关键词： 纸张尘埃度   卷积神经网络(CNN)   机器视觉   图像处理  

摘要： 本研究基于卷积神经网络(CNN)与机器视觉,设计了纸张尘埃度测量系统。该系统基于模型训练和检验2个模块构建,使用高分辨率扫描仪获取尘埃数据集和纸张样品图片,使用不同优化算法训练分类模型,并采用对角线测量算法,制作标准尘埃像素表用于定级和分类统计,进而计算尘埃度。结果表明,该系统的精度可达0.007 mm^(2),优于GB/T 1541—2013《纸和纸板尘埃度的测定》要求,分类准确度达95.89%,能够实现多类纸品的全量程测量,单样本重复性测量误差为0,相比人工检测系统单样本检测用时缩短了约97%,实现了纸类产品尘埃度的高效、精准检测。

关键词： 光伏组件   红外图像   目标检测   热斑检测   RT-DETR  

摘要： 针对无人机航拍光伏组件红外图像的背景复杂、热斑缺陷的形状大小各异、反光干扰导致目标特征显著度较低等问题,提出了基于改进RT-DETR模型的光伏组件热斑缺陷检测模型RT-DETRSRC。首先,以RT-DETR为基础模型,利用细粒化卷积SPD-Conv改进主干网络中的深度可分离卷积模块,精细化地提取缺陷的特征,提高模型的特征提取能力。在颈部网络中,提出RepBi-PANCARAFE结构来提升模型的检测精度。采用双向级联特征融合结构RepBi-PAN,增强深层特征和浅层特征之间的信息交互和特征融合;引入特征上采样算子CARAFE,在更大的感受野范围内捕获和整合上下文语义信息。实验结果表明,RT-DETR-SRC模型的mAP50和mAP50:95相较于基线模型分别提升了4.5%和4.1%,能够有效地识别红外图像中的热斑缺陷。

关键词： 裂缝   数字岩心   CT扫描   图像处理   滤波   边缘增强  

摘要： 裂缝广泛存在于各类岩石中,其特征对于储层评价、油气藏开发和地质灾害预测等领域具有重要意义。现有基于图像处理的裂缝提取技术在微裂缝识别、裂缝细节特征提取、裂缝与孔隙区分等方面存在明显不足。提出了一种多尺度裂缝滤波核叠加降噪方法,采用多个滤波核叠加对岩心CT扫描图像进行滤波降噪,再将滤波结果叠加;提出了一种多尺度信息增强裂缝分割方法,将阈值分割、顶帽分割等图像分割方法与边缘增强技术相结合,以增强微裂缝信息,并针对不同尺度裂缝采取不同的分割策略;分析了图像分割三维体的长度、宽度、表面积、体积、形状因子、平整度和伸长率等形态参数之间的关系。研究结果表明,多尺度裂缝滤波核叠加降噪方法显著降低了岩心CT扫描图像噪声干扰,精准地保留了裂缝细节特征;多尺度信息增强裂缝分割方法提高了多尺度裂缝的提取精确度和稳定性;裂缝形态参数图版能剔除与裂缝相似的孔隙、特殊矿物边界等非裂缝,最终实现多尺度裂缝的准确提取。

关键词： 助残手控制   计算机视觉   深度相机   抓取模式识别  

摘要： 助残手是帮助上肢残疾患者恢复日常生活能力的重要方法,但在目前研究中,助残手一般只有张开和闭合这2种抓取模式,不符合真实的手部动作。为了实现不同的抓取模式,提出了一种基于深度相机的助残手不同抓取模式的控制方法,采用物体信息-抓取模式映射的策略,帮助用户控制多指助残手对各种日用品进行抓取。通过设计助残手实验,完成了不同抓取模式下6种日常物体的控制动作。实验结果表明:模式识别成功率达到92.83%,验证了基于深度相机助残手不同抓取模式控制方法的可行性和实用性。

关键词： 灯光控制   深度学习   目标检测算法  

摘要： 基于深度学习的目标检测算法是计算机视觉领域的重要研究方向。YOLO后续版本在 YOLOv1的基础上进行了多方面的改进,采用了更高效的网络架构设计,能够更好地处理不同尺度的目标物体。本文研究实现了深度学习对教室或图书馆等室内人员活动的精准灯光控制。深度学习是从神经网络演化而来的,如今已经发展成众多脉络,基于深度学习的目标检测算法的研究是前沿热点之一。根据训练的方法不同,目标检测算法一般可以分成Two Stage和One Stage两类。通过对两类目标检测算法的研究,可以为灯光控制的智能控制提供理论基础。

关键词： 水下潜航器   目标跟踪   量测异常修正   运动变化约束   扩展卡尔曼滤波   自适应   稳健性   测距精度   动态阈值检测   噪声未知  

摘要： 针对水下环境中量测噪声的非平稳及统计特性未知等问题,本文在典型水下目标跟踪场景下,提出一种融合运动变化约束与自适应噪声估计的量测异常检测与修正机制。结合水下无人潜航器低速航行的运动特性,构建运动模型并引入基于新息分析的动态阈值策略,实现对突发量测异常的实时判别与修正。为增强滤波器在噪声未知环境中的适应能力,进一步引入了Sage-Husa(SH)算法解决噪声未知的问题,在动态环境中自适应调整量测噪声。经仿真与实测结果验证:所提方法与传统方法相比测距误差降低13.16%,表明其在量测噪声非平稳下具备更强的稳健性与适应性。

关键词： 计算机视觉   测量技术   数智化工程监理   质量控制   安全管理  

摘要： 随着工程监理行业数字化转型的逐步深入,计算机视觉测量技术在数智化工程监理中的应用逐渐受到关注。针对工程监理中的质量控制、进度与安全管理、资源优化与文档管理等方面,研究了计算机视觉测量技术的应用框架。介绍了计算机视觉测量系统的设计与实现,包括硬件与软件架构、关键技术与算法等。分析了计算机视觉测量技术在数智化监理中的应用场景,并且探讨了其在质量控制、进度与安全管理、资源优化与文档管理等方面的应用效果。通过案例研究验证了计算机视觉测量技术在工程监理中的应用价值,为工程监理行业的数字化转型提供了有益的参考。

关键词： 路面工程   三维裂缝检测   Sobel算法   匹配滤波算法   图像处理  

摘要： 针对Sobel算法在路面裂缝识别中存在识别结果空心化、噪点多、裂缝连续性差的问题,该文提出一种结合Sobel算法+匹配滤波的联合算法,用于沥青路面三维裂缝识别。该算法通过设计正弦函数形式的匹配滤波器,从Sobel算法的识别结果中提取裂缝特征,再对匹配滤波结果进行阈值过滤和连通域分析,有效解决裂缝识别结果为空心的问题,同时实现了降噪和裂缝连续性的提升。结果表明:Sobel+匹配滤波联合算法的准确率、召回率及F值分别达到84.72%、95.32%、89.44%,其性能优于Sobel算法和Sobel+闭运算联合算法。

关键词： 目标检测   红外   弱小目标   上下文   注意力机制  

摘要： 红外弱小目标尺寸小、信杂比低以及且场景复杂多变,传统目标检测框架对其检测精度以及鲁棒性难以满足实际要求。为解决上述问题,本文提出了一种融合密集嵌套结构与非对称上下文的红外弱小目标检测方法DNACNet(Densely Nested with Asymmetric Context Net)。该方法通过构建密集嵌套骨干网络,结合非对称上下文实现全局注意力调制,增强多尺度上下文信息交互,使红外弱小目标的特征表达更加完整。在公开数据集NUDT-SIRST和NUAA-SIRST上进行了大量实验,结果验证了DNACNet在检测红外弱小目标精度和鲁棒性方面均具有显著优势。

关键词： 显著性目标   多尺度特征融合   注意力机制   U^(2)Net  

摘要： 显著性目标检测是计算机视觉领域热门研究之一,而显著性目标检测在处理背景复杂的图像时存在检测目标边缘模糊的问题。提出了一种多尺度特征信息融合的网络结构U^(2)Net_MFF(U^(2)Net_multi-scale feature fusion)。该网络通过对每层解码器增加跳跃连接,使每层解码器不仅能够获得上一级解码器的特征还能获得本层以上所有更浅层次的特征信息,以此来获取目标区域更多的细节特征,提高网络的检测精度;将动态上采样DySample融入到残差U型块中来提高上采样后特征图的质量,并结合多维度协作注意力机制抑制图像复杂背景干扰的同时提升对显著性目标区域的敏感程度。实验表明,改进后的算法在准确率、精确率、召回率、均交并比和F 1分数上分别提升了1%、0.3%、0.4%、0.7%和0.8%,证明该算法具有更强的抗干扰能力和更清晰的目标边界检测效果。