关键词： 大型车库   裂缝检测   图像处理   Frangi滤波   保边去噪   噪声  

摘要： 为了准确检测地下与地上大型车库裂缝、去除采集裂缝图像数据时噪声的影响,以满足混凝土结构高精度、高效率的检测要求,采用引导滤波对采集的原始图像进行预处理,在保留裂缝边缘的同时平滑了背景噪声。提出了一种基于改进Frangi滤波的裂缝快速识别算法。基于预处理后的图像,采用改进Hessian矩阵特征值的判别方法,加强对图像中细小裂缝的识别。结合自动阈值化方法,滤除小面积非裂缝区域,实现对裂缝区域的高精度提取。试验结果表明,该算法能够实现复杂噪声下大型车库混凝土表面裂缝的精准、高效识别,裂缝识别区域交并比(IOU)为91.17%、平均误检率为0.12%、平均漏检率为6.89%。该算法在快速保边去噪的同时实现了混凝土表面裂缝的高精度识别,满足了工程检测的需求。

关键词： 改进YOLOv4   双臂协作   分拣系统   目标检测   轻量化  

摘要： 随着智能制造和自动化物流的发展,双臂机器人在复杂环境下的协作分拣任务受到越来越多的关注。然而,当前的目标检测模型在应对多变复杂的工厂环境时,往往难以兼顾精度和实时性,导致分拣效率和准确性受到影响。因此,提出了一种基于轻量化改进的YOLOv4的双臂协作分拣目标检测模型,旨在提高机器人在动态环境中的目标检测能力和分拣效率。实验结果表明,改进后的模型检测图片的平均耗时为0.031s,平均精度均值为96.3%,对不同种类工件的分类准确率为97.82%,具有良好的综合性能。改进后的YOLOv4模型显著提高了目标检测的精度和速度,同时在双臂协作分拣任务中表现出更高的稳定性和适应性,为实现高效的双臂机器人协作分拣提供了一种可行的解决方案。

关键词： 两相流   颗粒   奥克托今造型粉   原位测量   深度学习  

摘要： 针对原位、在线获取奥克托今(HMX)造型粉形貌信息的需求,设计了颗粒图像探针及采集系统,获取了造型粉悬浮颗粒图像。以掩模区域卷积神经网络(Mask RCNN)为框架,提出了一种基于改进Swin Transformer的图像处理方法,通过并联通道注意力模块和窗口自注意力机制提出CA-Swin Transformer结构以合理分配图像通道的关注度,并进一步结合特征增强模块建立了一种颗粒识别网络(particle recognition network,PRNet),有效提高了颗粒识别精度。以标注的HMX造型粉图像数据集对PRNet进行训练与测试。结果表明,PRNet的AP、AP_(50)和AP_(75)分别达到了62.3%、84.4%和72.5%;识别特征粒径D_(10)、D_(50)、D_(90)和D_(max)与人工标注值的相对误差分别为-4.788%、-0.770%、-0.272%和0.313%,均优于基准网络Mask RCNN及其以Swin Transformer为主干网络的变体。此外,对重叠颗粒的遮挡部分进行复原,重叠颗粒圆形度、Feret直径和长宽比与人工标注绝对相对误差分别小于8%、4%和5%。

关键词： 深度学习   计算机视觉   表情识别   微表情特征   谎言识别  

摘要： 目前,有多种谎言识别方法,包括使用测谎仪测谎.然而这些方法执行起来效果有限,不仅需要与被测谎对象产生接触,而且要求相关人员具备专业知识,不便于实行,且效果有限.心理学研究表明,微表情是人脸上的一种持续时间极其短暂的细微肌肉运动,能反映人在做出此表情时的真实内心状态.相关研究表明,人脸上的微表情特征可以作为谎言识别的线索.本文研究基于微表情特征的谎言识别,首先构建一个说谎时的微表情数据集,命名为MED.其次,设计一个基于多层自注意力机制的微表情特征学习模型MEDR,根据学习到的说谎和未说谎时的微表情特征进行谎言识别.最后,本文还在新构建的数据集上,对本文设计的模型与一些现有模型进行实验对比,实验结果显示,本模型在自制高质量数据集上取得94.33%的准确率,表明本模型在谎言识别方面具备出色的性能.

关键词： 图像处理   无线充电   运动控制   智能车  

摘要： 以全国大学生智能车竞赛为背景,针对无线充电智能车所需实现的功能及性能指标要求,提出了一个实现方案。以英飞凌TC264D单片机为主控制器,以超级电容组为储能装置,通过充电线圈检测模块检测智能车与无线充电发射线圈的相对位置关系,进而控制智能车在充电时的精准停车位置以提高充电效率;通过MT9V034摄像头检测赛道图像,采用边界识别算法拟合虚拟中线算法,对图像进行处理并提取出赛道元素信息;通过赛道元素信息处理策略得出智能车的控制规律,实现自主寻迹运行。在搭建的赛道上对智能车实物进行测试,结果表明,该智能车具有停车精准度高、充电效率高、寻迹速度快等优点。

关键词： 机器学习   白关丝瓜   分级检测   图像处理   目标检测  

摘要： 白关丝瓜是株洲地区唯一获得国标“双认证”的蔬菜类产品,其品质分级对于市场销售和产业发展具有关键意义。探讨如何利用机器视觉处理白关丝瓜图像,以便进一步实现等级划分。通过采集并处理外观图像得到形状特征,采用机器学习算法构建分级模型,提出一种根据白关丝瓜图像的矩形度和圆形度的组合来确定白关丝瓜批次形状的方法。对获取的白关丝瓜样本进行训练和测试来不断优化模型参数,以提高其分级性能,剔除符合不同标准的白关丝瓜。实验结果表明,基于机器学习的分级方法能有效区分不同等级的白关丝瓜,准确率达到93%以上,相较于人工分级方法,具有更高的准确性和稳定性。

关键词： 深度学习   目标检测   注意力机制   计算机视觉   复合缩放   航拍   无人机  

摘要： 无人机结合计算机视觉技术成为新的信息获取手段,广泛应用于各个领域,但无人机多角度成像过程中,目标像素占比小,受背景干扰严重,存在目标漏检误检等现象。针对此问题,提出一种小目标检测算法。首先,替换更高效的主干网络,应用复合缩放的方式来探索网络深度、宽度以及图像分辨率三者间的平衡点;结合C2f层级链接的优势,应用注意力机制来有效提取不同尺度、方向和形状目标的上下文细节信息,并通过并行网络实现小目标位置信息的交互建模。其次,针对小目标像素利用率低的特点,设计DTADH模块,构建共享特征交互模块,结合任务对齐预测器进行目标的分类以及定位分配,经注意力机制动态计算任务特征来进行任务分解,有效减少了参数量,提高整体性能。在无人机航拍数据集VisDrone2019上进行实验,结果显示算法的mAP提升了2.1%,FLOPs减少了32.5%。计算复杂度下降,具有更好的检测效果。

关键词： 深度学习   目标检测   真空包装   缺陷检测   YOLOv5s  

摘要： 针对真空包装缺陷检测任务中人工剔除和传统机器学习算法检测的方式存在效率低下、检测精度不高的问题,提出了一种基于YOLOv5改进模型的目标检测方法。首先,使用SPD卷积模块代替普通跨步卷积进行下采样,减少了卷积过程中的特征信息丢失,并引入Ghost模块,在减少模型参数和计算量的同时提高了检测精度;其次,引入SimAM(Simple Attention Module)无参数注意力模块,进一步增强了模型的特征提取能力;最后,采用AFPN渐进式特征金字塔网络,弥补了非相邻层级特征融合语义差距大的不足。改进后的模型在自制真空包装缺陷数据集上的平均精度达到96.84%,相比原YOLOv5模型提高了3.38%,同时模型尺寸减少了25.89%。实验结果表明所提检测算法可有效提高真空包装缺陷检测的效率。

关键词： 现场可编程门阵列(FPGA)   视频数字识别   图像处理   Verilog HDL   视频图形阵列(VGA)  

摘要： 构建了一种基于现场可编程门阵列(field programmable gate array,FPGA)和CMOS图像传感器OV7725的视频数字识别系统.该系统包括人工光感受器、数字电位器阵列相关电路和视频图形阵列(video graphic array, VGA)显示器.由FPGA和CMOS图像传感器OV7725组成的人工光感受器将视频数字输入并进行图像处理,利用数字电位器阵列相关电路进行数字的训练与识别,可通过VGA显示器和FPGA上的数码管进行数字显示.系统采用QuartusⅡ18.1软件平台,通过Verilog HDL语言进行程序编写并进行时序分析验证.该系统能识别0到9的视频数字,取得了良好的效果,从而实现了基于FPGA的视频数字识别系统.

关键词： 混凝土结构   损伤检测   YOLO v5算法   注意力机制   目标检测  

摘要： 针对混凝土结构损伤人工检测方法主观性强、效率低的问题,提出了一种基于改进YOLO v5算法的混凝土结构损伤检测方法.首先,将YOLO v5的耦合头更换为解耦头,可有效避免目标损伤信息和背景信息相互干扰的问题,提高模型的特征表达能力;其次,在YOLO v5中加入了包含通道注意力模块和空间注意力模块的CA注意力机制,使模型忽略掉一些无关信息,可以更好关注到目标损伤的特征信息.通过建立的4101张包含实际工程中混凝土结构裂缝、剥落和露筋三种类型损伤的数据集对模型性能进行对比验证.试验结果表明:相较于YOLO v5模型,改进后的模型在混凝土裂缝、剥落和露筋的检测平均精度值分别提升了2.6%、1.3%和0.5%,mAP值提高了1.4%,且mAP值和FPS值均优于Faster R-CNN和YOLO v3目标检测算法,可较好满足实际工程中混凝土结构损伤检测任务的需求.