关键词： 机器视觉   涂胶质量   表面特征提取   图像处理  

摘要： 涂胶是一种防止产品泄漏的重要工艺,车企生产时常用机器视觉来对涂胶质量进行检控,而目前传统的视觉检测仅能识别出胶条轨迹、胶宽、断胶等二维缺陷,难以识别胶条凹陷、针孔等立体缺陷情况。本文针对机器视觉检测胶条凹陷、针孔的失效模式,提出一种基于多方向低角度照明的图像处理技术,通过分别从不同方向照明时物体表面的反射光强度变化以及阴影变化,结合差分、梯度等算法,生成高对比度图像,达到突出胶条表面的三维立体特征目的,以便于后续的缺陷检测。

关键词： 目标检测   深度学习   二维条码   DETR  

摘要： 二维条码检测在物流和零售等领域有广泛应用。然而,传统的检测方法在处理尺度变化较大等复杂情况下的表现较差,存在准确率低、计算量大、检测效率低等问题。针对上述问题,提出了一种改进DETR的二维条码检测算法。首先,通过引入二维条码目标编码和可变形注意力编码器,改善了DETR注意力检测模块在小目标检测方面的表现;然后,引入CIOU对DETR算法的损失函数做出改进和调整;最后,在标注好的二维条码数据集上对改进后的算法进行模型训练和测试,实验结果表明,所提出的改进后的DETR模型平均精度可达到86.97%,与原始DETR算法相比提高了7.15%,整体性能优于其他主流算法,有效提升了二维条码检测能力并达到较高的检测精度。

关键词： 新医科   医学图像处理   教学改革  

摘要： 医学图像处理作为医学与信息技术完美融合的学科,为了适应社会对医学人才培养的需求,亟须打破传统教学的框架束缚,积极探索创新路径。深入剖析了在新医科教育理念指引下,对“医学图像处理”课程进行破旧立新,融入最新科研成果与技术进展,激发学生的创新思维;同时,采用项目驱动、编写可视化小程序等多元化教学方法,强化学生的实践操作与团队协作能力。此外,改革传统考核方式,引入综合性评价机制,着重评估学生解决复杂医学图像问题的实际能力。经过一系列的教学改革与实践,教学成效显著提升,达成了较为理想的教学目标。

关键词： 深度学习   目标检测   YOLOv8   铁路异物  

摘要： 由于监控场景覆盖面积大、侵限异物相对尺寸小、背景干扰较多等,现有铁路侵限监控系统检测精度较低,且达不到实时检测要求,为此提出一种基于改进YOLOv8的铁路异物检测算法。首先,引用FasterNet中部分卷积的设计思想,在颈部网络采用FasterC2f模块替代原C2f模块,以降低模型参数量和运算量,同时提升模型的特征融合能力;其次,对快速空间金字塔池化(SPPF)模块进行改进,引入大型可分离核注意力(LSKA)机制,提出一种SPPF_LSKA模块结构,以在特征提取时减少复杂背景的干扰,加强对小目标的检测能力;最后,采用WIoU损失函数替代原CIoU损失函数,以降低低质量、小目标样本带来的不良梯度影响。实验结果表明:与原YOLOv8模型相比,改进YOLOv8模型检测的平均精度均值(mAP@0.5)达到92.9%,提升了2.09%,模型权重降低了3.28%,浮点运算量降低了6.17%,在检测精度和效率之间达到了较好的平衡,能够满足实际检测需求。

关键词： 目标检测   加拿大一枝黄花   YOLOv8   轻量化   组归一化   共享参数  

摘要： 加拿大一枝黄花是我国重点管理的外来入侵物种之一,而有效检测、识别并获取其位置是治理的前提。为实现在复杂自然环境下快速、准确地识别加拿大一枝黄花,针对现有模型参数量大、计算复杂度高等问题,提出一种基于改进YOLOv8的加拿大一枝黄花轻量化检测模型(YOLOv8-SGND)。该模型针对YOLOv8模型Head部分设计了一种轻量化网络,提出共享组归一化检测(SGND)头,能够在提高检测头定位和分类性能的同时大幅减少参数量。首先,在卷积块中引入组归一化代替原有的批量归一化;其次,在特征聚合后的两个卷积块中共享卷积参数,减少参数量并降低计算复杂度;然后,为了提高算法的鲁棒性和实现边界框各项误差的优化平衡,采用WIoU v3替代原有的CIoU作为边界框损失函数;最后,回归损失和分类损失在共享卷积的同时,使用Scale层对边界框的预测结果进行缩放调整,使得检测结果与实际输入图像的尺寸和不同检测层的特征图尺寸相匹配。采用实测数据进行检测实验,结果表明,所提模型的平均检测精度均值mAP@0.5和mAP@0.50∶0.95分别为98.8%和79.6%,相较于原始YOLOv8模型分别提高了2.8百分点和6.0百分点,模型参数量减少了约21.4%,浮点运算量也减少了1.6 Gbit。与当前的主流目标检测算法YOLOX、Faster R-CNN、Cascade R-CNN、TOOD、RTMDet相比,YOLOv8-SGND的各项精度评估指标均为最优。所提方法具有较高的检测精度和较快的推理速度,可以为外来入侵物种轻量智能化识别提供一定的技术支持。

关键词： 多目标跟踪   课堂人数统计   YOLOv8算法   SORT算法   目标检测  

摘要： 本文聚焦于基于多目标跟踪的课堂人数自动统计这一主题,提出将YOLOv8和SORT (Simple Online and Realtime Tracking)算法相结合的方法。其中,YOLOv8作为先进的单阶段目标检测算法,能迅速识别图像或视频帧中的目标并输出关键信息;SORT算法借助卡尔曼滤波预测目标位置变化。研究通过运用特定的软硬件配置开展实验,对模型进行训练与验证。该方法旨在实现课堂人数的精准自动统计,满足课堂管理和动态监控的需求,为教师及管理人员提供有力工具。其不仅在算法应用上具有创新性,而且在教育管理实践中具有重要的实用价值,有望对智慧教育领域的课堂管理产生积极深远的影响。This paper focuses on the theme of automatic counting of the number of people in the classroom based on multi-object tracking and proposes a method that combines the YOLOv8 and SORT algorithms. Among them, YOLOv8, as an advanced single-stage target detection algorithm, can quickly identify targets in an image or video frame and output key information. The SORT algorithm predicts the position change of the target with the help of Kalman filtering. The research conducts experiment by using specific software and hardware configurations to train and validate the model. This method aims to achieve accurate automatic counting of the number of people in the classroom, meet the needs of classroom management and dynamic monitoring, and provide a powerful tool for teachers and administrators. It is not only innovative in algorithm application, but also has important practical value in educational management practice, and is expected to have a positive and far-reaching impact on classroom management in the field of smart education.

关键词： 无人机图像   目标检测   YOLOv8   PIoU  

摘要： 针对传统的反无人机检测方法经常会出现漏检、误检和检测精度低等问题,提出了一种改进YOLOv8的反无人机目标检测算法——YOLO-DAP。首先,剔除大目标检测层(P5),并将大小为80×80、40×40、20×20的检测头分别替换成160×160、80×80、40×40的新型检测头,以提高网络对微小目标的检测精度;其次,引入可扩张残差注意力模块DWR改进C2f中的Bottleneck模块,提升网络的特征提取能力;再者,引入轻量化下采样模块ADown,使其能够更好地融合不同尺度大小的特征图;最后,使用PIoU损失函数作为回归损失函数,使网络具有更快的收敛速度和更高的检测精度。在公开无人机数据集TIB-Net上的实验结果表明,YOLO-DAP算法的mAP达到92.7%,相较于YOLOv8n算法提高了7.8个百分点,参数量减少了1.93×10^(6),与其他主流目标检测算法相比也取得了明显的优势,证明了算法的有效性和先进性。

关键词： 成果导向教育   OBE理念   教学创新   教学改革  

摘要： OBE理念是工程教育认证的核心理念之一,该理念高度契合工程教育的人才培养需求,对提升人才培养质量意义重大。“计算机视觉与模式识别”作为工程教育的专业基础课程,以OBE教育理念为指导对整体教学方案进行改造和优化,通过重新设计课程教学目标、革新教学模式、精研教学内容以及构建可持续改进的考核评价体系,探索一种以学习成果目标为导向、学生为中心、注重持续质量改进的课程教学模式,以实现“计算机视觉与模式识别”教学过程的良性循环,为工程教育课程的教学改革提供参考。

关键词： 道路裂缝检测   YOLOv11   捷径连接   动态检测头   目标检测  

摘要： 传统道路裂缝检测方法因效率低下、人力成本高昂等问题,已难以满足实际需求。为解决这一问题,文章提出了一种基于改进YOLOv11的道路裂缝检测方法。该方法通过广泛采集纵向裂缝、横向裂缝、鳄鱼状裂缝等多种常见路面裂缝图像,构建了丰富的数据集。在YOLOv11算法的基础上,创新性地引入捷径连接策略,实现了浅层与深层特征的高效融合,显著提升了模型的特征提取能力。同时,采用动态检测头替代原检测头,使其能够自适应处理裂缝尺度变化,增强对不规则裂缝的检测鲁棒性,并通过聚焦潜在目标区域,进一步优化检测精度。实验结果表明,改进后的模型的精确率、召回率和平均精度分别达到0.820、0.831和0.851,相较于原有模型,各项关键指标均有显著提升。该方法为道路裂缝的自动化、高效化检测提供了可靠的技术方案,具有重要的实际应用价值。

关键词： 智慧交通   监控系统   图像处理  

摘要： 随着城市交通规模持续扩大,传统交通管理模式已难以满足现代交通管理需求。通过部署智能化监控系统,实现对路况、车流、行人等多维数据的实时采集与分析,为交通管理决策提供科学依据。实验表明,智能监控系统可将车辆检测准确率提升至95.24%,系统总体延时仅为0.0614 s。本文基于实验数据分析,为构建更高效、更安全的智慧交通体系提供了技术支撑。