关键词： 膝骨关节炎   深度学习   YOLOv8   Transformer   目标检测   检测精度  

摘要： 背景:膝骨关节炎是一种常见的退行性疾病,不仅严重影响患者的生活质量,同时增加社会医疗负担。早期准确诊断膝骨关节炎对于患者的治疗和预后至关重要,传统的诊断方法不仅主观且耗时,还不能保证稳定的高准确率。目的:开发一种基于深度学习的膝骨关节炎自动诊断方法,利用深度学习网络提高诊断的准确性和效率。方法:在YOLOv8n网络基础上采用Efficient-ViT网络替换YOLOv8n的骨干网络以及增加注意力机制的方法,提出了一种新的网络模型YOLOV8-ViT模型,用于自动识别和分类膝骨关节炎的X射线片图像。实验数据集来自广州中医药大学第三附属医院的5078张膝骨关节炎患者的X射线片图像,由3个影像医师根据Kellgren-Lawrence分级标准采用labelme软件来标注膝关节炎部位并进行分类,采用并集结果。评价指标包括Precision、F1分数、mean average precision(mAP)、Recall、val/box_loss、val/cls_loss和val/dfl_loss。结果与结论:实验结果表明,与YOLOv5n、YOLOv8n、YOLOv9n模型比较,YOLOV8-ViT模型的准确率、IoU阈值为0.5的平均精度(mAP50)、IoU阈值为0.5-0.95的平均精度(mAP50-95)、F1分数和Recall均有所提高,val/box_loss、val/cls_loss和val/dfl_loss分别降低了0.496、0.45和0.523,1.037、0.305和0.728,0.267、0654和0.854,验证了该模型具有较高的检测精度。

关键词： 齿轮箱漏油检测   师生蒸馏   深度学习   计算机视觉  

摘要： 齿轮箱作为机械设备中的关键组件,对于整个系统的稳定性和效率至关重要。齿轮箱漏油导致维护成本增加,更有可能引发设备故障甚至事故,严重威胁生产安全。本文提出了一种基于深度特征融合和师生蒸馏模型的齿轮箱漏油检测方法,同时提取深度图与2D图像的特征并融合,以获得更优异的特征表示。在多个真实齿轮箱漏油数据集上进行了实验,实验结果表明,与现有的齿轮箱漏油检测技术相比,本文提出的方法在检测准确率和实时性方面均有显著提升,平均检出率达到94.5%,检测速度为每帧0.048s,具有良好的应用潜力。

关键词： 胎儿圆锥动脉干畸形   多切面融合识别技术   智能化超声诊断   深度学习   图像处理  

摘要： 目的:本研究旨在开发并验证一种基于多切面融合识别技术的智能化超声诊断系统,用于胎儿圆锥动脉干畸形(CTD)的早期筛查和精确诊断,以提高胎儿心脏疾病的检出率和诊断准确性。方法:从东莞市妇幼保健院超声科数据库中检索自2019年1月1日至2024年9月30日期间接受Ⅲ级产前超声检查和胎儿超声心动图检查的孕18周至32周的所有单胎妊娠妇女421例,包括正常或异常胎儿的四腔心视图(4CH)、三血管与气管视图(3VT)、右心室流出道(RVOT)和左心室流出道(LVOT)以及血流多普勒图像总共2895幅,使用胎儿超声心动图切面,采用经典的YOLOv3网络,通过一系列卷积层提取八个主要的临床筛查事件即4CH、3VT、LVOT及RVOT下的灰阶超声时序表现和彩色多普勒时序表现,结合专家设计的诊断金标准,训练一组神经网络并集成建模;另选择孕妇250例为验证集,A组200例(正常妊娠组)、B组50例(妊娠合并胎儿动脉锥干异常),分析医生+多切面融合识别技术(AI)诊断和AI单独诊断对不同组数据集的不同切面的准确性、敏感性和特异性,统计两种诊断方法的耗时。结果:三血管气管切面的诊断精确度、敏感度和特异度最高。B组不同切面诊断的精确度、敏感度和特异度明显高于A组(P<0.05)。此外,单独AI诊断和AI+医生诊断的精确度、敏感度和特异度没有显著差异(P>0.05)。单独AI诊断耗时195秒,AI+医生诊断耗时1560秒,单独AI诊断效率明显高于AI+医生诊断(P<0.05)。结论:基于多切面融合识别技术的智能化超声诊断的诊断效果和AI+医生诊断没有显著差异,但耗时显著减少,表现出显著优势。

关键词： 机器视觉   相机支架   可变形卷积网络   三分支旋转注意力模块   复杂背景干扰   目标检测  

摘要： 图像目标检测常受复杂背景干扰,导致目标特征模糊、误检率高及检测速度慢等问题。为此,开展了基于机器视觉的复杂背景干扰图像目标检测方法研究。首先,设计了基于机器视觉的复杂背景干扰图像照明优化装置,通过照明设计有效减少复杂背景对目标识别的干扰,提高目标对象的可见度;其次,改进了PPYOLOv2(pre-processing you only look once version 2)网络模型,通过优化预处理、特征提取、特征融合、预测Head、预测结果生成、损失计算与优化以及检测与后处理等7个关键步骤,实现了对复杂背景干扰图像中目标的准确、高效检测。测试结果表明:设计方法未出现漏检与误检现象,检测效果表现良好,每个设计步骤均能提升实验目标检测精度,说明每个设计步骤对于复杂背景都是必要的。

关键词： 机器视觉   接触网   障碍物检测   图像处理   深度学习  

摘要： 随着铁路交通事业的蓬勃发展,接触网作为电力供应体系的核心构成部分,其安全性与稳定性对铁路运营起着举足轻重的作用。传统的接触网检测手段主要依赖人工巡检或固定设备,这类方式不仅效率低下、成本高昂,而且极易受到人为因素的干扰。鉴于此,本文提出了一种基于机器视觉的接触网障碍物检测系统,该系统融合了图像处理与深度学习技术,能够自动检测并识别接触网区域内的障碍物,具备较高的检测精度与实时性,为提升接触网巡检效率、保障铁路运行安全提供了坚实可靠的技术支撑。

关键词： 除草机器人   视觉导航   图像处理   位姿关系   滑窗算法   坐标转换  

摘要： 除草机器人在进行田间除草作业时,需要获得准确的导航信息以防止在除草过程中损伤水稻幼苗。传统的图像处理方法或卫星定位系统在水田环境下并不能直接得到车身与水稻行的相对位置。为此,提出了一种基于水稻行线与车轮航向位姿关系的视觉导航方法。通过优化滑窗算法提取图像中车轮和水稻行的特征点,将得到的车轮航向点和水稻行线点通过坐标转换公式,由像素坐标转化为世界坐标,得到车轮在水稻行之间行进的位置信息,进而得到导航信息。算法部署在Nvidia Jetson TX2平台上,处理每帧图像得到导航信息的时间可稳定在0.25 s内。导航信息提取实验结果表明,横向偏差提取平均误差为20.3 mm,航向角偏差提取平均误差为1.76°,可以满足除草机器人作业行进间导航的实时性与行线跟踪准确性的要求。

关键词： 台区故障   热成像   主动抓拍   视觉识别   图像处理   台区智能融合终端   物联网云主站  

摘要： 随着用户负荷的增长,配电网规模迅速扩大,供电可靠性要求也不断提高,这使得配电网故障诊断和定位愈发重要。传统配电网故障排查方法主要依靠人力,存在效率低、成本高、实时性差的问题。而随着光学图像处理和人工智能计算的快速发展,视觉识别在电力行业故障检测中的应用变得切实可行。文中介绍了一种基于视觉识别的配电台架故障监测系统。该系统能够有效监测和定位配电台架运行故障,在配电云主站实现主动告警并展示抓拍图片,将被动抢修转变为主动抢修,从而缩短用户停电时间,提高供电可靠性,还能节约运维人工成本。该监测系统已在湖北荆州示范区成功部署并投入使用,投运后取得了预期效果。

关键词： 图像处理   机器视觉   PCB裸板   缺陷检测   AOI   胶路检测  

摘要： 印制电路板是现代电子制造业的基石,承担着实现信息化与自动化电子产品功能及连接的核心任务。在印制电路板的生产过程中,由于存在机械结构、板材质等客观因素的影响,线路缺损等问题时有发生。为解决这一问题,引入了机器视觉检测技术。通过该技术可快速对PCB裸板进行缺陷检测,使生产人员能实时获取胶路检测的反馈信息,进而优化生产工艺,提高生产效率并提升产品质量。

关键词： 多源目标   架构设计   目标跟踪   数据同步  

摘要： 随着信息技术的飞速发展,微服务架构和多源目标融合技术在许多复杂系统中得到广泛应用,尤其在军事领域中,对于实时态势感知、目标跟踪与情报分析具有重要意义。本文研究基于微服务的多源目标融合技术。首先,文章分析多源目标融合系统的架构需求,提出基于微服务的架构设计模型,并探讨微服务架构的关键组件与模块设计,同时研究如何通过合理的数据流与通信机制优化系统性能。其次,文章重点讨论多源目标融合中的四项关键技术:多源数据预处理技术、目标跟踪与融合算法、数据同步与协调机制以及实时性与计算性能优化。最后,本文通过分析智能交通系统、无人机集群、军事领域的战场态势感知等应用场景,展示了基于微服务的多源目标融合技术的实际应用效果,探索其在不同领域中的应用前景和挑战,为相关技术的进一步发展提供理论支持和实践指导。