关键词： 光学传感   空间频率响应   实时调焦   图像处理  

摘要： 通过分析光学传感器原理,设计了一种基于光学传感的实时调焦算法,并对其进行了优化。实验结果表明,该算法能准确获取图像的空间频率响应(spatial frequency response,SFR)值,并通过实时调整焦距来优化图像清晰度。优化后的算法在提升调焦精度和响应时间方面表现优异,可有效减少焦距调整时间,提高系统的自动对焦性能,为智能设备图像处理提供了新的解决方案。

关键词： 太阳能板   智能跟踪   光伏发电   计算机视觉  

摘要： 随着可再生能源需求量的增加,提高光伏发电效率变得越来越重要。相较于传统的固定式光伏支架,太阳能板跟踪支架具有辐照效率高、发电时间长等优点,得到了迅速推广和应用。然而,由于高散射天气和地势起伏等因素,传统光伏跟踪策略存在阴影遮挡和运动失配等局限性。为了弥补这些不足,提出了一种基于计算机视觉的太阳能板智能跟踪方法。实践应用表明,该方法可以高精度地追踪太阳位置的变化,有助于提高光伏发电的效率。

关键词： 反无人机   嵌入式   边缘设备   目标检测   特征融合  

摘要： 随着无人机技术广泛应用,其滥用带来的安全风险日益显著。而传统检测和预警技术成本高、易受干扰。深度学习计算机视觉技术为无人机检测提供了高效、精准、低成本优势的新方案。然而,边缘设备上的无人机检测面临复杂背景、目标小且快、运动模糊及精度与速度平衡等挑战,本文基于YOLOv8模型,针对边缘设备限制,引入轻量级动态上采样器DySample加强特征融合,并应用三维注意力机制SimAM自适应调节特征权重,聚焦于目标区域,旨在提升无人机检测的准确性和鲁棒性,有效应对边缘计算环境下的检测难题。在Det-Fly与TIBNet数据集实验数据表明,本文提出的方法分别提升了4.5%、3.17%,且在边缘计算板中效果提升4.04%、4.34%,显著提升检测效率,满足实时反无人机检测的实际需要。

关键词： 煤矸石   目标检测   改进YOLOv8s   轻量化   实时分选  

摘要： 煤矸分选是煤矿生产的必要环节,煤矸自动识别是实现智能化分选的前提。基于深度学习的煤矸石目标检测可以充分利用图像特征,其精度上限高,但存在模型计算量较大、难以部署实时分选现场等问题。针对上述问题,提出轻量级的DVBS-YOLOv8s煤矸石目标检测方法。为了提高模型的推理速度,在YOLOv8s的网络骨干部分引入DSConv和Vanillanet模块,在网络颈部引入Slim-neck实现轻量化;为了提高模型对皮带背景和煤矸石目标的特征抓取能力,引入BoT和Slim-neck;最后利用WIoU和Soft-NMS算法增强训练效果。搭建图像采集试验平台,并自建14 790张煤矸石图像作为数据集进行试验,结果表明,在煤矸石目标检测任务中,与YOLOv8s相比,改进后的DVBS-YOLOv8s-WS网络模型更加关注全局特征,增大了感受野,同时推理速度加快了32%;与YOLOv5系列、YOLOv7系列、SSD、Faster-RCNN和YOLOv8s相比,检测精度和速度均有所提高,为实现基于深度学习的煤矸石高精度实时分选提供了参考。

关键词： 航拍图像   小目标检测   YOLOv8s   特征提取   注意力机制   损失函数  

摘要： 针对无人机航拍图像中目标尺寸差异大、小目标聚集程度高、目标被遮挡,导致目标检测算法出现误检和漏检的问题,提出了一种基于多特征跨层融合的航拍小目标检测算法DM-YOLOv8。设计了一种部分通道可变形卷积模块PCDConv,在此基础之上改进了C2f中的Bottleneck模块,记为PCD_C2f,进而替换主干部分C2f,自适应地调整卷积核的采样位置,提升主干网络对被遮挡小目标的特征提取能力。改进neck网络,针对检测模型对浅层信息利用不足,基于Bifpn重新设计neck网络,并在小目标检测层中引入设计的多特征跨层融合模块MFC,对细粒度的空间信息和通道信息进行整体建模。添加融合多个注意力机制的目标检测头DyHead,提高检测模型对小目标的检测精度。改进边界框损失函数,提高模型对航拍图像中困难样本的学习能力。实验结果表明,在VisDrone2019数据集上DM-YOLOv8相较YOLOv8s,mAP 0.5和mAP 0.5:0.95分别提升了3.7%和2.1%,满足实时检测的要求。

关键词： 人形机器人   伺服电机   无线WIFI技术   颜色追踪   人脸识别  

摘要： 在多样化的机器人应用场景中,智能人形机器人控制系统已成为当前研究的热点。通过结合数字图像处理技术、计算机视觉原理以及模式识别方法,本文实现了一款高效能、自动化程度高的辨识智能人形机器人控制系统设计。在硬件设计方面,本文结合了伺服电机的精密控制与力矩输出特性,实现了机器人关节的平滑连贯动作。在软件设计方面,软件整体程序采用模块化函数的编程思想,根据硬件设计按照功能不同分好模块进行相应子函数模块编程,主要分为三个时期:系统各模块的初始化、读取MPU6050传感器的数据、动作组程序控制、辨识功能实现(颜色识别、人脸识别等)。测试结果显示,该系统在对颜色目标的追踪和人脸识别上均达到了90%以上的准确率。该智能人形机器人具备一定精度的辨识能力,运行稳定,功能完善,具有一定的应用前景。In diverse robot application scenarios, intelligent humanoid robot control systems have become a current research hotpot. By combining digital image processing technology, computer vision principles, and pattern recognition methods, this paper realizes the design of an efficient and highly automated identification intelligent humanoid robot control system. In terms of hardware design, this article combines the precision control and torque output characteristics of servo motors to achieve smooth and coherent movements of robot joints. In terms of software design, the overall software program adopts the programming concept of modular functions. According to the hardware design, modules are divided into different functions for corresponding sub function module programming. It is mainly divided into three stages: initialization of system modules, reading data from MPU6050 sensors, control of action group programs, and implementation of recognition functions (color recognition, face recognition, etc.). The test results show that the system has achieved an accuracy rate of over 90% in tracking color targets and facial recognition. This intelligent humanoid robot has a certain degree of accuracy in identification, stable operation, complete functions, and has certain application prospects.

关键词： 红外图像   目标跟踪   压缩感知   空时加权   遮挡检测   贝叶斯分析  

摘要： 为了有效解决了遮挡、运动模糊、拖尾等干扰影响下跟踪漂移的问题,本文提出一种基于两阶段时空加权特征的红外目标跟踪算法,该算法将目标区域分割成相同尺寸的非重叠区域,并根据相距目标中心的位置信息分配不同的权值,以此推导出具有自适应时空加权贝叶斯分类器;然后,利用改进的度量准则找出具有最大类差的分类样本,具有较高的跟踪适应性,且在目标被遮挡时具备对目标的重捕和跟踪。仿真实验表明,相比SiamFC等主流跟踪算法,所提算法在LSOTB-TIR目标跟踪数据集中重叠率和中心误差指标上均实现显著优化,大幅提升了跟踪稳定性与定位精度,且跟踪速度达到56帧/s,适合工程应用。

关键词： 激光图像处理   特高压   输电线路   故障定位识别   维纳滤波   形态学  

摘要： 研究基于激光图像处理技术的特高压输电线路故障定位识别方法,提升故障定位识别效果。利用单点激光扫描成像仪,采集特高压输电线路激光图像;通过维纳滤波算法,去噪处理特高压输电线路激光图像;利用改进多显著性集成算法,结合K-means聚类算法,在去噪后激光图像内,提取显著性颜色特征与结构特征,并融合颜色特征与结构特征,得到特高压输电线路显著性故障区域;通过多尺度轮廓结构元素形态学,处理显著性故障区域,得到故障区域边缘图像;以统计分析边缘图像颜色分布方式,构建颜色判决模型,凸显故障区域,并提取故障区域的边缘轮廓;在原始特高压输电线路激光图像内绘制故障区域边缘轮廓,便可精准定位识别故障位置。实验证明:该方法可有效采集特高压输电线路激光图像,并完成去噪处理;该方法可有效提取颜色与结构特征,并有效提取故障区域边缘图像,完成故障定位识别;在不同过渡电阻时,该方法均可精准定位识别输电线路故障位置。

关键词： 烟感图像处理   颜色特征   纹理特征   深度学习   YOLO目标检测  

摘要： 建筑火灾预测方法存在早期火灾信号识别精度不足、响应速度慢、复杂场景下烟雾检测能力有限等问题。为此,引入烟感图像处理技术,通过提取烟雾的颜色特征、纹理特征和运动特征,结合深度学习技术实现烟雾精准识别,进而提升火灾预测的准确性与时效性。采用RGB颜色空间分析,结合低饱和度和高亮度区域的特征,设定阈值以检测烟雾区域,并进一步通过HSV色彩空间优化检测效果。纹理特征方面,利用局部二值模式(LBP)对图像进行纹理分析,提取烟雾的低对比度和模糊边界特征,从而有效区分烟雾与背景。还优化了深度学习模型,采用轻量化卷积神经网络(CNN)结构,减少计算量并提高处理速度。应用YOLO目标检测算法,实现烟雾检测和快速响应。

关键词： 目标检测   低照度图像   四头自适应多维特征融合策略   无人机   YOLOv8  

摘要： 针对昏暗场景中背景复杂导致目标边缘模糊、小目标易被遮挡和误检漏检的问题,提出一种改进的YOLOv8s算法—YOLOv8-GAIS。采用四头自适应多维特征融合(four-head adaptive multi-dimensional feature fusion,FAMFF)策略,过滤空间中的冲突信息。添加小目标检测头,解决航拍视角下目标尺度变化大问题。引入空间增强注意力机制(spatially enhanced attention mechanism,SEAM),增强网络对昏暗和遮挡部分的捕捉能力。采用更关注核心部分的InnerSIoU损失函数,提升被遮挡目标的检测性能。采集实地场景扩充VisDrone2021数据集,应用Gamma和SAHI(slicing aided hyper inference)算法进行预处理,平衡低照度场景中不同目标种类的数量,优化模型的泛化能力和检测精度。通过对比实验,改进模型相对于初始模型,参数量减少1.53 MB,mAP50提高6.9%,mAP50-95增加5.6%,模型计算量减少7.2 GFLOPs。在天津市津南区大沽南路进行实地实验,探究无人机(UAV)最适宜的图像采集高度,实验结果表明,当飞行高度设置为60 m时,该模型的检测精度mAP50最高为77.8%。