关键词： 人体三维建模   计算机视觉   Kinect  

摘要： 针对人体三维建模技术中存在精度有限、难以精确投影至人体图像轮廓、姿态深度信息缺失等问题,提出了一种基于立体视觉和Kinect相机的人体三维建模算法,通过将Kinect相机采集的点云数据集与立体视觉技术下建立最初的人体模型相匹配,不断优化模型参数,实现基于单幅图像的人体三维建模。结果表明,本文算法所建模型的均方根误差相较于Hmr算法平均减少了31%,能够较为准确地将所建立的三维模型投影到彩色图像中的人体轮廓,重建出较为精确的人体三维模型。

关键词： OpenMV   单片机   串口通信   PID控制算法   图像处理  

摘要： 针对大多数球类运动中存在自动捡球小车误判率高和捡球效率低的问题,设计一款自动捡球小车,以STC89C52RC单片机为主控模块,结合OpenMV视觉模块、光照模块、超声波模块、舵机等外围设备。通过引入PID控制算法,小车的运动轨迹得到了优化。在识别小球过程中,提出一种小球识别算法,该算法运用二值化、腐蚀、膨胀、连通域处理和边缘检测等图像处理操作,降低了小车的误判率。测试结果表明,PID控制算法优化了小车跟踪速度;所提的小球识别算法显著降低了小车的误判率。

关键词： 机器视觉   尺寸测量   图像处理   视觉平台  

摘要： 本文针对现代制造业对工件尺寸测量的高精度、高效率需求,提出了一种基于机器视觉平台的工件尺寸测量方法。本研究通过调节光学成像系统参数,包括光源亮度和镜头配置,结合图像处理软件的灰度匹配、直线检测等功能算子与脚本编程,保证了工件测量方法的稳定性和精度。实验结果表明,该方法在保证单件测量效率的同时,将尺寸测量重复性误差控制在合理区间,能够有效适应复杂工况下的尺寸测量需求。

关键词： YOLOv8   卷积函数   轻量化网络   注意力机制   目标检测   深度学习   自动分拣   核桃品种检测  

摘要： 为了提高在传送带上核桃品种检测的精度,文中提出一种轻量化核桃品种检测算法(YOLOv8n-EAM)。首先,该算法采用多尺度卷积结构,通过对GhostNet的冗余特征最小化策略、分组卷积和MobileNet的通道特征融合进行改进,显著提高了模型的核心特征提取能力;其次,为了更好地保留特征图中的信息和尺度不变性,采用平均池化和最大池化进行下采样,在减少浮点运算量的同时,提高了模型的检测准确率;最后,在空间金字塔池化中内嵌MLCA注意力机制,提高模型在Neck部位捕获不同尺度语义信息的能力。实验结果表明,在自制的核桃数据集上,YOLOv8n-EAM算法相比YOLOv8n算法浮点运算量有所降低,模型体积降低了17.7%,精确率、召回率、mAP@0.5和mAP@0.5:0.95分别提高了3.6%、1.6%、1.4%和2.8%。在Pascal VOC 2007数据集上,YOLOv8n-EAM算法相比其他算法同样有较高的平均检测精度,mAP@0.5和mAP@0.5:0.95分别为58.2%和37.2%,均优于其他对比的目标检测算法,可以为工业上对核桃品种分拣提供技术支持。

关键词： 暗光图像增强   机器视觉   边缘计算平台  

摘要： 为了提升视觉任务在复杂暗光环境中的鲁棒性,并满足边缘计算平台对实时目标检测的需求,本文提出了一种改进的轻量化暗光图像处理网络(RPC-YOLO)。该网络前端采用基于Retinexformer改进的RetinexIGTNet对暗光图像进行快速处理,并结合YOLOv5n实现高效的端到端目标检测。此外,模型引入部分卷积(C3-fasterblock)减少计算冗余,跳过无用区域,显著降低参数量并提升推理速度。同时,设计级联注意力机制(CGA)增强特征提取精度和计算效率。实验表明,改进后的模型在公开数据集上的mAP值较原YOLOv5n提升了23%,参数量减少12万,真实场景检测速度(FPS)达到44.65,满足边缘计算平台的实时性需求。该模型为暗光环境下的边缘计算任务(如视觉引导的机械臂抓取)提供了更高效的解决方案。

关键词： 机器视觉   图像处理   YOLOv8   教学实践  

摘要： 为解决图像处理与机器视觉课程内容更新滞后、视觉识别等前沿领域知识匮乏、缺乏学科交叉知识等问题,提出了一种基于改进YOLOv8人员视觉识别的图像处理与机器视觉课程教学方法,旨在帮助学生深入接触视觉识别领域的前沿知识,拓宽跨学科背景,深刻理解视觉识别原理。在激发学生学习兴趣的同时,帮学生更加有效地掌握视觉识别领域的知识。

关键词： 白酒包装   标签   自动识别   图像处理   缺陷检测   机器学习  

摘要： 包装标签在白酒生产过程中不仅承载品牌标识与产品信息传达功能,更直接影响消费者对产品质量与企业形象的认知,当前贴标环节普遍存在偏移、起皱、印刷模糊等问题,人工检测方式效率低、准确率受主观影响大。本文结合白酒包装标签常见缺陷类型及其影响,探讨了白酒包装标签自动识别与缺陷检测技术并对其应用效果进行分析,以期提升白酒包装质量与生产智能化水平。

关键词： 道路场景   目标检测   域泛化   域不变特征生成   自蒸馏  

摘要： 道路场景目标检测是智慧交通领域的重要组成部分,直接关系到众多智慧交通应用性技术的实施.然而,现有道路场景目标检测域泛化技术普遍存在域不变特征提取不充分、检测精度不高和泛化能力弱的问题.针对此问题,提出复杂天气条件下道路场景目标检测的域泛化方法.设计了道路场景域不变特征生成模型,分别提取源域图像的域内不变特征和域间不变特征,并生成更具多样性的复杂天气条件下的道路场景域不变特征,以提高目标检测模型的泛化能力;在此基础上,设计了道路场景目标检测域泛化模型,引入自蒸馏机制,使目标检测模型提取的特征拥有丰富的域不变特征,以进一步增强泛化能力,从而提高目标检测模型的检测精度.实验结果表明,所提出的目标检测域泛化模型性能与对比模型相比有明显提升,能显著提高目标检测模型的泛化能力和检测精度,其中F1-score较基线目标检测模型提升0.042~0.051,均值平均精度(mean average precision,mAP)提升3.0%~5.9%,证明了所提出的目标检测域泛化方法的有效性和优越性.

关键词： 360°全景图像   显著目标检测(SOD)   畸变自适应   位置感知   抗背景干扰  

摘要： 目的现有360°全景图像显著目标检测方法一定程度上解决了360°全景图像投影后的几何畸变问题,但是这些方法面对复杂场景或是前景与背景对比度较低的场景时,容易受到背景干扰,导致检测效果不佳。为了同时解决几何畸变和背景干扰,提出一种畸变自适应与位置感知网络(distortion-adaptive and position-aware network,DPNet)。方法提出两个对畸变和位置敏感的自适应检测模块:畸变自适应模块(distortion-adaptive module,DAM)和位置感知模块(position-aware module,PAM)。它们可以帮助模型根据等矩形投影的特点和具体图像决定应该关注图像的哪些区域。在此基础上,进一步提出一个显著信息增强模块(salient information enhancement module,SIEM),该模块用高级特征指导低级特征,过滤其中的非显著信息,防止背景干扰对360°显著目标检测效果的影响。结果实验在2个公开数据集(360-SOD,360-SSOD)上与13种新颖方法进行了客观指标和主观结果的比较,在8个评价指标上的综合性能优于13种对比方法。本文还设置了泛化性实验,采用交叉验证的方式表明了本文模型优秀的泛化性能。结论本文所提出的360°全景图像显著目标检测模型DPNet,同时考虑了360°全景图像投影后的几何畸变问题和复杂场景下的背景干扰问题,能够有效地、完全自适应地检测显著目标。

关键词： 传感网   目标跟踪   一致性算法   置信度  

摘要： 在视场互补传感网目标跟踪应用中,当目标跨节点视场时,目标在每个时刻仅能被部分节点观测到并返回目标量测,导致各节点对同一目标的状态估计精度参差不齐,节点间进行自适应一致性信息融合的增益权重失配,使得传感网目标跟踪性能恶化。在现有ACFr滤波算法基础上提出了一种基于置信度的自适应一致性滤波算法(Confidence-based Adaptive Consensus Filter,CB-ACF)。所提算法利用节点对目标可观性的历史统计量,将目标跨节点状态细分为入视场和出视场两种情况,并基于其设计能够反映各节点对目标状态估计精度变化趋势的自适应置信度计算规则,利用节点置信度设计一致性增益权重并对各节点间状态估计值进行自适应一致性滤波融合。仿真验证结果表明,所提算法与经典自适应一致性滤波算法相比,传感网的目标状态估计精度及节点间目标状态估计一致性均有较大提升。