关键词： 计算机   平面设计   多格式兼容   图像处理技术   应用方法  

摘要： 在新时期,平面设计领域的市场竞争愈发激烈,设计人员想要在激烈的市场竞争中占有一席之地,就要加强对计算机图像处理技术的应用,进一步提高平面设计的艺术表现力与感染力,但在实际应用图像处理技术展开平面设计工作时,还面临着多格式兼容难度大的问题,导致平面设计的整体水平还有待提升。基于此,本文在简要分析计算机平面设计中图像处理面临的机遇和挑战后,重点阐述了多格式兼容图像处理技术的应用方法,并从设计标准操作流程、引进现代科学技术两个维度出发,提出强化多格式兼容图像处理技术应用质量的有效措施,以提升计算机平面设计的质量与效率。本文的研究成果旨在为从业人员提供参考与借鉴。

关键词： 复杂背景   濒危动物   目标检测   YOLOv8模型   蛇形动态卷积   注意力机制  

摘要： 针对野外复杂背景下濒危动物识别精度不足的问题，该研究对YOLOv8模型进行改进。首先，在主干网络中引进蛇形动态卷积（DSConv），增强模型对遮挡情况下的检测性能；其次，在颈部网络中引入全局注意力模块（GAM），提高模型对濒危动物相关信息的关注度，对环境等不相关的特征进行抑制，减少冗余信息；然后，在头部网络设计小目标检测头，对浅层特征图进行融合，提高网络对小目标的感知和定位能力；最后，使用基于最小点距离的边界框损失回归函数（MPDIoU）替换传统的CIoU算法，从而提高算法的收敛速度和定位精度。实验结果表明，本文模型对于复杂背景下的濒危动物检测精度和平均精确度分别为96.2%和97.2%，相较于基础的YOLOv8n检测精度和平均精确度分别提高了2.1和2.4个百分点。利用相同数据集在不同的目标检测模型上进行对比实验，与Faster-RCNN、SSD、YOLOv5、YOLOv7等模型相比，平均精度均值分别提升了28.7、22.5、3.5、2.4个百分点。实验证明，改进YOLOv8模型可为实现复杂背景下的濒危动物检测提供理论依据。

关键词： 智能识别   岩土工程   地基检测   图像处理   无损探测  

摘要： 随着岩土工程建设规模的扩大和复杂性的增加,传统地基缺陷检测技术在效率与精度方面的局限性逐渐凸显。本研究创新性地提出一种基于计算机视觉与深度学习融合的地基缺陷智能检测方法,通过优化U-Net++网络架构,整合高精度地质雷达(GPR)探测数据与无人机航拍影像,实现了对裂缝、空洞等典型地基缺陷的智能化识别与分类。实验结果表明,在涵盖华北、华东等多个地区工程现场样本的自建数据集上,该模型的缺陷识别准确率达92.7%,较传统卷积神经网络方法显著提升,检测效率提升逾两倍。该研究成果为岩土工程领域的数字化检测技术发展提供了新的技术路径,对提升基础设施安全监测水平具有重要价值。

关键词： 公路日常养护   目标检测   无人机巡检   航拍图像   深度学习  

摘要： 针对无人机公路日常巡检任务中检测目标小、背景复杂、计算量大导致的检测精度不足、实时性差等问题，该文提出一种基于YOLOv11n改进的无人机公路日常巡检算法YOLOv11-UR。该算法将MLCA注意力机制加入主干网络，融合通道与空间维度信息，整合局部与全局感受野，有效增强特征表达能力。在仅增加少量参数的前提下，实现了检测精度的显著提升。在Neck部引入GSConv替换标准卷积，使卷积计算的输出尽可能接近标准卷积的同时，降低计算成本；引入VoVGSCSP替换C3k2，降低模型参数量和计算复杂度的同时增强特征提取能力。试验结果表明：YOLOv11-UR算法在无人机公路日常巡检方面具有显著优势，在未损失过多推理速度的情况下，有效减少了模型的参数量与计算开销，且模型检测精确率(Precision，RP)和平均精度均值(PmA)分别达到78.26%和73.34%。改进算法兼顾检测精度与推理效率，能够更好地满足无人机公路日常巡检需求。

关键词： 桥梁工程   桥梁检测   机器视觉   裂缝检测   图像处理   深度学习  

摘要： 桥梁裂缝是影响桥梁服役性能的关键因素,裂缝检测对于桥梁养护至关重要。目前大部分裂缝检测方法为人工检测,检测人员通过目视检查裂缝,手动记录裂缝,检测的时间成本高昂。基于机器视觉的桥梁裂缝检测系统利用桥梁表面图像进行裂缝识别,近年来借助人工智能技术使裂缝自动化识别的精度和效率大大提升。介绍了一种基于机器视觉的桥梁裂缝检测综合系统的研发及其应用,总结了该技术在桥梁裂缝检测中的优势及改进方向。

关键词： 目标跟踪   核相关滤波(KCF)   特征提取   循环矩阵   多尺度目标  

摘要： 针对传统核相关滤波(kernelized correlation filter,KCF)跟踪算法缺乏尺度自适应机制,使其在目标遮挡、运动模糊及尺度变化等场景中跟踪性能显著下降的问题,提出一种改进的KCF多尺度目标(简称KCFC)跟踪算法。通过整合梯度方向直方图的轮廓敏感性与颜色特征的光照不变性,形成互补特征描述用于增强表观表征的判别力。采用高斯核滤波器进行位置预测定位,引入循环矩阵与核技巧来增加样本与降低数据集冗余。构建尺度池捕捉目标在不同尺度下的外观特征,设计独立尺度滤波器建立尺度变化响应模型,实现对跟踪目标的位置跟踪与尺度估计。仿真跟踪实验结果表明:KCFC跟踪算法在OTB-100数据集上平均精确率与成功率分别为77.5%与59.2%,相较于KCF跟踪算法提高了4百分点与11.5百分点,实时平均帧率稳定在137帧/s。真实场景跟踪实验结果表明:KCFC跟踪算法在低照度、部分遮挡和尺度变化等复杂环境下表现出优异的跟踪性能,能够在目标短暂丢失后实现重新定位,提升了复杂场景下的跟踪鲁棒性,为智能监控,自动驾驶等实时视觉系统提供了借鉴。

关键词： 光伏电池缺陷检测   目标检测   部分重参数化快速残差块   小目标感知特征金字塔   Inner-WIoUv3损失函数   空间到深度卷积  

摘要： 光伏电池的高效发电对实现碳达峰与碳中和目标具有重要意义,针对光伏电池红外图像缺陷中存在背景复杂与目标尺寸较小等问题,提出一种改进RT-DETR-R18的缺陷检测模型——FSC-Net.首先,在骨干网络提出部分重参数化快速残差块(PRFRB).该模块通过设计部分重参数化卷积,在实现轻量化的同时增强对目标特征的提取能力;在颈部网络中构建小目标感知特征金字塔(SOAFP),利用P2检测层、空间到深度卷积与浅层特征融合模块,重构特征图同时保留细节特征,强化对小目标特征的表达.此外,引入多分支特征融合模块Conv3XCC3,通过差异化结构分支进一步提升颈部网络特征融合的效率与多尺度信息的整合能力.在损失函数方面,采用Inner-WIoUv3替代传统GIoU,以提升边界框回归定位的精度.实验结果表明, FSC-Net与RT-DETR-R18模型相比,参数量减少了2.47M,模型尺寸压缩9.8%的同时平均检测精度mAP@0.5与mAP@0.5:0.95分别达到90.0%、75.8%,较基准模型分别提升5.7%、4.1%,实现了对光伏电池红外图像缺陷的高效检测.

关键词： 计算机视觉   装配精度   目标定位   视觉伺服  

摘要： 针对当前机器人自动化装配生产线在精度控制方面面临的定位误差、姿态估计不准、反馈机制缺失及环境干扰等问题,文章基于计算机视觉技术提出一系列精度提升策略。通过引入精细特征提取与姿态融合识别方法,并结合视觉闭环控制系统与多源感知融合机制,可有效提升识别精度与系统鲁棒性。实验结果表明,所提出方法可显著降低装配误差,提高对复杂工况的适应能力与作业稳定性。研究表明,计算机视觉技术在机器人装配中的深度应用对于实现高精度、智能化制造具有重要价值。

关键词： 肺结节   目标检测   频域   自适应阈值损失   YOLO11  

摘要： 精准高效的肺结节检测模型是早期准确筛查肺癌发病情况的关键.然而,当前算法在面对小尺度以及结构特殊的肺结节时,存在检测准确率低、鲁棒性不足的问题.本文基于YOLO11算法,融合双域特征,提出改进的DFT-YOLO11肺结节检测模型,实现肺结节的精准识别与定位. DFT-YOLO11模型引入频域-空域特征对齐注意力机制模块,以及融合频域分支的FC3k2模块,从频域角度为肺结节检测提供了更丰富的语义特征信息.同时,设计的自适应阈值损失函数平衡不同尺度肺结节对网络训练的影响.实验结果显示, DFT-YOLO11模型在LUNA16数据集中, mAP0.5指标达到94.45%,超越了现有的肺结节检测模型,在Lung-PET-CT-Dx数据集中, mAP0.5指标达到97.29%,表明DFT-YOLO11具备多类别癌变检测性能.同时, DFT-YOLO11检测结果计算的肺结节形态学结构指标均方误差最小,这为临床应用提供了可靠支持.

关键词： 印刷电路板(PCB)缺陷检测   轻量化检测   YOLOv8n   小目标检测   损失函数  

摘要： 针对印刷电路板表面缺陷检测中面板线路复杂、缺陷微小且检测精度与效率难以兼顾的问题,提出一种轻量化、高效的YOLOv8n-LSCNet目标检测模型。首先,在YOLOv8n模型基础上,引入C2f-OREPA模块,利用在线重参数化技术提升特征提取能力;其次,设计一种轻量化检测头,通过共享卷积减少冗余计算;最后,采用扩展交并比(EIoU)损失函数优化边界框回归精度。使用北大印刷电路板(PCB)数据集进行训练与测试,通过消融实验与对比实验验证各模块的有效性。结果表明:相比YOLOv8n模型,YOLOv8n-LSCNet模型的精确率与均值平均精度(交并比阈值≥0.50)分别提升了0.94%和0.47%,参数量与浮点计算量分别降低了21.4%和19.7%;该模型在精度与效率之间取得了良好平衡,具备较强的工程应用潜力。