关键词： 数字射线成像   环焊缝   缺陷检测   图像质量   图像处理  

摘要： 管道环焊缝数字射线成像(DR)检测应用中,焊接质量的检测与评定不仅取决于检测系统的硬件(如射线源、数字成像板等),还与质检人员的实操和评判经验有关,特别是在对缺陷进行评估的过程中,数字图像的后处理软件功能非常重要。基于长输管道环焊缝DR检测的行业标准要求,针对环焊缝检测图像的特点,研发了特定的图像处理系统,并提供各功能模块的详细解决方案。实际应用表明,该软件针对性和适用性强,可为长输管道环焊缝DR检测的评判提供方便、快捷的人机交互平台。

关键词： 水面漂浮物   目标检测   YOLOv8   感受野注意力   DSConv   Slide loss  

摘要： 水面漂浮物目标检测是保护水域生态环境的重要任务,光照和水质条件的影响会导致漏检率高、目标类别不准确等问题。为解决以上问题,本文提出了一种改进YOLOv8模型的水面漂浮物检测算法。首先,引入了感受野注意力机制(RFA),加强不同尺度特征提取能力;其次,使用分布移位卷积DSConv替换了C2f层的标准卷积,提高模型的运算速度;最后,使用了损失函数Slide loss,让模型更加关注难识别的物体。实验结果表明,改进后的算法精度mAP@0.5较YOLOv8原网络提升了3.3%,达到了85.1%,参数量增长不到1%。改进后算法具备较强的通用性和泛化能力,适用于不同光照和水质条件下的监测。

关键词： 管道巡检   目标识别   多学科交叉   实训教学   图像处理  

摘要： 针对工程训练实训教学项目功能单一、学科交叉融合不足等问题,以水下管道巡检为应用背景,融合机械设计、传感器技术、嵌入式控制与人工智能算法,自主设计了“水下管道巡检机器人”综合实训教学项目。项目基于STM32与Jetson Nano嵌入式计算平台,结合多模态传感器数据融合、图像处理与目标检测算法,具备水下管道巡检、附着物识别与清理、数据传输与处理等功能。相比传统实训项目,其具有多学科交叉、软硬结合、低成本及高适配性的特点。实践表明,任务驱动与问题导向的教学模式将硬件设计与人工智能技术有机结合,可有效提升学生的工程认知水平和工程实践能力,促进新工科背景下复合型人才的培养。

关键词： 切割方法   深度学习   目标检测   系统   图像预处理   动物皮  

摘要： 专利公开号:CN119799990A申请人:四川大学摘要:本发明公开了一种动物皮切割方法和系统,所述方法包括:获取平铺后的动物皮图像,对图像进行预处理;通过深度学习目标检测算法从预处理后的图像中获取动物皮轮廓和关键特征;根据关键特征确定切割路径;切割设备根据所述切割路径进行切割。

关键词： 自适应阈值   非极大值抑制   目标检测   空洞卷积   注意力机制  

摘要： 为进一步解决目标漏检和重复检测等问题,提升目标检测的性能,提出一种基于特征增强与自适应阈值的非极大值抑制(NMS)目标检测算法。将注意力引导的多尺度上下文模块(AMCM)用于检测器颈部,在利用空洞卷积提升特征语义信息的基础上,通过注意力捕获跨通道位置信息,增强网络的特征表达能力;通过基于目标密度的自适应阈值NMS(ADT-NMS),针对不同场景的实例应用动态抑制阈值,降低目标的误检率。所提算法在PASCAL VOC数据集上误检率为13.7%,相比基准算法YOLOv4降低了1%,检测精度、召回率分别达到83.7%、96.6%,分别提高了1.7%、0.9%;在KITTI数据集上误检率为22.1%,相比基准算法降低了1.3%,检测精度、召回率分别达到83.6%、91.8%,分别提高了1.8%、2.3%。实验结果表明:所提算法较好地解决了目标漏检和重复检测问题。

关键词： 目标检测   深度学习   模型   行为识别   WCG-YOLO11n   奶牛  

摘要： 为解决养殖场圈舍内奶牛与环境背景颜色相似、奶牛受卧床和栏杆等物体遮挡以及同一个监控画面下奶牛多尺度等因素影响,易造成现有模型在提取奶牛关键行为信息时出现误检、漏检等问题,该研究提出了一种基于改进YOLO11n的复杂环境下多目标奶牛日常行为检测方法。首先,在复杂环境背景下采集奶牛站立、行走、躺卧和采食4种基本行为图像,构建多目标奶牛行为数据集。其次,提出改进的WCG-YOLO11n模型,利用小波卷积层(WTConv)模块重新设计C3k2模块的瓶颈(botteleneck)结构,扩大图像感受野,增强对复杂背景上下文信息的特征提取能力。将级联分组注意力机制(cascaded group attention,CGA)融合至C2PSA模块,加强模型对遮挡奶牛区域特征的提取。在特征融合阶段利用重参数化泛化特征金字塔网络(efficient reparameterized generalized-FPN,Efficient RepGFPN)作为颈部网络,使其能够有效捕捉到奶牛行为图像中不同尺度的特征。最后,对改进模型WCG-YOLO11n在复杂环境下进行对比试验,结果表明,WCG-YOLO11n对多目标奶牛日常行为检测平均精度均值为95.3%,相比基线模型YOLO11n提高了2.2个百分点,与Faster R-CNN、DETR、YOLOv5s、YOLOv7、YOLOv8n和YOLOv9模型相比分别提高2.7、2.1、1.3、2.9、2.4和0.6个百分点。该模型在检测精度方面表现突出,能够有效应对不同程度的遮挡干扰,可为规模化养殖场饲养员监测奶牛行为提供一定的技术支持。

关键词： YOLOv11   车辆小目标检测   遮挡目标检测   特征融合  

摘要： 针对智能车辆复杂动态场景下车辆小目标和遮挡目标存在的检测困难及定位不准问题，提出了一种改进的YOLOv11的实时目标检测算法。首先，针对主干网络中因池化层特征丢失导致的小目识别困难的问题，在AIFI基础上提出了DSEAIFI替换了主干网络中的池化层。其次，为了改善颈部网络对特征的利用和融合能力，同时提高对遮挡目标的检测能力提出了MFFNeck网络，提高了模型对上下文特征的融合能力和适应性。最后，为进一步提高网络对复杂动态环境的适应能力，并且突出高级特征在特征图中的重要级别，在头部网络中融合了针对检测头设计LAAFPN网络。为验证所提出的算法性能，进行了仿真与实车实验，仿真结果表明在KITTI数据集上改进的算法mAP@0.5和mAP@0.5:0.95分别为91.1%和70.1%，与基础模型相比分别提高了2.1%和3.8%。实车实验结果表明所提算法的平均检测精度为92.7%，相较于基础模型提升了4.3%，并且具有较好的实时性。

关键词： 伪装目标检测   弱监督   涂鸦注释   图推理网络   上下文信息  

摘要： 伪装目标检测(camouflaged object detection,COD)是计算机视觉领域一项具有挑战性的基础研究.由于像素级注释的成本较高,研究者们通常采用涂鸦注释作为弱监督信号.然而,涂鸦标注存在信息过于稀疏且缺乏边缘信息等固有局限,这严重制约了模型的预测可靠性.针对这些问题,本文提出一种新颖的交互图推理网络(interactive graphical reasoning network,IGRNet),该网络通过图表示来推断伪装区域及其边缘之间的内在关系.具体而言,引入了图推理网络建模像素间的长距离依赖关系,设计了高效的图交互单元(graph interaction unit,GIU)增强异构特征的表征能力.同时,为提升模型的场景理解能力并充分利用不同特征间的互补性,构建了上下文增强模块(context enhancement module,CEM)实现多特征融合与上下文信息挖掘.此外,提出了自监督伪装检测损失(self-supervised camouflage detection loss,Lscd)来引导网络学习结构信息,进一步增强前景−背景的区分能力.在3个标准基准数据集上的大量实验表明,本文方法不仅显著优于现有弱监督算法,在某些评估指标上甚至超越了全监督方法的性能.

关键词： 计算机视觉   二维正态分布   FOA   图像分割  

摘要： 1背景在计算机视觉和图像处理的学术与应用领域中,图像分割作为一项关键技术,其核心任务是将图像精准地划分为多个具备特定意义的区域。随着数字图像技术呈指数级发展,图像分割在众多领域都得到了极为广泛的应用。然而,鉴于图像本身固有的复杂性和多样性,如何实现高效且精准的图像分割,始终是一个极具挑战性的前沿课题。

关键词： 图像处理   对称加密   图像信息   特征提取   图像加密  

摘要： 为保证图像信息的安全性与完整性,文章提出基于超混沌和深度学习算法的图像加密方法。文章采用无损压缩技术对图像进行处理,结合超混沌系统算法生成高度随机的序列,对图像实施置乱与扩散操作,以此实现图像加密。文章引入深度学习算法,构建卷积神经网络模型,完成图像的解密重构。实验分析结果表明:文章方法能够有效抵御多种攻击手段,同时保持了较快的加密速度。