关键词： 高度测量   目标检测   YOLOX   回归分析   高空作业  

摘要： 为了在作业现场便捷、准确地测量登高作业人员距离地面的高度,提出了一种融合大气压力测高和视觉检测的高程测量方法.建立YOLOX深度网络来检测现场作业图像中的登高作业人员,确定作业人员在图像中的高度位置.利用大气压力传感器对作业人员登高过程中短期的实际高度变化值进行检测.根据大气压力测高结果以及视觉检测结果,利用支持向量回归(SVR)建立并更新作业人员的图像位置与实际高程之间的回归模型,最终由回归模型获得高准确度的测高结果.在实际的登高作业实验中,将所提方法与大气压力传感器直接测高及大气压力传感器比对法测高进行对比,该方法的平均绝对测高误差和均方根测高误差均低于0.2 m,优于其他对比方法.所提方法通过视觉与大气压力传感器的融合,既克服了大气压力传感器测高漂移严重、长时间使用时精度低的问题,也避免了视觉检测中的人工标定过程,测高精度能够满足登高作业现场的人员测高需求,且便于实施,不会增加作业人员的工作负担,对于登高作业安全监护具有明显的实用性.

关键词： YOLOv5s   HiPPO   YOLOv5   目标检测   老鼠识别   超参数优化  

摘要： 文章提出了一种基于HiPPO改进的YOLOv5目标检测模型,用于食品仓库环境中的老鼠检测。传统的YOLOv5模型在超参数选择和模型性能优化方面依赖人工经验,难以达到最佳效果。为此,文章引入HiPPO算法对YOLOv5的超参数(如学习率、批量大小、置信度阈值等)进行自动化优化,以提高模型的检测精度和效率。实验结果表明,改进后的模型在食品仓库老鼠检测任务中具有更高的mAP(mean Average Precision)和更低的漏检率,为食品仓库害虫防控提供了有效的技术支持。

关键词： 雾天场景   目标检测   信息交互   FasterNet   SENet   ResNeXt  

摘要： 随着智能通信技术在智能交通场景的广泛运用,行人、车辆目标检测已成为保障道路安全的重要基础。针对在雾天恶劣环境中检测网络漏检率高、检测速度慢的问题,本文提出基于YOLOv8的实时雾天目标检测方法。该模型将输入图片加入去雾网络模块对输入图像进行预处理,保留原图片的细节特征并去除雾气的遮挡,再使用改进后的YOLOv8n进行检测。在YOLOv8n上基于FasterNet改进C2f模块,降低模型参数量及模型大小,增加模型计算效率,并设计SE-ResNeXt检测头,避免了因堆积神经网络层数带来的负面影响。最后运用知识蒸馏的方式,进一步提高检测精度。将所提出模型在reside rtts数据集和合成有雾数据集上进行验证。与原网络相比,平均精度(mAP@50_95)提升5.2个百分点,检测帧数达到170 frame/s。

关键词： 水刺无纺布   视觉检测   缺陷识别   图像处理   自动化检测  

摘要： 随着水刺无纺布在各行业中的广泛应用,其生产过程中的缺陷检测尤为重要。传统人工检测存在效率低、误差大等问题,无法满足现代生产的需求。文章提出了一种基于视觉检测技术的水刺无纺布缺陷自动识别系统。通过图像采集、预处理、特征提取和分类算法相结合,实现对水刺无纺布缺陷的高效、精准识别,以期为水刺无纺布的智能化质量检测提供参考。

关键词： 机动目标跟踪   卡方检验   残差   机动检测  

摘要： 针对雷达跟踪高速高机动目标采用卡方检测对目标机动进行实时判决时出现的机动检测延迟问题,提出一种改进算法。新算法基于机动目标跟踪的特点,根据量测位置与预测位置的相对关系,充分利用跟踪残差的方向信息,相比于传统算法只利用残差的幅度进行卡方检测,具有判决延迟小、弱机动检测敏感等优点,最后通过仿真实验证明了算法的有效性和可行性。

关键词： 1+X”证书   图形图像处理   课程标准  

摘要： 根据“1+X”数字影像处理技能等级证书制度的要求,传统的“图形图像处理”课程存在教学内容单一、教学方法缺乏创新、缺少与技能等级标准相衔接的内容及课程考核形式固化等问题。重点从课程目标、课程内容、教学团队、考核评价、实施环境等方面对课程标准进行修订。紧密对接“1+X”数字影像处理技能等级证书的考核要求,全力推动高等职业学院数字媒体技术专业的可持续发展。

关键词： 实例分割   目标检测   SAM模型   特征金字塔   多尺度感受野  

摘要： 高空间分辨率的遥感图像具有背景复杂、目标分布不均匀以及小目标等特性,使得通常用以处理自然图像的传统算法对遥感图像中的小目标检测及分割存在挑战。针对上述问题,文章提出多感受野特征融合的特征增强网络提高小目标检测精度,并将检测得到的目标框及相应的语义信息输入分割任意模型(segment anything model,SAM),从而实现SAM模型端到端的实例分割。通过在NWPU和SSDD数据集上的实验结果表明,所提出的方法对小目标的检测相较于Cascade R-CNN+PAFPN分别提升了5.9和1.4个百分点。而SAM模型依赖准确的点或框提示,故随着检测精度的提升,SAM模型的分割效果也会随之提升。

关键词： 数字图像处理   项目驱动   工程教育认证   实践教学   谷物颗粒统计  

摘要： 随着工程教育认证在全球范围内的广泛推行,培养具备综合能力和实践创新能力的工程技术人才成为高等教育的重要目标。本文针对传统“数字图像处理”教学侧重理论讲解和数学推导,教学内容只涉及经典算法而没有和最新研究成果相结合,局限于单个算法的仿真实现而忽略了工程实际中的综合运用等问题,探索了一种基于项目驱动的教学模式。本文以谷物颗粒统计项目为例,教学过程分为项目选题、项目调研、教学内容与项目结合、项目实现、项目评估与反馈5个阶段。实践教学表明,该教学模式不仅较好克服了传统教学方式的弊端,而且让学生加深了对图像处理技术的理解,还提升了综合素质和创新能力。

关键词： PBL   项目式学习   医学图像处理   脑出血   NCCT   深度学习  

摘要： PBL学习法是以学生为中心,致力于解决问题的一种教学方法,它既可以提升学习者的学科知识、沟通技巧,又可以培养正向思维、解决问题和团队协作能力。本研究以脑出血体积计算为例,结合PBL方法,使用人工智能网络对出血性脑卒中患者NCCT影像出血区域进行血肿自动分割和量化体积。实验结果显著优于传统算法,有助于辅助临床医生治疗决策。综上,PBL方法拓展了该课程的广度与深度,提升了图像处理的专业技能与综合应用能力。

关键词： 目标检测   YOLOv5s   Gold-YOLO   可变形卷积   注意力机制  

摘要： 阐述针对低照度环境中直接使用通用的目标检测算法存在检测精度低的问题,提出一种新的低照度目标检测算法YOLO_BF,主要解决低照度环境中的小目标漏检、密集目标误检和遮挡目标漏检三大问题,以提升目标检测精度并做到高效和实时。