关键词： 计算机视觉   NSGA-II   施工场地布置   动态优化  

摘要： 针对当前施工场地布置依赖经验、资源浪费及安全隐患等问题,本文提出一种基于计算机视觉与非支配排序遗传算法(NSGA-II)的施工场地动态布置优化方法。通过计算机视觉技术获取实时的施工场地数据,构建场地布置的场景感知模型,并基于此实现对施工过程中各临时设施的空间位置与状态的动态跟踪。在此基础上,结合施工阶段划分和资源流通特性,采用NSGA-II算法进行多目标优化,以减少施工过程中的运输成本和二次搬运,提高施工效率和安全性。最后,结合某大型综合体项目验证所提出方法的有效性。

关键词： 计算机视觉   农业科技   智能化  

摘要： 随着信息技术的飞速发展,计算机视觉技术作为人工智能领域的重要分支,是一种将图像和视频信号转化为数字信息并进行高效处理和分析的技术,在各个领域得到广泛应用。基于此,文章从多个角度分析了计算机视觉技术在智能化农业机械中的应用现状、优势以及未来发展前景。应用结果表明,计算机视觉技术结合智能化农业机械,正在引领一场农业生产方式的革命,成为推动农业智能化转型的重要力量。

关键词： 图像处理   图像去雾   Transformer模型   可变形卷积   密集残差  

摘要： 为了提高神经网络模型从全局到局部的特征提取能力,增强雾图复原过程中的泛化性能,提出一种结合宽型提取和径向增强的二阶段图像去雾算法.算法通过两个阶段对有雾降质图像进行清晰化复原,在特征提取阶段,结合Transformer的全局关注能力与可变形卷积的局部感知能力,提出由双尺度Transformer模块和可变形卷积模块组成三分支宽型特征提取结构,实现对雾图特征有效感知与提取;在特征增强阶段,采用密集残差块组成的径向增强网络,依次联合由浅到深的图像特征进行拼接,实现特征的进一步增强.实验结果表明:所提出的网络模型在合成数据集和真实图像复原过程中均表现出色,对不同浓度的雾霾去除效果明显,复原图像主观恢复效果自然,且具有较好的泛化能力.

关键词： 光栅周期   测量   图像处理   误差分析  

摘要： 衍射光波导作为实现增强现实的一种方案,具有体积小、质量轻等优势。光栅波导表面的亚波长光栅的周期对成像质量有很大的影响,需实现对亚波长光栅周期的快速准确测量。李特洛衍射法具有成本低、非破坏性的优势,但其对光栅样品的位姿有严格的要求,测量前需要反复调节位姿,不利于实现快速测量。针对以上问题,对光栅未对准情况下的衍射特性进行分析,提出基于图像处理计算失配角并修正误差的方法。所提方法可在光栅位姿未严格对准的条件下精确测量光栅周期,提高测量效率,有望实现增强现实光栅波导的快速检测。

关键词： 缺陷识别   工件分拣   LabVIEW   图像处理  

摘要： 阐述基于LabVIEW图像处理的工件表面缺陷系统设计。测试发现,采用该设计系统,能够对工件表面缺陷进行有效识别,克服人工分拣效率低的缺点,有效提高次品分拣率和企业生产效益。

关键词： 计算机视觉   纸张缺陷   缺陷检测   视觉传达  

摘要： 纸张表面的缺陷会对纸张的质量和外观造成影响,并降低纸张相关产品的质量。所以,要利用计算机视觉技术对纸张缺陷进行检测,将有缺陷的纸张剔除,提高产品质量和一致性。以此,本文对纸张缺陷检测技术进行分析,研究了计算机视觉的纸张缺陷检测方法,并探讨了系统的实现与性能评估方法,促进了纸张行业的创新发展,实现更高级的智能化与自动化生产。

关键词： YOLOv8s   遥感图像   目标检测   多尺度特征融合   注意力机制  

摘要： 针对高分辨率光学遥感图像背景复杂、目标尺寸差异大且小目标占比多导致目标检测出现漏检和误检的问题,提出一种改进YOLOv8s的目标检测算法。首先,引入双向加权特征金字塔网络(BiFPN)结构替换原始颈部网络,并增加1条主干网络的分支来获取浅层特征,从而提高小目标的检测性能。其次,在颈部跨阶段局部网络融合(C2f)模块的瓶颈结构中引入高效多尺度注意力机制(EMA),提高对空间信息和通道信息特征的关注度,减少无关信息的干扰。最后,在SIoU(SCYLLA-IoU)的基础上结合加权交并比(WIoU)中的动态非单调聚焦系数设计SWIoU损失函数,加强边界框的回归性能,同时考虑预测框与真实框之间的方向匹配,从而进一步提高算法的检测精度。在DOTA数据集上,改进算法的平均精度均值(mAP50)达到73.0%,与YOLOv8s相比提高3.0百分点,其检测结果同样优于其他主流算法。此外,在RSOD数据集和NWPU NHR-10数据集上的实验结果进一步验证了所提算法在不同数据集上的通用性和适应性。

关键词： 机器人抓取   卷积神经网络   目标检测   虚拟仿真  

摘要： 对机器人抓取检测方法进行研究,为了提高机器人抓取技术对小目标物件的检测精准度和检测速度,提出了一种基于改进YOLOv7-tiny网络的机器人抓取检测方法。首先,选择卷积神经网络二阶段目标检测算法之一的YOLOv7-tiny目标检测算法作为机器人抓取检测方法的基础目标检测网络,然后针对其主干网络、颈部网络以及损失函数进行改进,旨在提高网络对小目标物件进行检测的精准度和速度,最后,在虚拟仿真环境中对改进后检测算法进行实验测试。测试结果表明:改进前的检测方法训练集上,经过200次迭代后才开始收敛,趋于平稳,损失值维持在0.39左右,经过改进后的机器人抓取检测方法在经过80次迭代后便开始收敛,且损失值维持在0.1左右;在6次测试过程中,改进前的机器人抓取检测算法准确率最高为80.11%,最低为69.05%,检测性能较好,但稳定性不够。经过改进后的机器人抓取检测算法准确率最高为93.65%,最低为93.15%,相差极小,检测性能好、稳定性好,与改进前相比,检测准确率最大提高了24.60%;在虚拟仿真抓取测试中没有出现失误。

关键词： 图像处理   LR   A   光学像差   噪声   D-LR   A  

摘要： Lucy-Richardson-Rosen算法(LR2A)是图像复原领域中最重要的方法之一，然而LR2A的性能可能会受到大光学像差和成像噪声的影响，在恶劣环境下甚至可能失效。为解决上述问题，提出了一种差分式Lucy-Richardson-Rosen算法(D-LR2A)，旨在减少光学像差和检测噪声对光学图像复原的影响，并使之具有更快的收敛速度和更优的复原质量。在改进的光学配置中，采用Hartmann-Shack波前传感器来测量光学像差并精确估计光学成像系统的点扩散函数（PSF）。因此新算法能够更有效地应对复杂的光学环境，提升图像复原的效果。数值模拟和实验结果表明，所提出的方法可以在较大光学像差和较高噪声水平的情况下恢复图像。此外，相比于传统的LR2A，D-LR2A还表现出更快的速度和更佳的复原质量，从而使得该方法更容易应用于实际场景。

关键词： 特征识别   装配体定位   图像处理   组合滤波算法   轮廓查找法   边缘检测  

摘要： 自动化和智能化已成为当前制造业研究和应用的热点。针对工业现场环境复杂，装配体特征识别困难、定位精度低等问题，提出了改进的滤波算法（组合滤波算法）并结合信噪比，对图像降噪进行多次寻优，以获得最优降噪内核值，提高降噪效果。在此基础上，通过轮廓查找和边缘检测，对装配体的特征进行精确识别与位置判断。最后，通过实际应用验证了本方法的准确度和可靠性。研究表明：采用组合滤波算法识别不同特征零件形状的精度提高了1倍，且该算法能满足装配体实际定位精度要求。