关键词： 深度学习   目标检测   改进YOLOv5   障碍物检测  

摘要： 由于隧道施工现场事故频发,通过机器人代替人工进行安全巡检可有效保障工作人员的生命安全。然而,目前该领域的机器人大多需要人工操控,缺乏自主避障能力。针对隧道施工环境下的障碍物检测方法,提出利用改进YOLOv5进行障碍物检测的轻量化模型。首先构建隧道场景下的障碍物数据集;其次修改骨干网络为轻量级Shufflenet v2网络,并将其中的激活函数修改为SiLU函数,以提高检测速度降低计算量;然后引入坐标注意力机制,增强网络学习特征的表达能力;最后将颈部卷积块修改为GSConv,在减小模型计算量的同时提升算法的检测精度。研究结果表明:基于本研究所构建的数据集上进行对比试验,该方法的检测速度较YOLOv5-n原始算法提升了57%,减少了模型对硬件的需求。

关键词： 计算机视觉   焊接模块化   预制系统  

摘要： 本文详细探讨了基于计算机视觉的焊接模块化预制系统的设计与实现,包括系统的总体架构设计、视觉引导的自动焊接技术、数据集成与管理策略以及实时焊接质量监测方法。文中分析了计算机视觉在自动化焊接过程中的关键应用,如焊缝跟踪、缺陷检测和质量评估,并展示了系统通过实验验证的有效性。通过这种集成设计,焊接模块化预制系统能够显著提高生产线的自动化水平,减少了人工干预,同时保障了焊接质量的一致性和可靠性。

关键词： 视频卫星   遥感影像   目标检测   吉林一号  

摘要： 近年来视频卫星的成功研发,使对地表动态目标的实时性监测成为可能。为将视频卫星运用于智能交通领域,首先需实现卫星视频中车辆目标的高效检测,该项技术是获取一切交通信息的前提。然而,卫星拍摄的视频数据与地面监控视频差异悬殊,现有检测算法难以全面、且准确地检测出卫星视频中车辆目标。为此,本研究在对现有检测算法适用性进行评价的基础上,结合视频影像特点,引入特征背景建模法,通过构建非感兴趣区掩膜,剔除大量误检目标,以获取更加准确全面的车辆检测结果。本研究以吉林一号卫星视频作为实验数据,经实验对比,在兼顾查全率的情况下,算法优化后获得的检测结果在检测精准度上得到显著提升。

关键词： 激光雷达   数据融合   登陆舷梯   目标检测   姿态测量  

摘要： 海浪冲击环境下,登陆舷梯与海上风机登陆平台的对接稳定性直接影响工作人员的生命安全和工作效率。为了提高登陆舷梯与海上风机登陆平台的对接稳定性,将激光雷达和工业相机装配在登陆舷梯前端,提出一种激光点云/图像融合的海上风机登陆舷梯姿态测量方法。该方法包括目标检测和姿态估计两部分:在目标检测部分,改进YOLOv8网络和PointPillar网络,提出一种点云/图像融合支路的海上风机登陆平台目标检测方法;在姿态估计部分,融合目标的颜色特征和几何特征,并设计基于距离权重函数的目标函数,提出一种基于融合特征和距离权重的改进快速全局配准(FGR)算法。实验数据表明,在4级海况下,所提登陆舷梯姿态测量方法的姿态测量误差小于0.676°,其中的目标检测算法比经典PointPillar网络的检测精度提升了13.8%,姿态测量算法比经典FGR算法的姿态角测量精度提升了至少7.9%。

关键词： 货场集装箱   计算机视觉   深度学习   深度监督   可视化  

摘要： 本文聚焦于解决敞车装载集装箱时存在的流程繁琐、效率低下以及劳动安全风险大等问题,推动敞车装载集装箱向智能化发展。通过运用YOLOv8的目标分割和关键点检测技术,制定相应判断规则,实现对集装箱偏载情况的智能监测。同时搭建可视化平台,利用其界面将装载后的信息实时反馈给门式起重机操作员,省去人工测量环节,提高装载效率,让装载过程更智能化。操作员可据此直观获取集装箱装载情况,快速准确地进行调整。基于YOLOv8算法,模型在分割和关键点检测上的mAP均达99.5%,准确完成箱体的关键点检测和箱体分割,有效解决了敞车装载集装箱偏载问题,具有重要的研究价值与实用意义。

关键词： 机器视觉   小龙虾苗种   图像处理   质量估计   数据拟合  

摘要： 针对传统小龙虾苗种分拣方法会对苗种造成物理和应激伤害,且小龙虾苗种耐受性较低的问题,本文提出一种基于机器视觉的小龙虾苗种质量估计方法,以实现无接触式优质苗种质量估计。通过工业相机拍摄不同规格的小龙虾苗种图像,首先对小龙虾苗种图像进行预处理,然后采用K-means聚类算法进行图像分割,最后运用形态学运算和泛洪算法处理提取小龙虾苗种轮廓,并使用像素统计法提取小龙虾苗种像素数量特征参数。利用最小二乘法对像素数量和质量进行数据拟合,其中二次多项式拟合相关性最好可达到0.9540,测试平均相对误差4.60%,实验证明该方法可以满足小龙虾苗种质量估计的要求。

关键词： 模型预测控制   激光指示转台   目标跟踪   视觉伺服控制  

摘要： 针对基于视觉跟踪的便携式激光指示转台的动态目标指示问题,提出了一种基于模型预测控制(ModelPredictiveControl,MPC)的视觉伺服闭环控制方法。首先,利用图像雅可比矩阵构建激光指示转台预测模型,并将其离散化处理。为了解决MPC在实际转台控制中准确度较低、波动较大的问题,构建MPC的增量式预测方程,并对输入量和输入变化量施加了约束,通过设计一个包含输出误差、输入变化量以及最终输出误差加权平方和的代价函数,并在给定约束条件下求解,实现了对激光指示转台的视觉伺服控制。为验证所提出方法的有效性,搭建了一个基于视觉的便携式二轴转台,并进行实验验证。实验结果表明,对静态目标,重复指向精度达0.017°;在缩比实验中,对1km处速度不超过75km/h的目标,指向误差控制在0.08°以内。实验结果证明了该方法的有效性,为便携式激光指示转台的实现提供了理论依据。

关键词： 改进YOLOv11   卷烟仓储人员   不安全行为   去噪   目标检测  

摘要： 为确保仓储环境内的人员与财产安全,改进传统的YOLOv11目标检测算法,提出一种适用于卷烟仓储复杂环境的人员不安全行为识别方法和模型。首先,统计分析卷烟仓储中常见的不安全行为类型,探讨仓储人员不安全行为的分类,包括物品类、动作类和区域类的不安全行为;其次,基于仓储人员不安全行为的特征,提出数据集增广和去噪预处理的思路,强化细粒度特征提取,进而改进人员行为的显著性映射;然后,通过功能增强模块和K-means++锚框优化改进YOLOv11算法,提出一种卷烟仓储人员不安全行为快速检测方法;最后,利用自建数据集和微软公开数据集(COCO)对比验证方法的有效性。结果表明:该方法能够快速、有效地识别仓储人员的不安全行为,相较于传统方法,识别准确率得到显著提升,2个数据集上的精度分别达到94.91%和88.69%,综合表现更加均衡。

关键词： 纸页结构   图像处理   计算机模拟   X-ray CT   渗透性能  

摘要： 纸张作为纤维交织构成的多孔介质,其微观孔隙特征不仅关系到渗透性,还与物理特性及光学表现密切相关。近年来,随着显微图像采集技术、计算机图像处理技术以及计算机模拟技术的飞速发展,纸张的三维结构可视化及其与性能间的相关性成为研究热点。基于此,阐述了纸页结构特点和影响纸页三维结构与性能的主要因素,探究了人工智能技术、计算机技术在纸页结构表征与性能分析中的应用以及研究进展,并以涂布纸为例,基于X射线计算机断层扫描技术(X-rayCT)对纸页进行扫描成像和图像处理,建立纸页三维可视化虚拟结构模型,进一步对纸页渗透性能进行了计算机模拟分析,以期助力新型纸张的结构设计与性能预测。

关键词： 深度学习   神经网络   目标检测   YOLO  

摘要： 对于野生动物的目标检测与识别,目前仍然存在诸多问题:如野生动物图片标签匮乏、人工采集野生动物图像工作过程单调且低效,利用深度学习方法检测识别野生动物应用较少且精度不高。文中选用YOLOv5神经网络,在图像的预处理阶段,采用归一化和灰度处理方法,增加图像细节,使模型在预测光照条件不均匀时也具有良好的效果;针对数据集尺寸变化较大的特点,采用K-means聚类分析,计算了合适的锚点值,提高了模型识别速度。结论表明,在自建数据集上,整体准确率达到了98.7%,在复杂的野外环境下,准确率达到了91.8%。