图像特征增强模块FEM,并与YOLOv8s目标检测网络联合,构建了端到端的低照度目标检测算法FE-YOLO。首先,使用FEM从输入图像中构建三个不同尺度下的特征信息并进行高效融合,得到具有丰富特征表达的增强图像。然后,在YOLOv8s颈部网络中添加目标特征增强模块TFE,通过抑制高层特征中的背景噪声信息,突出目标特征的表达能力。实验结果表明:在低照度图像目标检测数据集ExDark上的平均精度均值(mAP)达到了75.63%,与原始的YOLOv8s算法相比,提高了3.03%,本文算法在低照度目标检测任务中取得了更好的检测效果。