关键词： 漏磁内检测   管道环焊缝   自动识别   YOLOv5算法   小目标检测  

摘要： 基于漏磁内检测技术,采用PyTorch框架,应用YOLOv5算法对实际管道环焊缝缺陷漏磁信号图像进行了自动识别,通过对算法的进一步优化与改进,分析了其对自动识别准确率的影响。试验结果表明,模型在图像数据混合增强后,各指标均有了显著提升,IoU阈值大于0.5的平均精度提升了近30%;通过增加小目标检测层,大幅降低了目标检测损失函数均值,改善了缺陷的目标检测效果;显著提升了缺陷的识别率,最高提升11.05%,获得了较好的自动识别结果。该方法为管道环焊缝信号异常数据判读提供了高效的方法和技术手段,对于管道智能化检测实际生产作业具有重要作用。

关键词： 图像处理   FPGA   背景差分算法   缺陷检测  

摘要： 为应对传统印刷电路板(PCB)缺陷检测方法存在的检测速度慢、准确率低等问题,设计了基于FPGA的PCB缺陷检测系统。系统采用CMOS OV5640传感器采集PCB图像数据,并对采集的图像进行灰度化、滤波及边缘检测等图像预处理。提出了改进的灰度拉伸算法,通过整体线性拉伸灰度值,图像对比度显著增强;提出了改进的边缘检测算法,扩展传统Sobel边缘检测2算子至8算子边缘检测,提高图像边缘信息的清晰度,增强图像分析与识别的准确性。系统将预处理后的PCB图像和标准模板图像存储在SDRAM中,采用背景差分比算法进行缺陷检测,并选用EP4CE10F17C8N芯片实现系统各模块的FPGA设计。实验结果表明:改进的检测系统在检测精度方面较其他方法显著提升,且相比于PCB缺陷检测软件,FPGA硬件处理速度明显提高。

关键词： 形位测量   坐标变换   图像处理   板式换热器   机器视觉  

摘要： 板式换热器作为新能源汽车制冷系统的重要组成部件,其安装位置精度直接影响整机的装配质量,进而关系到整车制冷系统的稳定性。由于板式换热器生产量大、检测指标多,现有的人工检测方式存在效率低下、无法定量追溯、容易错漏等缺点。因此,提出了一种基于机器视觉的板式换热器孔组形位在线检测方法,以实现板式换热器孔组形位检测的自动化与智能化。通过建立孔位置坐标变换模型,使用单部工业相机经不同位置的多次拍摄获取安装孔与接头孔的二维图像,通过相机标定、图像预处理、特征提取等手段,实时测取换热器孔组之间的位置关系,实现孔组位置度的在线检测。实验选用六组样品分别采用三坐标影像仪以及线激光测量产品位置度并与本文方法测得位置度结果进行对比,同时对测量系统进行不确定度分析,结果表明:所提检测方法的测量误差小于0.025 mm,具有较高的检测精度,能够满足生产线自动化检测需求。

关键词： 输电线路   目标检测   卷积神经网络   区域建议网络  

摘要： 通过机器人对线路绝缘子等装置进行维护、检修和清洗作业,对保障电力系统的供电质量具有重要作用。然而,夜间环境下带电作业机器人仍存在工作效率低、目标检测精度差等问题。基于此,文中提出了一种基于卷积神经网络(ConvNet)和区域建议网络(RPN)的绝缘子目标识别算法。论证发现,基于ConvNet-RPN的模型可以显著改善夜间环境下带电作业机器人的识别精度,具有良好的性能。

关键词： 柑橘果实   目标检测   YOLO   生育期识别  

摘要： 为解决现阶段柑橘生育期信息的获取主要依靠人工观测的效率低、主观性强等问题。首先提出一种基于FEAConv-YOLO v5的柑橘果实目标检测算法,提出FEConv与FEAConv等2种特征增强卷积核,替代YOLO v5网络中卷积核,然后进行消融试验验证各改进点的有效性,再与Faster-RCNN、YOLO v4、SSD等3个网络模型进行检测能力的对比,最后用测试集验证改进后的模型性能。其次,设计一种融合大气环境特征与果实表型特征的多模态特征果实生育期识别模型,利用ResNet18作为CNN的分类网络,提取柑橘表型特征;利用ANN作为大气环境数据特征提取网络,对FEAConv-YOLO v5所检测到的柑橘目标进行分类识别,并用混淆矩阵评价模型的分类性能。结果表明,改进后的目标检测模型收敛效果好,损失值比YOLO算法更低,消融试验中将FEConv替代主干部分卷积核后,准确率、召回率和平均精度均值分别较原模型提高0.9、0.6、0.7百分点;将FEAConv替代Neck部分卷积核后,准确率、召回率和平均精度均值分别提高1.4、1.0、1.5百分点;同时融入FEConv与FEAConv后,准确率、召回率和平均精度均值分别提高2.1、2.2、2.7百分点。在对比试验中,改进模型的平均精度均值达到了90.3%,检测速率达到了2.72帧/ms,在4个网络模型里面显示最优。其次,生育期识别模型中幼果期分类精度为96.7%,果实膨大期的分类精度为93.6%,果实成熟期的分类精度为100%,平均分类精度为96.8%。FEAConv-YOLO v5网络可以在满足时间要求的前提下,有效提升检测精度,减少小柑橘目标与遮挡目标的漏检问题。同时,多模态融合的果实目标发育期识别网络具有较高的分类精度。

关键词： 行进间   坐标转换   误差补偿   跟踪精度分析  

摘要： 针对行进间工作时由于雷达与目标的相对运动,阵面坐标系下的点迹无法进行关联滤波的问题,本文梳理了一种在行进间工作时对点迹数据的补偿方法,根据北斗定位系统以及惯导所测得的信息对阵面坐标系下的点迹信息进行坐标转换和误差补偿,最终得到目标在CGC2000坐标系下的经纬高信息。经过仿真与实测数据分析验证了该方法的有效性,同时分析了雷达测量精度对最终定位精度的影响。

关键词： 机器视觉   内接矩形   动态规划   图像处理   拼图机器人  

摘要： 提出了一种基于动态规划算法的最大内接矩形定位技术,用于实现基于机器视觉的拼图机器人对立方体抓取定位精度提升。所提方法通过单目相机获取目标立方体的图像,经过对图像进行预处理,包括阈值化和检测分割,并在二值图像中计算内接矩形,能够获得立方体顶面的矩形范围,计算出抓取的实际位置,进一步提高抓取立方体物品的精度。经过实验验证,算法具有高精度和高速度的性能,对于立方体物品的视觉定位,相比于其它的内接矩形算法,将定位的位置误差降低到1 pixel以下,平均误差仅为物体尺寸的0.38%,可以有效提升拼图机器人定位精度。

关键词： 声音提示技术   视频目标跟踪算法   多模态跟踪  

摘要： 提出一种基于声音提示技术的视频目标跟踪算法,通过麦克风阵列采集的声音信号与视觉信息加权融合,提高跟踪精度。实验表明,在不同噪声和空间环境下,声音信号能有效弥补视觉不足,特别在视觉受限时,显著提高跟踪精度,验证声音提示技术在多模态跟踪中的有效性。

关键词： 数字识别系统   机器视觉技术   深度学习   图像处理   文本检测   文本识别   计量检定  

摘要： 为提高X、γ剂量率仪检定、校准的自动化程度,提出一种基于计算机视觉的X、γ剂量率仪数字识别系统。该系统可实现摄像头视频采集、采集图像预处理、仪表图像的文本检测与识别以及识别结果的后处理。分别采用DBNet与CRNN-CTC作为文本检测与文本识别的模型,比较不同骨干网络结构对模型的影响。在平衡准确性和速度指标后,选择MoblieNetV3作为文本检测和识别模型的骨干网络,对32种常见的X、γ剂量率仪进行识别实验。结果表明:经算法过滤后,仪器识别准确率可达到100%;对于绝大部分仪器,使用数字识别系统效率可以提高20%以上,但是对于显示界面刷新面积较大的仪器,摄像机难以识别,仍需要人工检定。