关键词： 全自动分析系统   X射线荧光光谱仪   图像处理   matlab   全自动磨样机  

摘要： 文章为了解决铁钢全自动分析系统中铁样拍照合格率低、二次制样后分析时长过长导致系统利用率低的问题,首先通过控制样品加工深度,并逐次使用X射线荧光光谱仪进行分析,可获得同一样品、不同表面质量的分析结果,然后对结果进行分析得到样品表面质量与分析结果之间的关系,再根据分析结果调整设备参数,实现缩短分析时长的目的,从而提高设备的利用率。

关键词： 水产养殖   目标跟踪   种群计数   海参   水下视觉   深度学习  

摘要： 为解决海参养殖过程中人工采样计数方法成本高、效率低、误差大等问题,该研究提出一种基于改进YOLOv8s和ByteTrack的自动化养殖海参计数方法。该方法由检测、跟踪和计数3个部分组成:在检测部分,针对YOLO系列检测器在水下环境中检测性能不足问题,提出改进模型YOLOv8s-BB。通过在Backbone和Neck部位分别引入BCAM(BiFormer convolutional attention module)和BiFormer注意力模块增强其特征提取和融合能力,提升检测精度;在跟踪部分,针对ByteTrack算法在水下环境中对目标关联匹配性能不佳问题,提出基于三级级联匹配的TriSORT跟踪算法,提升跟踪稳定性;在计数部分,设计了未激活轨迹去除计数法,对比分析了其与过线计数的性能差异。结果表明:YOLOv8s-BB检测器的平均精度达88.9%,召回率为77.8%,F1值为84.2%,相较于YOLOv8s、YOLOv7-tiny、YOLOv9s和YOLOv11s检测模型,均保持领先优势;TriSORT的多目标跟踪准确度(MOTA)和ID调和平均数(IDF1)达74.00%和85.03%,较ByteTrack分别提高6.55和5.54个百分点;未激活轨迹去除计数法平均计数精度达95.46%,绝对误差为1.90,明显优于过线计数法。该研究通过检测-跟踪-计数的全流程优化,实现了高效、准确的自动化养殖海参计数,为海参养殖的生物量估算、投喂管理、销售决策等关键环节提供可靠的数据支持。

关键词： 计算机视觉   人工智能技术   智能监控   监控系统  

摘要： 在现代社会建设和发展的过程中,监控系统已经成为非常重要且必要的组成部分,在人类社会发展的各个领域都具有广泛的运用。而伴随国内社会的快速发展,传统的监控系统在多个方面开始体现出一定的局限性。其中,基于计算机视觉的人工智能技术在智能监控系统中的应用,可以在现有基础之上,使监控系统的性能得到显著提升,其应用范围也会得到有效拓展,对于国内不同领域的相关工作开展均具有重要作用和价值。因此,本研究针对基于计算机视觉的人工智能技术在智能监控系统中的应用进行系统探究和分析,望对智能监控系统的优化和应用起到一定借鉴和指导作用。

关键词： RGB-D   显著性目标检测   非对称融合   深度监督  

摘要： 用于显著性目标检测的HDFNet模型在其编码阶段和解码阶段均缺乏有效的特征信息表示能力,分别由于其编码阶段仅把RGB特征和Depth特征进行简单相加,且解码阶段在多次上采样中缺乏有效监督,从而导致检测精度有待进一步提升.本文提出了一种新的RGB-D显著性目标检测模型HDF+.首先,在编码阶段构建了非对称融合模块,该模块通过非对称的方式融合RGB特征和Depth特征,有效利用RGB特征的语义信息及Depth特征的空间细节信息;其次,在解码阶段采用多个深度监督模块对网络进行监督训练,并在各监督层引入IoU损失作为前景损失替换原来的区域增强损失.对比实验结果表明,本文的方法优于主流的RGB-D显著性目标检测方法.

关键词： 汽车雷达影像   光照不均匀   神经网络优化   卷积神经网络   剪枝技术   目标检测效率  

摘要： 汽车行驶过程中,需要实时地检测和识别出目标,并在复杂多变的环境中准确地区分目标和背景,这一过程对算法的计算效率要求高。为此,提出基于改进神经网络的汽车雷达影像目标检测方法。通过精细的剪枝策略与结构化稀疏约束改进神经网络,有效剔除了目标检测模型中的冗余元素与弱相关性结构,实现了模型的轻量化与高效化。在检测流程中,利用卷积与池化操作精准捕捉目标特征,借助逻辑回归损失函数精确评估检测效果,并通过反向传播与小批量梯度下降算法不断优化模型参数,直至达到最佳检测效果。实验验证,该方法显著提高了目标检测的效率与准确性。

关键词： 串、并混联调整机构   姿态调整   图像处理   激光成像   角度分辨率  

摘要： 针对跟踪准直仪中光学元件姿态精密调整的需要,设计了一种串、并混联六自由度调整机构。引入激光模拟待调整零件,经图像处理后得到机构姿态变化引起光斑中心位置变化的规律,获得了滑台位移-姿态调整关系,对模型得到的理论值进行修正。实验表明,滑台移动5μm,绕X、Y轴转动时的角度分别为2.0″±0.1″和1.4″±0.1″,实现了对光学元件姿态的精密调整。

关键词： 深度学习   图像处理   语义分割   特征融合   损失函数  

摘要： 语义分割在自动驾驶与智能交通工程应用中发挥着不可替代的作用。针对语义分割现存分割边界模糊、物体间相互遮挡及物体多尺度差异造成的分割精度不足问题,提出全局感知与多尺度特征融合的城市道路语义分割网络。为改善分割边界模糊的问题,设计全局感知模块,通过联合空间和通道信息增强特征之间的交互以感知全局信息;物体间相互遮挡情况下模型往往需要提升被遮挡区域的敏感度,为此提出多尺度特征融合模块以兼顾大小物体的分割精度;采用综合性的多约束特征平滑损失评估模型,进一步平滑特征,优化目标以求最优解。经实验验证,本文方法于Cityscapes数据集上在不同分辨率情况下mIoU值分别提升0.5%,0.9%,1.7%,在ADE20K数据集上mIoU值提升2.1%。相比于现有语义分割网络模型,本文方法分割效果有进一步提升。

关键词： 教学设计   食堂   餐盘目标检测   MMEdu   自助结算系统  

摘要： 选题背景“民以食为天”,学校的课程安排每天都很紧张,为了给师生提供一个舒适、安全、高效的就餐体验,食堂就餐环境、食品卫生及结算效率变得尤为重要,解决好上述问题也将有助于智慧校园的智能化升级改造。笔者前期参加某高职院校承办的“职业院校教师素质提高计划”国培项目为期半个月的培训,每天前往食堂就餐,饭菜卫生可口、自助结算方式快捷高效。

关键词： 粒子滤波   卡尔曼滤波   模板缓冲   带电作业   目标跟踪  

摘要： 针对现阶段带电作业目标跟踪易受环境干扰,面临的鲁棒性和效率低的挑战,本研究结合卡尔曼滤波在数据处理上的优势和粒子滤波的高精度特点,创新性地提出了一种自适应目标跟踪方法。实验结果表明,该方法在精确率(P值)、召回率(R值)和精确率与召回率的调和平均数(F1值)上均表现出色,分别达到了98.09%、97.88%与98.14%,充分体现了其在带电作业目标跟踪上的高效能力。此外,在连续的视频流分析中,该方法不仅能够准确识别和分类目标,还能实现精准的目标跟踪与标记,从而在动态环境中展现了其强大的鲁棒性和实用性。由此可知,研究该方法能够根据目标的运动特性和环境条件,动态调整算法参数,实现自适应跟踪。

关键词： 目标检测   煤泥浮选   轻量化   实时性   YOLO BD  

摘要： 针对目前煤泥浮选过程中缺乏对矿化气泡的不均匀程度判据及气泡数量实时统计等问题,提出一种面向非均匀矿化气泡实时检测的轻量化人工智能算法模型——YOLO BD(Bubble Detect),即在骨干网络引入可变核卷积AKConv替代原结构中的所有Conv卷积层,将通用倒置瓶颈模块UIB与C2f模块进行融合,提升模型的特征提取能力以及降低模型的参数量和计算量;将加权双向特征金字塔网络BiFPN引入颈部网络并与C2f UIB和迭代注意力特征融合模块C2f iAFF做进阶融合处理,提升模型的特征融合能力;引入智慧型交并比损失函数WIoUv3,降低训练时的损失提升模型精度。实验数据表明,相较于传统YOLO模型,YOLO BD模型参数量下降了26.3%,计算量下降了19.7%,检测速度为63帧/s,mAP50%达到了84.1%,上升了2.2%。该方法能够实现浮选试验全过程泡沫变化的实时识别与检测,其识别检测结果为浮选参数与浮选最终效果之间提供了必要的映射关系。