关键词： 皮带机   图像处理   智能巡检  

摘要： 皮带机在干散货码头生产中担任转运物料的角色,运行过程易发生跑偏、啃边、撒漏料等故障。针对常规人工巡检存在效率低、时效滞后、漏检率高、工作环境差等问题,对各行业皮带机巡检方案优劣性进行了研究,构建适用于干散货码头的智能皮巡系统。硬件方面采用摄像头+传感器形式;算法方面采用yolov8算法与deeplabv3+算法实现不同故障检测;系统方案采用现场采集层、边缘计算层、监控管理层三层架构模式。系统运行情况显示故障可实时自动报警,识别准确率可达90%以上,单条皮带可降低现场皮巡人员成本24万元/年,为干散货码头的皮带机智能巡检提供了可行方案。

关键词： 自动检测   数据传输   现代农业   甘蔗肓种   图像处理  

摘要： 现代农业向精准化发展,传统人工检测方式难以满足需求。本研究设计的自动检测车,集成土壤温湿度、氮磷钾含量检测及甘蔗种苗图像采集功能,配备数据存储传输、能源供应等人机交互辅助系统。关键技术采用高精度传感器与数据处理算法保障检测精度,通过自动定位提升样本采集质量。实验表明,检测车在土壤参数检测和图像采集方面表现良好,能满足大棚日常检测需求。该成果提升了农业生产自动化与智能化水平,降低人力成本,为甘蔗苗生长提供科学依据,为农业自动化检测设备研究提供参考,可进一步结合物联网与AI技术深化应用。

关键词： 玉米气吸式排种器   性能检测   机器视觉   YOLOv8   图像处理  

摘要： 玉米育种试验过程中,排种器的性能直接关系到播种试验的作业质量。为此,针对气吸式玉米排种器,设计了一种基于机器视觉的排种器性能检测系统。系统可以检测的排种模式有单粒播、双粒播和单双粒播,并且还能够检测在对应模式下玉米种子的漏播数和重播数等关键数据。软件系统以YOLOv8目标检测模型为基础进行改进,通过增加漏播重播计数的逻辑算法,实现对图像的分析处理,并进行排种的重播、漏播计数。通过不同条件下的试验分析,系统的检测精度与实际人工统计对比,系统播量计数总体平均准确率为99.68%,漏播检测平均准确率在99%以上,重播检测平均准确率在98%以上。试验结果表明,系统能够完成玉米排种器性能的鉴定与评估。

关键词： 收获机械   河马优化算法   成行作物   图像处理   路径拟合  

摘要： 面向大蒜、大葱等田间成行种植的绿色条状排列作物,针对其收获机械的田间自动行走问题,提出一种基于河马优化算法的导航路径提取方法。首先,基于OpenCV对田间图像进行灰度图转化、颜色阈值处理和二值化;然后,结合田间作物分布进行形态学分析处理,采用混沌映射改进河马优化算法,依据二值化图像特征点分布密度进行寻优求解,并通过改进的RANSAC方法对特征点进行导航路径拟合;最后,拍摄田间作物真实图像构建图像集,利用改进后的河马优化算法处理图像,并与其他优化算法进行对比。结果表明:采用改进的河马优化算法对二值化图像特征点分布寻优处理优于改进前,处理田间作物图像得到的导航路径角度误差绝对值≤6°,平均处理时间为0.23 s/张,且对不同种类的绿色作物具有较好的适应性。

关键词： 车路协同   路侧感知   图像识别   YOLOX   DeepSORT  

摘要： 视觉感知是车路协同路侧感知的重要技术手段。针对常见视觉感知算法难以同时兼顾检测精度和运算效率的问题,提出一种基于YOLOX和KPP-DeepSORT的视觉处理方法。利用YOLOX模型对多路视频图像进行目标识别,利用KPP-DeepSORT对各路视频检出的目标边界框进行轨迹跟踪。跟踪算法采用K-Means++对DeepSORT进行优化,它结合实际交通路口的车辆运动规律,将所有待跟踪目标进行聚类分析,然后再针对每个子类空间采用DeepSORT跟踪。由于以上过程大幅降低了DeepSORT级联匹配策略中目标ID被重复指派的概率,能有效降低多目标跟踪过程的整体计算时长。试验数据表明,该算法能准确感知并跟踪路口的行人和车辆,尤其在高峰期十字路口,相较其他常用算法更具备计算效率方面的优势,因此,在车联网工程中具有良好的应用前景。

关键词： 变压器   油纸绝缘缺陷   超声波检测法   多源局放   模式识别   目标检测  

摘要： 为解决传统模式识别分类器在变压器油纸绝缘缺陷局放超声混合脉冲识别中存在漏检的问题,文中提出一种基于改进YOLOv8的多源局放诊断模型。首先,采集3种变压器典型缺陷超声脉冲信号,使用连续小波变换(continuous wavelet transform,CWT)将单源脉冲映射为二维时频谱图并进行灰度化处理,在保留图谱时频特征相对强度信息下创建高对比度效果。然后,使用基于梯度惩罚生成对抗网络(Wasserstein gengrative adversarial network with gradient penalty,WGAN-GP)的数据增强方法对样本库进行扩充,解决超声脉冲缺陷训练用样本类间不平衡问题,并借助t-分布随机邻域嵌入(t-distributed stochastic neighbor embedding,t-SNE)算法对部分生成样本进行降维分析,剔除低质量生成样本,保证生成样本数据集质量。最后,引入全局注意力机制(global attention mechanism,GAM)对目标检测算法YOLOv8进行改进,提出适用于变压器局放超声时频图谱的多源局放脉冲诊断模型,使用该模型对多源局放测试集进行识别,各类型局放平均识别准确率可达95.67%,验证了文中方法的有效性。

关键词： 车载红外   YOLO   深度学习   目标检测  

摘要： 针对复杂背景下红外图像小目标识别错误率高,检测目标细节缺乏的问题,提出红外图像小目标检测模型YOLO-ST(Small-target)。通过引入极小目标检测层架构、集成CBAM注意力机制以及采用GhostConv模块替换传统C3模块,改进后的网络结构在实现参数轻量化的同时,能够有效融合深层语义特征,增强卷积层对特征信息的表征与解析能力,并通过扩展感受野显著提升了小目标检测性能。基于自建数据集的实验结果表明,相较于基准模型YOLOv11n,所提出的模型在保持34%参数量压缩的同时,mAP指标从51.3%提升至54.8%,该模型在红外图像小目标检测任务中展现出更优的特征提取能力和检测精度。

关键词： 图像处理   遮挡增强   知识蒸馏   特征对齐  

摘要： 果实被枝叶遮挡时会显著削弱采摘机器人视觉系统的识别精度。针对这一问题,文章提出一种基于“遮挡增强知识蒸馏”的果实识别框架。该框架在构建的遮挡数据集上,通过引入遮挡信息约束多尺度语义特征对齐,并结合指数移动平均策略稳定训练过程。在MinneApple数据集上的实验结果表明,AP@[0.5:0.05:0.95]、AP@0.5、AP@0.75、小目标AP与大目标AP分别达到0.744、0.946、0.793、0.674和0.976,较主流检测模型平均提升0.178。研究证明,方法能够在复杂遮挡场景下显著提高采摘机器人的视觉感知精度,为智慧农业果实自动采摘提供有效技术支撑。

关键词： 特征提取   YOLO   果实识别   目标检测  

摘要： 与异色背景相比,同色背景下目标的识别特征较少,更易受到遮挡和复杂背景的干扰导致同色背景下对黄瓜果实的识别检测一直是研究领域的重难点之一。针对该问题,提出了一种基于YOLOv11n的目标检测网络YOLO-ACG。引入自适应动态下采样(Adaptive Dynamic Downsample,ADown)模块,融合可变形卷积和通道注意力机制,实现跨尺度特征自适应采样;构建Ghost_HGNetV2网络结构,其中高分辨率组卷积(High-resolution Group Stem,HGStem)将输入图像的通道数压缩,生成固有的特征映射,实现高效特征提取,Ghost_HGBlock模块采用知识蒸馏技术增强特征表达能力;引入上下文与空间特征校准网络结构(Context and Spatial Feature Calibration Network,CSFCN),该结构包含上下文特征校准(Context Feature Calibration,CFC)和空间特征校准(Spatial Feature Calibration,SFC),通过聚合每个像素相关的上下文信息,利用校准空间特征,确保网络正确理解图像的空间布局,进而更加精确地区分具有相似颜色的黄瓜果实和背景。经实验验证,改进后模型精确率提高4.64个百分点,召回率提高5.07个百分点,F1提高4.89个百分点,mAP值提高4.48个百分点。消融、对比实验表明,YOLO-ACG在同色背景下黄瓜果实识别中明显减少了误检和漏检的问题,且具有更高的检测精度。

关键词： 计算机视觉   机电制造   自动化生产系统   工艺过程监控   工业4.0  

摘要： 随着科技的发展,计算机视觉在机电制造业中的应用逐渐显现出重要性。本研究旨在探讨基于计算机视觉的机电制造自动化生产系统。首先,我们提出了一种基于计算机视觉的机电制造自动化生产系统模型并对其进行了详细的描述。我们采用了现代计算机视觉技术,通过对工艺过程的实时监控,提高了生产效率和产品质量。研究表明,这种自动化生产系统不仅可以辨识和跟踪产品在生产线上的位置,还可以对生产过程中的异常情况作出快速反应,极大地降低了生产成本和生产时间。此外,通过对系统的长期运行和评估,我们发现这种自动化生产系统具有很高的稳定性和可靠性,能够在各种工况下都能保持高效稳定的运行。因此,基于计算机视觉的机电制造自动化生产系统无疑为我国的机电制造业发展带来显著的改进,为实现工业4.0的目标铺平道路。