关键词： 表面缺陷检测   机器视觉   YOLOv5网络模型   特征提取   图像处理   模型结构优化  

摘要： 针对目前弹箭产品表面缺陷检测技术精度和效率不高的问题,以某型弹箭产品表面缺陷为研究对象,设计了一套弹箭产品表面缺陷检测系统。首先分析检测对象的特征,结合检测流程提出检测系统框架,利用图像灰度化和滤波技术完成特征提取;随后选用YOLOv5网络搭建机器视觉算法模型,针对弹箭产品表面缺陷特点,引入BIFPN模块对网络结构进行优化,提出一种基于机器视觉的表面缺陷检测技术;最后选取数据集进行多组对比实验,实验结果表明,所研究的检测模型能够识别弹箭产品表面各类缺陷。该表面缺陷检测技术研究成果已经应用于工业现场,显著提升了弹箭产品表面缺陷检测效率和准确率,对相似产品领域缺陷检测具有一定的借鉴意义。

关键词： 交通基础设施   计算机视觉   损伤感知   损伤诊断   大模型   具身智能  

摘要： 随着人工智能(AI)技术的蓬勃发展,基于深度学习的计算机视觉成为交通基础设施损伤感知与诊断的重要手段。本文探讨了计算机视觉技术在交通基础设施损伤感知与诊断领域的研究和应用进展。通过分析交通基础设施损伤诊断面临的挑战,深入阐述计算机视觉方法原理、主要模型以及应用于交通基础设施损伤诊断的主要问题。通过综述道路、桥梁、隧道和轨道等交通基础设施损伤诊断的应用进展与相关智能运维设备,揭示了计算机视觉技术在提升损伤诊断精确度和效率等方面的潜力。本文还介绍了预训练大模型的主要技术进展,探讨了其在结构表观损伤识别中的应用方向。最后,本文对具身智能等未来发展方向进行了前瞻性分析。这项综述性研究不仅总结了当前交通基础设施智能运维技术的发展图景,更构建了一个将先进计算机视觉技术与交通基础设施全生命周期管理系统相结合的概念框架。

关键词： 裂缝识别   深度学习   目标检测   生成对抗网络   注意力机制  

摘要： 混凝土裂缝是影响混凝土结构服役性能的重要因素之一,研究开发一种引入生成对抗网络和注意力机制的SSD目标检测修正算法,对精准识别裂缝目标具有重要意义。通过建立全卷积神经网络与生成对抗网络(GAN)相结合的改进网络结构,以工程采集的有限裂缝样本图像为基础生成高质量图像数据以解决数据集获取难的问题;同时引入混合注意力机制(CBAM)以增强SSD特征提取网络对较小裂缝的感知能力。研究结果表明:使用引入注意力和生成对抗网络的目标检测算法检测混凝土表面裂缝,在裂缝识别时各项性能指标均超过了83%,平均准确率AP更是达到了91.51%,相较于原始的SSD目标检测算法提高了10.36%。

关键词： 煤矸石检测   Yolov8   SimAM   BiFPN  

摘要： 为解决复杂环境中煤矸石分选存在的漏检和小目标准确率低的问题,提出了一种基于改进SimBF-Yolov8模型的煤矸石目标检测方法。通过在主干网络中加入SimAM注意力机制,提升模型在复杂环境中的特征提取能力,降低模型漏检。引入特征融合方法BiFPN,增强模型对不同尺度特征的融合能力,提高模型小目标检测准确率。结果表明,与原始模型相比,在模型大小基本保持不变的前提下,文中模型的精确率和召回率分别提高了5%和2.1%,F_(1)分数和平均精度α_(mAP50)分别提高了3.4%和4%。改进后的模型在检测精度上优于原始模型,能够更好地实现煤矸石的检测。

关键词： 图像处理   图像融合   红外图像   可见光图像   跨尺度  

摘要： 针对目前红外与可见光图像融合算法的特征提取不充分、细节纹理信息丢失、模型参数量大等问题,提出一种长短距离注意力协同的跨尺度池化嵌入图像融合算法。首先,利用深度可分离卷积设计通道注意力,以增强关键通道表达,抑制冗余信息;其次,基于GS(Group Shuffle)卷积提出多尺度密集通道强化模块,通过叠加小卷积核和引入密集连接,以增强多尺度信息交互能力并对特征重复利用,防止信息丢失;然后,在跨尺度嵌入层的基础上提出跨尺度池化融合嵌入层,利用不同尺度的池化层融合特征提取部分4个阶段的特征,从而充分利用各阶段的特征并减少计算复杂度;最后,采用双路径设计融合长短距离注意力并设计卷积前馈网络,以捕获特征之间的长短距离依赖关系并降低网络参数量。所提算法与其他7种算法在TNO和Roadscene公开数据集上的实验结果表明,所提算法的融合结果轮廓清晰,其信息熵、平均梯度、结构化差异相对于其他算法均有所提高,且其在Roadscene数据集上的标准偏差获得最大值。另外,在M3FD数据集上进行融合图像的检测性能对比实验,实验结果证明所提算法表现良好。

关键词： 雾天场景   图像去雾   YOLOv7   实时目标检测  

摘要： 雾天场景下,拍摄的图像模糊、细节信息缺失,目标与背景难以区分。针对现有深度学习目标检测算法易出现漏检、误检、识别速度慢等问题,提出一种基于YOLOv7的雾天实时检测算法。以YOLOv7为基线,在其前端设计包含AOD去雾子网络和雾天图像生成子网络的循环去雾双子网络。轻量化的AOD去雾子网络占用很少的计算资源,有效克服雾天对图像造成的负面影响,增强模型的特征提取能力;雾图像生成子网络在模型训练阶段协助提升AOD子网络的去雾性能,并在测试时不参与计算,显著减少推理时间。改进的图像重建损失函数引入模糊图像信息,并将整体网络统一训练有效地结合去雾和检测任务。将CityScapes数据集合成得到两个不同雾浓度的雾天图像数据集,在两个数据集上的实验结果表明,该方法的平均精确度分别为65.2%、64.2%,检测速度FPS为42.4,模型精度在所有对比方法中最优且能实现实时检测;最后将训练好的各模型在RTTS数据集上进验证,所设计的模型泛化能力超过其他方法。

关键词： 铁路接触网绝缘子   目标检测   YOLOv5改进   SREG模块  

摘要： 为解决传统4C系统在铁路供电系统接触网绝缘子缺陷检测中存在的图像采集质量不高、缺陷分析不精确及漏检误检频繁等问题,文中提出了一种基于改进YOLOX-S网络的智能检测方法,通过数据增强、目标检测模型优化,显著提升了公开数据集和现场采集数据的准确性,同时通过模型训练与测试,验证了其实际应用的可行性和可靠性,以适应复杂环境下的大规模绝缘子检测需求.

关键词： 图像处理   实例分割   RGB-D   YOLOv8-seg   苹果树   修剪   位姿估计  

摘要： 针对果树智能化选择性修剪作业中缺乏执行末端位姿的预测方法,提出一种基于RGB-D图像的修剪点定位与执行末端位姿估计方法。首先,利用RealSense D435i深度相机获取苹果树的RGB图像和深度信息,并通过改进的YOLOv8-seg模型对RGB图像中的树干与一级枝根部预设区域进行分割。其次,利用OpenCV图像处理方法,计算出树干直径、侧枝直径和侧枝生长间距,基于人工剪枝规则,判断并定位修剪点像素坐标。最后,结合修剪点坐标与深度信息,基于点面映射原理推导出修剪点对应的修剪位姿。结果表明,改进的YOLOv8-seg模型在自建数据集掩膜预测的精确率和召回率分别达到了95.31%和93.79%,修剪决策判断的正确率为88.3%,执行末端位姿估计的成功率为89.9%,可以为苹果树修剪机器人的研发提供技术支持。

关键词： 智能交通   驾驶人行为   递归全对场变换   深度学习   图像识别  

摘要： 【目标】通过构建多源信息融合神经网络模型,提升复杂驾驶场景下驾驶人行为识别的准确率和实时性,突破传统深度网络计算效率瓶颈,保障交通运行安全。【方法】构建驾驶人行为数据集Driver-seq,包括5种正常驾驶行为和5种不良驾驶行为,采用递归全对场变换(RAFT)算法进行图像数据预处理,通过运动特征增强削弱复杂背景噪声的干扰。通过构建基于RAFT的轻量化驾驶人行为识别模型,引入光流估计技术,提升模型对动态驾驶行为的时空特征提取能力。整合残差结构和全局平均池化层的双重优势,在保证特征提取深度的同时有效控制了计算复杂度,提出了含有残差结构和全局平均池化层的GX模块,设计了MobileNet-GX轻量化神经网络。【结果】驾驶人行为识别准确率达到98.75%;对比VGG-16,GoogLeNet,ShuffleNet-V2,DenseNet-121,MobileNet-V2等多种主流识别架构,所构建模型准确率提高了1.74%~3.99%,测试速度提高了6.17%~9.78%,全面验证了模型的有效性。【结论】采用RAFT图像融合预处理和MobileNet-GX深度学习模型,显著提升了驾驶人行为识别的准确率和实时性,为智能驾驶安全监控提供了高效可靠的解决方案。

关键词： 远程诊断   计算机视觉   传感器  

摘要： 本文提出一种通过传感器测量技术、远程诊断技术和AI(人工智能)技术相融合实现的云辇X功能无人检测系统。利用远程诊断技术激活车辆动作,通过视觉技术、传感器技术检测车辆的动作,实现云辇X底盘独有的弹跳、摇篮和舞蹈等功能的检测,并且在该检测系统中融合了无人驾驶技术,实现了车辆转运、激活、检测的全自动无人检测。