关键词： 岩心分析检测技术   油气勘探   数字化   图像处理  

摘要： 岩心分析是认识油气层地质特征的重要手段,同时也是保护油气层技术的基础。岩心分析在油气勘探中发挥着至关重要的作用,是了解地下地质状况的主要手段,通过岩心分析能够帮助人们了解地下岩石相关参数,并以此为依据判断油气层、含油气情况以及储集特征等,为油气开采奠定基础。岩心分析检测技术类型多样,不同类型的技术有着相应的优点与局限性,在油气勘探中应结合实际情况合理选择岩心分析检测技术,使其更好的为油气勘探服务。基于此,本文分析了常规岩心分析检测技术的优缺点,并就数字化新技术方法和应用进行探究。

关键词： 区域最小熵   相对总变分   雾霾线理论   图像处理   去雾  

摘要： 针对去雾算法得到的复原图像细节模糊、颜色易失真的问题，提出了一种改进的图像去雾方法。首先，获取含雾图像的主结构图及最小通道图，计算主结构图像的行列亮度映射，并寻找最值和次最值点，组合构成四个备选区域，将其中最小熵区域的中值作为全局大气光值。然后，通过引入雾线可靠性评估参数来判断透射率点是否属于噪声区域，对噪声区域的透射率点进行聚类，并利用邻域雾线优化透射率，合并像素点过少的簇，适当放大最大辐照度的选择范围以弥补区域受限带来的误差。最后，使用侧窗盒式滤波提取最小通道中的边缘信息，并根据雾线聚类结果的特性设计相对总变分的自适应权重因子，去除纹理信息，进一步细化透射率，并最终根据大气成像模型得到复原图像。实验结果表明，提出的算法相较于多种去雾算法，在复原图像的信息熵、平均梯度、模糊系数及雾霾浓度评价指标（FADE）等指标均有显著性能改进，复原图像的细节更加完整，其色彩更好地匹配人类视觉感知。

关键词： 图像处理   文字识别   深度学习   工件编码   坐标变换  

摘要： 针对工件在生产加工与使用过程中弧形编码难以识别、影响信息溯源与质量追踪的问题，本文设计了一种基于改进极坐标变换的工件弧形编码视觉识别算法。首先，采用分水岭算法对多个随机平铺的工件图像进行分割；其次，应用自适应直方图均衡化算法依次提取每个工件的字符图像；然后，利用改进的极坐标变换方法将弧形编码展开为线性编码；最后，结合YOLOv5s深度学习模型完成字符识别。实验结果表明，该方法字符错误率降低10%，词错误率降低9%，验证了其有效性。该算法为工件编码的高效、准确识别提供了可靠技术支持。

关键词： 开放世界目标检测   混合采样   互信息最小化   特征解耦   仿射变换   任务路由机制  

摘要： 开放世界目标检测(Open World Object Detection， OWOD)需兼顾已知类别检测与未知目标识别，并支持增量学习新类。针对现有方法未知类召回率低、特征解耦不足及增量学习稳定性差等问题，提出混合采样与解耦协同的开放世界目标检测算法（Hybrid Sampling and Decoupling Collaborative for OWOD， HSDC-OWOD）。该方法设计三个模块协同工作：1）混合分布提案生成模块（Mixed Distribution Proposal Generation， MDPG），融合高斯分布与长尾分布特性，生成覆盖更加全面的区域提案，增强目标检测的适应性；2）多任务自注意力解耦模块（Multi-task Self-attention Decoupling Module， MSDM），采用双分支自注意力机制解耦类别预测与对象性预测任务特征，引入互信息最小化技术强化特征独立性，并通过最大softmax概率验证提升未知类别识别鲁棒性；3）多任务自校准层（Multi-Task Self-Calibration Layer， MT-SCL），设计双分支独立仿射变换重构任务特征空间，结合任务路由机制缓解增量学习中的灾难性遗忘问题。实验表明，在M-OWODB数据集上，算法的未知类召回率较最优基线提升1.2%-1.9%，mAP提升1.1%-1.5%；在增量学习任务中，模型mAP达74.2%，较现有方法提高1.4%-1.8%，验证了算法在改善召回率低、特征解耦不足及增量学习稳定性差等问题上的有效性。

关键词： 计算机视觉   轨道交通   特征提取   目标检测  

摘要： 轨道交通系统作为交通网络的骨干，因其高效、便捷的特点，在现代社会中扮演着至关重要的角色。随着技术的持续进步，计算机视觉技术已成为推动轨道交通系统向更高效和更可靠发展的关键因素。本文深入探讨了计算机视觉技术在轨道交通领域的研究现状，评估了该技术对提升运输效率和安全性的重要贡献，并分析了在实际应用中遇到的挑战以及可能的改进方向。本文通过当前的三种主要应用方向：车站安全检测、轨道安全检测和车体状态检测分析了计算机视觉技术的应用内容，并分析了当前研究的发展方向。最后，文章对未来发展趋势进行了展望，预测了计算机视觉技术将如何进一步推动轨道交通系统的自动化、智能化，以及在保障数据安全的前提下，为轨道交通领域带来更多创新和突破。

关键词： 钢渣颗粒   堆积角   图像处理   接触参数标定   正交试验   数值模拟  

摘要： 【目的】为了使基于离散元单元法（discrete element method,DEM）的仿真软件EDEM的数值模拟结果能够更准确地反映炼钢过程中钢渣颗粒的流动特性，分析钢渣颗粒接触参数的最优组合，为钢渣颗粒的离散元仿真提供可靠参数依据。【方法】采用实验与仿真结合的方法，通过实验测得钢渣颗粒的粒径分布、密度、颗粒形状、堆积角度等基本参数，并设计正交试验对颗粒-颗粒接触参数进行参数标定；利用Python软件的OpenCV库实现堆积角图像的读取处理。【结果】经正交试验确定的颗粒-颗粒最优接触参数组合为：滚动摩擦系数为0.1，静摩擦系数为0.35，恢复系数为0.1；实际钢渣颗粒堆积角为26.39°，仿真最优参数组合的堆积角为25.92°，二者相对误差为1.78%；其中，恢复系数对堆积角的影响最为显著，滚动摩擦系数次之，静摩擦系数影响最小。【结论】表明此参数标定方法是可行的，获取的参数可用于钢渣的离散元仿真。

关键词： 低可见度   YOLOv11   注意力机制   损失函数  

摘要： 针对低可见度环境中，图像质量下降不仅降低了特征与背景之间的可分辨性，还容易引发定位不准、类别混淆等问题，提出了一种改进YOLOv11的目标检测算法。首先，构建多尺度注意力融合模块MulSimAM，用于增强模型对关键区域的特征提取能力；设计动态特征融合模块DyPSA，以替代原有C2PSA 结构，通过联合动态通道混合与空间注意机制，提升了模型对不同区域特征的自适应感知能力；最后，提出了定位精度优化损失EnSIou，结合尺度自适应距离调节、纵横比一致性约束与加权融合机制，提升物体在低可见度场景下的定位精度。实验结果表明，改进后的算法在自建的低可见度场景目标检测数据集上的检测精度、准确率和召回率方面取得了更优表现，同时消融实验表明两个模块改进以及损失函数优化均在低可见度图像中表现出更强的目标检测能力。

关键词： 弱小目标检测   曲率特征点   曲面校正   运动轨迹筛选   目标特征相似度指标  

摘要： 在天基红外预警任务中，弱小目标具有成像尺寸小、运动规律未知的特点。现有红外弱小目标探测任务主要关注匀速直线运动目标检测问题，对高动态目标的有效检测算法尚需进一步开发。针对天基红外预警任务中高动态非线性运动目标检测问题，提出了一种基于曲面校正的天基弱小目标检测算法。首先，利用弱小目标在三维响应图中的类高斯分布特性，结合曲率滤波和目标特征相似度指标（Target Feature Similarity Metrics，TFSM）提取特征点。随后，通过曲面校正将图像位移反向投影至相机坐标系，消除地球曲面对位移的影响，实现对“远距低速投影”与“近距高速真实运动”的解耦识别。最后，基于运动轨迹的连续性和一致性，采用自适应波门机制和全局运动估计实现目标轨迹的可靠聚类。实验结果表明，该算法在弱小目标检测中优于传统方法，具有更高的检测性能和工程实用价值。

关键词： 电动车   目标检测   YOLOv8n   轻量级CBAM   BiFPN  

摘要： 针对复杂场景下的电动车检测中存在检测速度慢、存在遮挡和识别准确率低等问题，提出基于双向特征金字塔网络（BiFPN）和轻量级CBAM注意力机制改进的YOLOv8n模型。BiFPN通过学习图片的输入特征，加上反复的融合多尺度特征表达，加强了对电动车的检测；加入轻量级CBAM注意力模块，它能够自动调整目标图片的通道和空间特征响应，加强了对电动车轮廓的关注，减少了复杂环境的干扰，同时也减少了计算量，提高了模型运行的速度。研究结果表明，改进后的模型和原模型相比，在精确度(P)、召回率(R)、mAP@50、mAP@50:95中分别提升4.1%、3.0%、3.8%、3.5%，提高了电动车检测的准确率和速度，为实际电动车的检测提供了有效的方案。

关键词： 轴承装配   图像处理   图像分割   大津算法   多特征感知和贝叶斯优化   Otsu加速方法   三维度特征加权   分块动态优化  

摘要： 针对轴承装配后质检时，工业相机采集到的图像存在混合噪声和背光源过曝，导致图像分割精度不高、影响后续处理的问题，提出了一种基于多特征感知与贝叶斯优化的改进大津算法（Otsu）的轴承图像阈值分割方法。首先，在图像感知层面，读取、计算了图像的灰度值、梯度幅值、局部二值模型并完成了储存，对三特征数据分别进行了归一化处理，加权融合了三特征数据，得到了轴承图像的加权融合图；然后，在计算效率层面，引入了贝叶斯优化与分块动态规划方法，替代了Otsu的穷举法；最后，结合感知方法与加速方法，得到了一种基于多特征感知与贝叶斯优化的改进Otsu算法（MFB-Otsu），并与其他阈值分割算法进行了性能对比实验。研究结果表明：与Otsu算法、自适应分割算法对比，MFB-Otsu算法保留了轴承图像全局亮度分布的基础上，强化了外轮廓边缘，抑制了边缘噪声，输出图像边缘平滑，背景与前景彻底分离；在实测边缘提取中，边缘信息保留完整，噪点干扰率相较于Otsu降低了55%；在客观图像评价指标方面，该算法的分割准确率、交并比、F1值分别达到0.997、0.989、0.994，优于Otsu算法和自适应分割算法；在计算效率层面，相较于Otsu提高了12.9%。改进Otsu算法在轴承尺寸检测中表现出良好的通用性与稳定性，具有一定的工程应用价值。