关键词： 沥青路面   裂缝检测   图像处理   切比雪夫插值  

摘要： 为了在道路维护过程中,对沥青路面裂缝进行及时识别,保证道路使用寿命并降低维护成本。基于切比雪夫插值的路面裂缝检测系统,可通过切比雪夫插值算法对采集到的裂缝图像进行细化处理,突出裂缝边缘特征并提高识别准确性。通过对传统插值方法与切比雪夫插值的对比,指出后者在数值稳定性和避免龙格现象方面的优势;设计了包括图像预处理、边缘检测、裂缝识别与拼接等模块在内的路面裂缝检测系统,并通过MATLAB GUI工具箱实现对沥青路面裂缝的精准识别。实验结果表明,系统能有效提升裂缝图像质量,突出边缘特征,并显著提高裂缝识别的准确性。

关键词： 计算机视觉   YOLOv5   仪表识别   工业机房  

摘要： 数据机房作为保障数据安全的重要设施,其内部的各种仪器仪表对于监控数据机房的安全至关重要。然而,传统的仪表识别依赖人工操作,易出错且效率低下。为了解决数据机房中工业仪表在复杂场景下准确率低的问题,研究提出了一种结合渐进式注意力机制与目标检测网络的仪表识别算法。此外,研究还引入了幽灵模块以增强特征表达能力,提高模型的识别准确率。实验结果表明,在不同复杂场景下的仪表识别任务中该模型均表现出较高的准确率。例如,在光照不均或有遮挡的场景A中,准确率达到了92.15%,召回率为89.47%,F_(1)分数为90.78%,处理时间为34.21 ms;在背景复杂或多仪表密集的场景B中,准确率提升至93.24%,召回率为90.85%,F_(1)分数达到92.02%,处理时间为35.17 ms。因此研究所提出的基于计算机视觉的数据机房工业仪表识别模型在复杂场景下的工业仪表识别任务中取得了显著成果,显示出较高的实用价值。

关键词： 深度学习   特征融合   目标跟踪   模板更新   注意力机制   多尺度结构   单流框架  

摘要： 为解决目前基于Transformer的目标跟踪算法采用单一注意力机制,难以有效区分背景和目标的优先级,以及全局注意力操作导致计算负担过重的问题,提出一种基于双层路由注意力的目标跟踪算法。双层路由注意力特征融合模块将单一注意力分为两个层次,上层对图像的区域特征进行相似度筛选,下层对筛选出的区域进行注意力计算。所提算法在LaSOT、GOT-10K、OTB100多个数据集上进行对比实验,实验结果表明,所提算法跟踪表现优良,性能优于现有的多个跟踪器。

关键词： CT扫描   图像处理   煤体裂隙结构   细观参数   三维数值模型  

摘要： 煤岩体内部含有大量形态迥异的裂隙结构,其间接影响并决定着煤岩体的力学性质,准确把握裂隙结构并重构三维数值模型是研究煤岩体力学性质的必要途径。采用CT扫描、岩石力学试验、图像处理技术、RFPA3D-CT相结合的方法对煤样切片进行阈值分割,提取煤样三维裂隙结构,建立与所研究煤样内部裂隙结构、力学性质基本一致的三维数值模型,嵌入RFPA3DCT进行单轴加载数值模拟分析。结果表明:煤样三维数值模型能较好地反映其内部复杂的细观裂隙结构,其单轴压缩试验与数值模拟试验在破坏形态、应力应变曲线上具有较强的相似性,且两者单轴抗压强度平均误差仅为1.56%,弹性模量平均误差仅为2.22%,进而验证了煤样三维数值模型构建方法的正确性。

关键词： 目标检测   变电站   人工智能   YOLOv10-s  

摘要： 变电站作为电力系统的核心枢纽,其安全管控至关重要。针对现有变电站安全意识薄弱、外来施工人员管控困难等问题,本文提出基于YOLOv10-s的智能门禁系统。该系统通过优化调整YOLOv10-s算法,引入BiFPN特征融合网络,显著提升了对安全帽、工作服及人脸的检测精度和速度。系统设计包括YOLOv10-s检测网络、人脸识别网络和基于树莓派4B的硬件部署,实现了与后端数据库的高效交互。实验结果表明,改进后的检测模型在mAP达到了88.94%,FPS提升至56.63张/s,人脸识别模型准确度高达94.98%,FPS提升至65.77张/s,有效强化了变电站的安全管理能力。

关键词： 深度学习   目标检测   YOLOv8   注意力机制  

摘要： 水电站一般通过视觉检测的方法保证门机运行工况安全.在门机工作区域内,人员和车辆是主要的危险源.基于深度学习方法,针对检测图像中人员和车辆目标尺度不一、存在遮挡的问题,对YOLOv8s模型进行改进.主干使用引入EMA注意力机制和动态卷积的Dy‑EMA_C2f模块替代原有C2f,提高对空间与通道跨维依赖关系的学习能力和对不同尺度目标的特征提取能力,减少运算开销;颈部引入SEAM注意力机制,增强特征融合能力;提出损失函数Focaler-SIoU,聚焦中等处理难度的样本,改善边界回归精度.在网络数据集进行验证实验,改进后的模型精确率P提高了10.3%,召回率R提高了5.5%,平均精度均值mAP提升了8.2%,对遮挡和小尺度的漏检、误检情况明显改善.

关键词： 无人机航拍图像   小目标   YOLOv8   目标检测   可变形卷积   注意力机制  

摘要： 针对现有无人机航拍图像目标检测算法检测精度较低、检测小尺度车辆误差较大等问题,提出一种改进YOLOv8的无人机车辆检测算法Improve⁃YOLOv8。首先,在骨干网络中的C2f卷积层引入可变形卷积模块DCNv2,提高骨干网络适应不规则空间结构的能力,增强模型对遮挡重叠小目标的检测能力;其次,借鉴Large Separable Kernel Attention的思想,提出具有长程依赖性与自适应能力的SPPF⁃LSKA模块,有效减少背景对航拍图像检测的干扰;然后,通过引入DyHead检测头,融合尺度、空间和任务三种注意力机制提升模型检测性能;最后,使用WIoUv3作为边界框回归损失,采用明智的梯度分配策略提高模型的定位能力。实验结果表明,在Mapsai数据集上Improve⁃YOLOv8相较于基准模型,在准确率、召回率、平均精度上分别提升了5.1%、6.1%和5.1%,表现出良好的检测性能,具有实际应用潜力。

关键词： 3D目标检测   融合采样   多尺度特征   可变形卷积   关注度平衡   尺度放缩  

摘要： 针对单目图像中不同深度目标的尺度差异所导致的单目3D目标检测算法精度不佳的问题,提出一种基于融合采样和深尺约束的检测算法.首先,为增强采样特征对不同尺度目标的表征能力,构建多尺度特征融合模块(multi-scale fusion module,MFM),通过分层聚合和迭代聚合对不同层级、不同尺度的特征进行融合采样,从而提高对目标隐式尺度特征的提取能力.此外,构造深度尺度相关化模块(depth-scale correlation module,DSCM),利用深度与尺度之间的线性投影约束将不同尺度的目标补偿式放缩至同一特征水平,以此平衡模型对不同距离目标的关注度.基于KITTI数据集和Waymo数据集的定量结果表明,所提出的算法相较于同类算法在多种难度下的整体平均精度AP3D分别提升了1.56个百分点和3.07个百分点,验证了算法的有效性及泛化性,同时基于两类数据集的定性结果验证了该算法显著缓解了目标尺度差异对检测性能造成的影响.

关键词： 大学英语课堂展示   学习投入   计算机视觉技术   展示时段  

摘要： 学习投入是预测学习者学习效果的重要指标,学术界对其与课堂展示间的相关性研究鲜有涉猎。文本以某综合性大学303名非英语专业本科生为研究对象,采用人工智能与计算机视觉技术模型YOLOv7对大学英语课堂中的课堂展示实录进行学习投入多模态数据分析,并辅以问卷调查,形成双向印证。研究发现,学生课堂展示中的行为投入、认知投入和情感投入值均等于或高于3.78,投入结果均值达4.01,说明学生在课堂展示中的学习投入情况良好。此外,不同时段课堂展示对学生行为投入的影响显著,学生专注度及参与度在课堂前10分钟的课堂展示中效果最佳。文本为课堂展示的有效性提供了智能化、多模态、多维度的实证支持,为课堂教学的数智技术应用提供了新视角。

关键词： 深度学习   计算机视觉   目标检测   轻量化神经网络   特征提取网络   特征融合网络   特征增强  

摘要： 针对视觉安防系统在边缘计算平台部署火焰检测模型时面临的精度与实时性难以平衡的问题,提出一种渐进自适应特征融合的轻量化火焰检测算法。首先,设计轻量级稀疏卷积算子降低模型计算复杂度与内存访问开销。其次,针对分组卷积的通道间信息交互缺陷,基于残差思想构建长距离上下文特征增强的轻量级特征提取组件。为解决深度骨干网络中特征丢失及背景干扰问题,创新性地提出基于高频增强的轻量级特征强化机制,优化空间域和通道域参数,缓解背景干扰问题。在此基础上,建立特征增强-渐进自适应特征融合框架,促进不同尺度特征图充分融合,提高特征图利用率,增强对多尺度目标的识别效果。实验结果表明,所提方法在实时推理速度最高达到27.1 FPS的同时,参数量降低至2.1×10^(6),较基准模型减少69.5%,并达到83.4%的mAP@0.5检测精度,显著优于现有主流方法。