关键词： 计算机视觉技术   造纸工业   质量控制   缺陷检测  

摘要： 随着造纸行业向规模化、柔性化生产转型,高效精确的质量控制已成为提升竞争力的关键挑战。传统的人工检测方法在高速生产线上存在实时性不足、精确性受限以及易受人为因素干扰等问题,难以满足现代生产对产品质量稳定性的要求。计算机视觉技术凭借其高效性和精确性,逐渐成为提升造纸行业质量控制水平的核心手段。通过探讨计算机视觉技术在造纸产品质量控制中的实际应用,重点分析其在纸产品的缺陷检测,纸张幅宽、横向位置及厚度等关键尺寸参数测量,以及色差与纹理监控等环节的技术路径与实施效果,旨在为造纸行业质量管理的智能化转型提供技术支撑与实践参考。

关键词： 机器人视觉   图像处理   算法优化   导航技术   特征提取  

摘要： 随着机器人技术的飞速发展,视觉导航作为其核心技术之一,对图像处理算法的依赖日益增加。系统地分析了机器人视觉导航中图像处理的关键技术,包括图像采集、预处理、特征提取、图像匹配及地图构建等,并通过实验数据支持,探讨了这些算法的优化方法。通过对现有算法的深入研究与改进,提出了有效的优化策略,显著提高了图像处理的效率和准确性。此外,还探讨了这些优化技术在实际应用中的实施效果,如无人驾驶汽车、工业机器人和服务机器人等,验证了这些技术的实用性和广泛的应用潜力。

关键词： AI图像处理   蜀锦   蜀绣   纹样设计   历史文化内涵  

摘要： 蜀锦蜀绣作为中国传统手工艺的代表,具有丰富的历史文化内涵和独特的艺术特征。随着科技的不断发展,人工智能技术在各个领域都取得了突破性的成果,将其应用于蜀锦蜀绣纹样设计,也有着明显的优势。本文通过研究蜀锦蜀绣的历史及艺术特征,结合这些年的实践。

关键词： 计算机视觉   课堂视频   头部姿态估计   注意力模型   抬头率   活跃参数  

摘要： 针对研讨型或纵深较大的讲授型教室中头部姿态估计方法存在的误检、漏检问题,提出一种课堂注意力测量方案。首先,采用级联神经网络结构对课堂视频进行头部检测,精确获取学生头部的位置和数量。其次,构建全局人脸检测器和头部姿态分类器,结合人脸检测与姿态分类,准确判定凝视与非凝视状态。接着,引入活跃参数,通过前后帧头部位置匹配算法计算头部姿态变化次数,并结合凝视状态改变次数表征抬头率,得到新的抬头率计算公式。最后,结合抬头率和活跃参数,通过注意力模型分析得出总体表征课堂注意力的数值——注意力K值。实验结果显示,头部检测器在多尺度课堂中的准确率超95.6%,头部姿态分类器分类精确率达94.6%。实际课堂验证表明,该方案能真实反映学生注意力情况,为教学反思和教学能力评价提供重要参考。

关键词： 多任务学习   目标检测   语义分割   自动驾驶   特征融合   轴向注意力  

摘要： 为了满足自动驾驶要求并提升多模型间的协同效果,基于共享主干网络提出新的算法.为了提升模型的位置表达能力,将轴向注意力机制加入主干网络,在保持轻量化特征提取的前提下建立全局关键点间的联系.在多尺度信息提取阶段,引入自适应权重分配方法和三维注意力机制,降低不同尺度特征间的信息冲突.根据难分样本区域优化损失函数,加强所提算法在难样本区域的细节识别能力.在BDD100K数据集上的实验结果表明,相比YOLOP,所提算法在交通目标检测任务中的平均精度均值(在IoU=50%的情况下)提高了3.3个百分点,在道路可行驶区域分割任务中的mIoU提升了1.0个百分点,车道线检测准确率提升了6.7个百分点,推理速度为223.7帧/s.所提算法在交通目标检测、可行驶区域分割和车道线检测任务上了均表现出良好的性能,能够较好平衡检测精度与推理速度.

关键词： 软线   视觉感知   深度相机   图像处理   坐标计算   曲线重构   位姿转换   机械臂抓取  

摘要： 针对使用机器人对柔性物体进行操作的复杂任务,设计了一种简洁高效的软线抓取方法。首先利用双目相机和图像处理方法对软线进行测量,结合坐标系间的转换关系,从图像中还原了其特征点的空间坐标信息;采用Frenet标架对软线进行了建模重构,以获取软线上任意点的位置与弯曲方向信息;提出了六自由度机械臂的位姿表示及转换方法以及相机的标定流程,将曲线任意弧长处的坐标值和Frenet标架方向转换为夹爪末端的位姿参数,最后开展了目标点处沿软线弯曲方向抓取软线的地面实验,验证了方法的有效性。

关键词： 图像处理课程   摄影   教学改革   实践  

摘要： 高校摄影专业的图像处理课程以Photoshop软件为授课核心,兼具技术与艺术属性,通过理论和实训教学,培养学生实际操作和艺术审美能力,使学生掌握图像处理技巧,为其后续相关课程的学习打下坚实的基础。指出图像处理课程在高校摄影专业的设置情况,分析高校图像处理课程教学面临的挑战,探讨图像处理课程教学改革的措施,以期能为高校提升图像处理课程教学效果提供有益的参考。

关键词： 扩散模型   去噪扩散概率模型   分数扩散模型   深度学习   计算机视觉   图像生成   生成模型   生成对抗网络  

摘要： 扩散模型是受分子热力学启发而来的一类新的生成模型,具有训练稳定、对模型设置依赖性弱等优点。近年来,扩散模型被广泛应用于各项任务,并且取得了相比于以往生成模型更多样、更高质量的结果。目前,扩散模型已成为计算机视觉领域热门的基准方法。为更好地促进扩散模型在计算机视觉领域的发展,对扩散模型进行综述:首先对比了扩散模型与其他生成模型的优劣,介绍了扩散模型的数学原理;随后,从扩散模型存在的普遍问题出发,介绍了相关学者近年来所做的改进工作,以及扩散模型在多种视觉任务上的应用实例;最后,探讨了扩散模型存在的问题,并提出了一些未来可能的发展趋势。

关键词： 桥梁工程   自适应改进LK光流算法   非接触式测量   结构位移监测   计算机视觉   环境干扰因素  

摘要： 计算机视觉光流法在结构健康检测领域具有广泛的应用潜力。然而,传统光流法在面对复杂环境变化时,其鲁棒性和准确性仍存在较大不足。故本文提出了一种基于计算机视觉的自适应特征点识别算法,旨在提高在光照变化、视角变化、噪音干扰及雨水干扰等复杂环境条件下的特征点检测和跟踪精度。算法通过动态调整特征点提取、匹配和优化参数,适应不同场景和环境干扰条件下的特征点运动和变化。试验结果表明,在光照变化(包括亮光、暗光)、视角变化、噪音干扰(包括强噪音、弱噪音)和雨水干扰(包括大雨、小雨)下,算法的均方根误差均显著低于传统LK光流法,验证了自适应特征点识别算法在复杂环境中的鲁棒性和准确性。此外,通过处理时间和特征点数量的对比,证明了算法在实时性方面的优势。本文的研究为桥梁工程结构的实时监测提供了有效方法,有助于提高结构施工质量,保障运营安全。

关键词： 图像处理   图像分类   生成对抗网络   数据增强  

摘要： 针对在工业环境下因图片数据样本量较小影响带钢表面缺陷检测分类精度,通常采用数据增广策略但需保证细节特征多样性的问题,提出了一种多样性激励深度卷积生成对抗网络VS-DCGAN(variety-stimulation deep convolutional generation adversal network)和MobileViT的带钢表面缺陷分类方法。首先,引入深度卷积生成对抗网络,利用通道注意力机制和多样性激励模块对其进行改进;再用VS-DCGAN对原始数据集进行扩充并保证细节特征多样性;然后,在扩充后的带钢表面缺陷数据集上训练轻量级分类网络MobileViT;最终实现带钢表面缺陷的分类。实验结果表明,多样性激励深度卷积生成对抗网络可以生成与原始图像数据分布相似且细节特征更丰富的带钢表面缺陷图片,达到了数据增强的目的;且扩充后的数据集能够使得轻量级分类网络MobileViT的训练效果更优异,3个版本的分类准确率分别为97.33%、98.66%、97.33%,分别提高了0.33%、1.5%、2.13%,高效地实现了带钢表面缺陷分类。