关键词： 机器人   计算机视觉   二维激光雷达   标定  

摘要： 设计了一款乒乓球捡球机器人,集成智能车平台与5轴机械臂系统。智能车采用双步进电机驱动,确保稳定灵活的移动能力;机械臂通过高精度舵机驱动,实现复杂抓取动作。系统核心控制器选用树莓派,负责协调控制机器人的运动规划与抓取操作。为提升定位精度,结合相机与二维(2D)激光雷达的计算机视觉技术被应用于乒乓球的快速定位。提出了一种基于目标球位置计算机械臂关节最优转动角度的算法,以实现精准抓取。实验证明,该捡球机器人抓球误差控制在10.0 mm以内,有效实现了乒乓球的精确定位与稳定抓取。

关键词： 图像处理工作站   分析   技术审评  

摘要： 图像处理工作站通过对医学图像的处理和分析,可以帮助医生准确地定位病变、评估疾病的程度和进展,并制定合理的治疗方案。文章从医疗器械技术审评角度对图像处理工作站产品的安全有效性进行分析,在图像处理工作站相关基础理论研究、监管信息、综述资料、产品技术要求、临床评价资料等方面提出建议,以期对该类产品注册申报时资料的准备及技术审评有所帮助。

关键词： 视频智能分析   目标跟踪   留置场景  

摘要： 阐述针对视频智能分析系统中的人员检测误检、漏检问题,提出一种基于中心点欧式距离的人员跟踪方法。通过引入人员产生计数器和丢失计数器,有效改善检测准确性。实验表明,该方法在留置场景中显著提升了报警准确率,为智能视频监控系统提供了更可靠的人员跟踪解决方案。

关键词： 深度学习   目标检测   表情识别   OpenCV  

摘要： 本文基于深度学习针对人脸表情进行识别,首先是人脸表情的数据集的采集及预处理。数据集归一化为像素256*256的RGB图像,然后对这些数据进行分割和数据增强处理。经过交叉验证调整模型的参数后,模型评估的准确率达到了93%以上。这些技术的应用将会使表情识别相关应用大幅度地提高,进一步实现人脸表情识别应用智能化水平,对于我国的制造业与服务业产生重大意义。

关键词： RAW数据   图像处理   计算机视觉   图像增强   视觉技术应用  

摘要： 在长期的计算机视觉技术发展过程中,研究者们主要处理的对象是通过图像信号处理器(Image Signal Processor,ISP)处理后的标准RGB图像。这类图像体积小,方便使用和网络传播,因而在许多传统应用场景中得到广泛应用。然而,在低光照或极端成像条件下,这类经过压缩和处理的图像往往因模糊、量化等不可逆操作,导致细节丢失,限制了其性能表现。为应对这些挑战,越来越多的研究开始关注直接处理相机传感器输出的RAW图像。RAW图像未经过复杂的ISP处理,具有线性响应、高比特深度和无损压缩的特点,能够保留更多的原始感光信息。这些特性使其在低光、高动态范围以及复杂视觉场景中表现出优异的灵活性和潜力。在近年来的研究中,RAW图像处理技术取得了显著进展,其应用已从高质量图像与视频的获取、去噪与增强,扩展到目标识别、场景理解等计算机视觉任务。相比传统RGB图像,RAW图像处理能够更好地保留细节信息,并在特定条件下显著提升视觉任务的精度和鲁棒性。此外,随着深度学习技术的发展,基于RAW数据的端到端模型设计成为了新的研究方向,能够充分利用图像中的原始信号信息来提升视觉处理效果。本文系统性地综述了RAW图像处理技术的最新进展,并探讨了这些技术在计算机视觉各领域中的应用。同时,本文还展望了未来的发展趋势,特别是RAW图像数据在更复杂场景下的应用潜力,为相关研究者和从业者提供了有价值的参考和启示。

关键词： 深度学习   图像处理   遥感图像   实例分割   改进Mask R-CNN算法   ResNet-50  

摘要： 针对遥感领域图像目标繁杂、检测和分割精度不高的问题,提出一种改进Mask R-CNN算法。设计PMResNet-50结构作为主干网络,其中金字塔挤压注意模块可以促进局部和全局通道注意之间的信息交互作用,多层次特征聚合模块可以提高PMResNet-50对输入通道语义信息的高效聚合作用。在RoI Align前引入自校准卷积模块来扩大卷积层的感受野大小并对边界框和掩码框执行校准操作。在分割分支使用掩码预测平衡损失函数,对每个类别的正负样本梯度进行平衡,实现对损失梯度的平滑降低处理。在自建低空遥感数据集和iSAID-Reduce100数据集上进行测试,实验结果表明:改进后的算法在自建数据集上box AP和mask AP分别提升17.9%和15.0%,在iSAID-Reduce100数据集上box AP和mask AP达到49.62%和50.27%,该算法很好地完成了对遥感目标的检测和分割。

关键词： 糙皮侧耳   黄斑病   YOLOv5s   目标检测  

摘要： 为准确高效检测糙皮侧耳(Pleurotus ostreatus)黄斑病,构建基于YOLOv5s的黄斑病检测模型YOLOv5s-GCE。该模型在YOLOv5s模型基础上引入轻量化GhostNet结构,将坐标注意力(coordinate attention,CA)模块嵌入到YOLOv5s主干网络中,并利用增强交并比(enhanced intersection over union,EIOU)损失函数替换原YOLOv5s网络的完整交并比(complete intersection over union,CIOU)损失函数,利用自建的黄斑病数据集,对YOLOv5s-GCE模型进行消融和对比实验,并将该模型部署在RK3588S人工智能开发板上进行测试。结果表明:相比于原始YOLOv5s模型,YOLOv5s-GCE模型的平均精度均值(mean average precision,mAP)为92.7%(提高2.7%),复杂度显著降低,参数量、权重大小和浮点运算量(giga floating-pointoperations per second,GFLOPs)分别降低44.7%、43.4%和47.2%;YOLOv5s-GCE模型的整体性能优于SSD、YOLOv7、YOLOv8n和Faster R-CNN典型的目标检测模型。部署在RK3588S开发板上的YOLOv5s-GCE模型检测速度可达每秒30.49帧,mAP值为90.2%,可以满足糙皮侧耳黄斑病实时检测需求,研究结果为后续研发食用菌病害智能检测装置提供参考。

关键词： YOLOv8   无人机   红外图像   目标检测   GSConv  

摘要： 针对当前无人机红外航拍图像目标检测精度低与红外小目标检测困难的问题,提出了一种基于YOLOv8改进的无人机红外航拍目标检测方法。引入双通道特征融合结构,增加网络特征融合能力,减少特征信息的丢失;增加轻量化小目标检测层,提高模型对红外小目标的检测能力;使用轻量级卷积模块GSConv替换颈部网络C2f中的传统卷积,减少模型的大小,提高模型的检测速度;最后在主干网络的SPPF模块后面加入卷积注意力模块,进一步增加模型对红外目标信息的关注,提高模型检测的准确率。通过实验验证了改进后网络的可行性,与基准模型YOLOv8n相比,准确率提高了4.1%,平均精度mAP50提高了3.7,并与8种当前主流模型对比,在所有模型中,提出的模型准确率最高,达到了83.3%,同时FPS达到153,证明了方法的有效性。

关键词： 目标检测   注意力机制   轻量化   仿真  

摘要： 针对YOLOv5s目标检测过程中小目标漏检导致整体检测精度下降的问题,提出一种基于注意力机制和轻量化的优化YOLOv5s目标检测算法。上述优化方法主要是在YOLOv5s的骨干网络中引入深度可分离卷积,在不降低检测精度的同时减少参数量,同时在颈部网络中采用CA注意力机制和Ghost卷积的搭配方式,在不增加参数量的同时有效的提升检测精度。仿真结果证明,优化后的YOLOv5s算法在PASCAL VOC2007数据集和RSOD数据集上的mAP值分别为72.8%和95.5%,相较于原YOLOv5s算法,mAP值分别提高了4.1%和2.0%,同时参数量也都减少了17%。通过仿真证明优化的YOLOv5s目标检测算法可以在提升检测精度的同时兼顾模型的轻量化。

关键词： 茶叶炭疽病   YOLOv8   目标检测  

摘要： 茶叶炭疽病是一种常见的真菌性病害,会使茶叶受到侵害,严重威胁着茶叶的产量和品质。因此,准确地检测茶叶炭疽病,对于茶叶产业的可持续发展至关重要。本文提出了基于改进YOLOv8s的茶叶炭疽病检测方法,在模型中添加DCN可变形卷积,使用EMA注意力机制以及替换MDPIoU损失函数。实验表明,YOLOv8s模型在精确率、召回率和mAP@0.5方面分别达到了94.5%、93.9%和96.5%,优于其他常见的目标检测算法,为茶叶病害的防控防治提供了重要的参考。