关键词： 变电站   智能巡查   目标检测   识别算法  

摘要： 随着电力系统智能化转型加速,变电站智能巡查亟须突破传统图像处理技术在环境适应性和检测精度方面的瓶颈。为此,本文围绕变电站巡查场景,系统性地研究了目标检测与识别算法的关键技术体系,建立了规范的采集与标注流程,并针对变电站设备特性完善了检测模型,重点研究了模型训练策略的改进和性能提升方法,构建了完整的验证体系以实现算法持续迭代。同时,完善了智能巡查变电站目标检测的科技评述与前沿展望,为智能巡查的实际部署提供了可行的技术路径,对推动电力系统数字化转型具有重要实践价值。

关键词： 产品缺陷   YOLOv10   实时检测   目标检测   目标识别  

摘要： 旨在探讨基于YOLOv10的流水线产品缺陷图像实时检测方法,以应对工业自动化中日益增长的缺陷检测需求。随着智能制造的快速发展,传统人工检测效率低下且易出错,而YOLOv10以其卓越的实时性能和高精度目标检测能力,成为解决该问题的理想选择。本研究通过优化YOLOv10模型架构,提升其在复杂生产线环境中对微小缺陷的识别精度与速度,实现缺陷的即时反馈与高效处理。实验结果表明,该方法显著提高了产品缺陷检测的准确率和效率,为工业质检流程自动化、智能化转型提供了有力支持。技术升级使得企业能够更精确地控制生产质量,减少了由于人为因素导致的质量不一致性问题。通过实时数据的反馈和分析,管理层能够更好地预测生产中的潜在问题,并采取预防措施,减少生产中的意外停机和资源浪费。这种数据驱动的管理方式,为产业管理的智能化转型提供了有力支持,推动了制造业的数字化进程。

关键词： 水导激光   碳纤维增强复合材料   图像处理   切槽形貌   影响机理  

摘要： 随着大厚度碳纤维增强复合材料(CFRP)在航空航天领域中的广泛应用,厚板CFRP的高质量高效加工已成为亟待解决的关键性问题。水导激光技术因其切割深度大、加工精度高、热损伤小等优势,被认为是加工CFRP的理想方式之一。然而,在水导激光切割CFRP的过程中,加工效率会随着切割深度的增加而非线性降低。针对这一问题,开展了水导激光切割CFRP厚板的试验研究。创新性地采用图像处理方法,监测并分析了加工过程中切槽形貌的动态演化规律,并揭示了其对加工效率的影响机制。研究结果表明,在使用水导激光技术切割10 mm厚的CFRP时,切槽形貌会依次经历平整期、波动期和凹陷期三个阶段,且最终是从切缝的中部率先切穿。进一步分析发现,加工效率的降低主要由以下三个因素共同作用导致:一是耦合能束在切割深度方向上的衰减;二是切槽形貌在不同阶段对能量吸收的差异;三是射流飞溅现象对加工过程的干扰。

关键词： 图像处理   内螺纹螺距   快速测量方法   SIFT算法  

摘要： 针对传统测量方法进行核电高强钢筋连接套筒内螺纹螺距测量时存在的效率低和易损坏工件等问题,提出一种基于改进SIFT算法的内螺纹螺距图像测量方法。利用高精度图像采集设备获取内螺纹图像,并对图像进行去噪处理,以提升图像细节。通过形态学处理提取齿顶和齿根骨架中心线,并采用改进的SIFT算法进行两幅骨架中心线纵坐标匹配。最后,测量这两幅骨架中心线在纵坐标上的距离得到螺距。结果表明:相较于传统测量方法,基于图像处理的测量方法测得的螺距相对误差均在3%以内,测量精度满足核电建设检测要求,为提高核电建设中钢筋连接的安全性和稳定性提供了有力支持。

关键词： 红外与可见光   RepVGG   PIAfusion   YOLOv5   M3FD  

摘要： 针对现有的红外与可见光图像融合算法对源图像的细节特征提取不够充分,以及未能考虑融合网络和检测网络之间的关系等问题。文中提出了一种基于RepVGG的改进的红外与可见光图像融合算法。算法首先采用PIAfusion的网络架构。将该网络架构中图像特征提取部分的卷积块和特征重建卷积块部分替换为RepVGG卷积块。然后YOLOv5检测网络检测融合图像。YOLOv5用于构建检测损失。然后,利用检测损失通过反向传播指导融合网络的训练。使融合网络输出的融合图像能够更加容易被检测模型检测。最后得到融合网络输出的融合图像在YOLOv5检测网络的检测结果。对比现有的融合方法,从客观指标和YOLOv5的检测结果来看,所提方法获得的融合图像效果较好。

关键词： 输电线路场景   目标检测   多目标跟踪   YOLOv5s   ByteTrack  

摘要： 在输电线路巡检任务中,采用深度学习技术实现施工机械运动的有效跟踪对智能电网建设至关重要。针对目标间遮挡干扰以及误检漏检造成的多目标跟踪性能显著下降的问题,提出一种改进YOLOv5s与优化ByteTrack相结合的多目标跟踪算法。在目标检测部分:首先,采用轻量级的Ghost卷积和SimAM构建SGC3(SimAM and Ghost convolution with C3)模块,以提高特征利用率,并减少算法冗余计算;其次,在主干网络的深层,提出卷积引导的三重注意力模块R-Triplet(RFAConv with Triplet attention),从而利用多分支结构增强算法跨维度信息交互,并抑制不相关背景信息来提高目标的关联能力;最后,在特征融合部分添加多分支感受野模块(MRB),以利用空洞卷积扩大目标感受野,并增强多尺度目标全局特征信息的复用。在目标跟踪部分:在ByteTrack算法的基础上,根据施工机械的运动特点,提出一种自适应计算噪声尺度的NSA(Noise Scale Adaptively)卡尔曼滤波算法,以降低低质量检测框对滤波算法性能的影响;同时,在数据关联部分引入高斯平滑插值算法(GSI),从而进一步完善多目标跟踪的效果。实验结果表明,所提CRM-YOLOv5s算法的平均精度均值(mAP)达到了97.4%,与基线算法YOLOv5s相比提升了3.8个百分点,参数量和浮点运算量分别减少了0.28×10~6和1.8 GFLOPs,可见该算法在多种应用场景下的泛化能力更强。此外,相较于原YOLOv5s+ByteTrack跟踪算法,所提CRM-YOLOv5s算法与改进后的ByteTrack算法相结合后的多目标跟踪准确度(MOTA)提升了4.5个百分点,目标身份切换次数(IDs)减少了15,且获得了较高的推理速度,可见该算法适用于输电线路场景下施工机械的多目标跟踪任务。

关键词： 计算机视觉   产品表面缺陷检测   图像处理算法  

摘要： 文章对计算机视觉技术进行了深入的研究,并将其运用到产品表面缺陷检测中,建立了一套基于计算机视觉的杯子表面缺陷检测系统的整体设计方案,并对其进行了硬件设计。在此基础上,研究了杯子内壁区域划分算法、杯子内壁缺陷检测算法和杯子外壁缺陷检测算法的设计思路,以达到对杯子表面缺陷的智能化检测。最后,介绍了系统的实现效果和测试结果。

关键词： 异物检测   目标检测   可切换空洞卷积  

摘要： 接触网异物检测是保障电气化铁路安全运行的关键环节。传统检测方法存在效率低、误检率高等问题,难以满足现代铁路的高标准需求。本文提出一种基于改进YOLOv5s的接触网异物检测算法,通过引入可切换空洞卷积,增强网络对多尺度异物目标的特征提取能力,提升检测效果。实验结果表明,相较于原始YOLOv5s算法,本文算法取得了更优的异物检测效果,同时保持较高的实时性。

关键词： YOLOv5   水果分级   目标检测   深度学习   农业智能化   图像处理  

摘要： 设计了基于YOLOv5算法的水果分级检测方法,以提高水果缺陷检测的效率和准确性。设计并训练了基于YOLOv5算法的检测模型,采用多尺度训练策略优化了模型性能。通过计算预测框面积判断瑕疵大小并进行等级划分,使用平均精度均值作为评价指标。试验研究结果表明,基于YOLOv5算法的水果分级检测方法有效可行,有助于推动水果自动化分级的效率与准确性。

关键词： 弱对齐RGBT图像   显著目标检测   多模态特征对齐   多模态特征融合   注意力机制  

摘要： 可见光和热红外(RGBT)显著目标检测(SOD)旨在从可见光和热红外图像中识别共同的显著物体。然而,现有技术大多在完全对齐的图像对上进行训练,忽略了实际成像过程中由传感器差异造成的“弱对齐”问题,即同一物体在不同模态中虽然结构相关,但是它们的位置、尺度存在差异。因此,如果不经对齐处理,直接使用弱对齐RGBT图像训练模型,会导致检测性能严重下降。为应对这一挑战,提出了一个多模态特征对齐融合网络(AFNet),专门针对弱对齐RGBT SOD。该网络由3个主要模块组成:分布对齐模块(DAM)、注意力引导的可变形卷积对齐模块(AGDCM)和交叉融合模块(CAM)。DAM基于最优传输理论,使热红外和RGB特征的分布尽可能接近,实现特征的初步对齐。AGDCM基于可变形卷积,在学习特征偏移量的过程中引入注意力权重,使不同的区域可以学习到适合自身的偏移量,实现多模态特征的精准对齐。CAM通过交叉注意力机制融合对齐后的特征,增强融合特征的判别能力并提高计算效率。通过在对齐和弱对齐数据集上进行大量实验,证明了所提方法的高效性。