关键词： 番茄成熟度   计算机视觉   部署硬件   识别与检测  

摘要： 番茄成熟度的识别与分级检测是番茄采收与供应链管理中不可或缺的一环,它直接影响到番茄的品质、储存时间和市场价值。近年来,随着计算机视觉技术的不断发展,番茄成熟度的检测方法也随之创新和完善。文章阐述了近年来自动化技术和智能化技术在番茄成熟度检测方法的应用,分析了4种检测模型部署硬件的优缺点,并对番茄成熟度检测装置的发展趋势和方向进行了分析与展望,为后续研究者提供参考。

关键词： 计算机视觉   数据生成与应用   传统数据生成   三维渲染   深度生成模型   图像增强   个体分析   生物特征识别   群体分析   自动驾驶   视频生成   具身智能  

摘要： 大规模图像和视频数据集是驱动计算机视觉算法发展的核心要素。面向计算机视觉任务,构建大规模图像和视频数据集是一项重要但复杂的任务。基于生成对抗网络和扩散模型等数据生成方法可以可控地生成大规模、多样性的图像和视频数据,有效替代或弥补真实图像和视频数据集,为计算机视觉技术领域的发展提供了新的动力。本文在对面向计算机视觉的图像和视频数据生成与应用背景简介的基础上,首先,从以几何变换等为代表的传统数据增广和生成、以虚拟引擎和神经辐射场等为代表的基于三维渲染的数据生成方法、以生成对抗网络和扩散模型等为代表的基于深度生成模型的生成方法等3方面系统调研典型的图像和视频数据生成技术与模型;其次,梳理了典型的图像和视频数据生成技术与模型在图像增强,目标检测跟踪与姿态动作识别等个体分析,基于图像和视频的生物特征识别、人员计数与人群行为分析等群体行为分析、自动驾驶、视频生成、具身智能等典型计算机视觉相关任务中的应用;最后,分析面向计算机视觉的数据生成与应用中存在的问题,并展望未来发展趋势,以期促进图像和视频数据生成及计算机视觉技术的发展。

关键词： 大数据挖掘   数据分析   图像处理  

摘要： 文章深入探讨了大数据技术在图像处理中的应用,包括优化图像预处理、特征提取、目标识别及图像增强。分析了大数据挖掘技术对提高图像处理精度和效率的作用,探索了智能化图像处理系统的实际应用,并展望了未来技术发展趋势。

关键词： FPGA   医疗图像处理   FPGA处理器  

摘要： FPGA在医疗图像处理领域具有高度并行性、实时性、灵活性以及数据安全等优势,使基于FPGA的医疗图像处理加速器技术的研究热度一直得以保持。文章旨在介绍FPGA在医疗图像处理领域的应用及挑战。综述了FPGA在医疗图像边缘检测与分析、重建与压缩感知、分类与分割、增强与滤波、变换与配准5个方面的研究状况,并分析了FPGA在5个方面的应用情况和前景,继而提出FPGA在医疗图像处理领域面临的一些挑战和发展趋势。

关键词： 图像去雾   目标检测   RTDETR   跨尺度特征重建   轻量化网络  

摘要： 针对雾天图像整体亮度和对比度较低且受噪声干扰严重,导致目标检测算法检测效果不佳的问题,提出一种雾天目标检测方法(EC-RTDETR)。设计了在线去雾网络DDNet,利用跳跃连接和轮廓特征计算,去除噪声干扰的同时增强图像的纹理特征;引入轻量化FasterNet作为特征提取网络,充分提取目标空间特征,提高了模型的计算效率;使用加性注意力代替原网络的AIFI,实现更丰富的浅层和深层特征交互;提出了上下文引导的跨尺度特征重建融合模块,设计多尺度网络来提取上下文特征,并对提取后的特征进行融合重构,突出了雾天目标特征,提高了算法在雾天场景中的检测效果。在RTTS数据集上的实验表明:较于基准RTDETR,mAP提高了2.35个百分点,mmAP提高了3.66个百分点,召回率提升了4.71个百分点,参数量减少了9.82×10^(6),证明了EC-RTDETR在实现轻量化的同时,有效提升了雾天场景下的目标检测性能。

关键词： 交通标志   坐标卷积   目标检测   最优传输分配  

摘要： 针对因尺度小、高速移动和天气等因素导致交通标志检测失败的问题,提出了一种基于坐标卷积和最优传输标签分配的交通标志检测模型。为兼顾嵌入式平台部署和检测速度,以YOLOv5s检测模型为基础。首先,使用具有额外坐标通道的坐标卷积来感知空间信息,增强小尺度交通标志的特征表征能力。其次,通过最优传输分配方法寻找全局最优的目标标签分配方法,减少模糊框的个数,提高训练数据的利用率。最后,使用包含角度损失的SIo U损失函数,提升预测框的收敛速度并增强检测能力。在CCTSDB和TSRD 2个交通标志数据集上测试本文模型的表现,实验结果表明,本文模型的表现较原YOLOv5s模型有较大的提升。与YOLOv7模型相比,本文模型的m AP_0.5和m AP_0.5:0.95在TSRD数据集上分别提升了2.35%和1.45%,在CCTSDB数据集上与YOLOv7的持平,同时本文模型在2个数据集上的检测速度是YOLOv7的2.5倍多,因此本文模型具有更出色的检测精度和速度。

关键词： 目标跟踪   视觉Transformer   干扰抑制   逐层合并的高相似token   多头注意力  

摘要： 针对单流纯Transformer跟踪算法搜索区域中的相似信息或混乱背景等非目标信息的干扰会影响相关性计算的问题,提出一种抑制非目标干扰的单流纯Transformer跟踪算法。首先,构建抑制非目标干扰模块,该模块采用高相似token合并策略,当高相似token包含目标信息时,合并操作将保留目标信息,当高相似token包含混乱背景或相似目标干扰信息时,合并操作将降低这些干扰信息的注意力权重;其次,将该模块添加到单流纯Transformer骨干网络中,以抑制干扰多头注意力的计算结果;最后,将抑制干扰后的特征送进跟踪头,从而完成对目标的跟踪。在5个基准数据集上的测试结果表明:与OSTrack(One Stream Tracking)算法相比,在GOT-10k基准数据集AO指标提升1.1个百分点,在NFS、UAV123、TNL2K基准数据集AUC指标分别提升1.6、1.0、1.1个百分点,同时所提算法的跟踪推理速度即每秒帧数(FPS)可达166,证明所提算法成功抑制了非目标的干扰,提升了单流纯Transformer跟踪算法的鲁棒性并且能够保证跟踪的实时性。

关键词： 目标检测   特征融合   注意力机制  

摘要： 一阶段目标检测网络作为目标检测领域中的主流方法,在显著提升检测性能的同时,也在应对诸如方向变化、尺度变化和可提取特征较少等复杂场景时存在不足.为了解决上述问题,提出一种基于大型选择性卷积核注意力机制的遥感图像小目标检测算法来增强模型的鲁棒性.近年来遥感目标检测的研究多集中于改进边界框的表示方式,而对遥感场景中独特的先验知识的关注较少.这种先验信息在检测中可能具有重要作用,因为在遥感影像中,微小目标往往因缺乏足够的背景参照而被错误识别.更进一步,不同类型的目标对背景的需求可能有所差异.因此综合考虑这些先验因素,提出了一种基于大型选择性卷积核注意力机制的遥感图像小目标检测方法.在NWPU VHR-10数据集上的评估结果表明,与多个主流算法相比,该算法在多个指标上达到最优.

关键词： 视频小卫星   势函数   拟欧拉旋转   视觉跟踪   防脱靶  

摘要： 针对视频小卫星与观测目标存在较大初始相对姿态偏差和角速度,目标容易偏离相机视场造成脱靶的问题,设计了一种视频小卫星目标跟踪视野分区防脱靶控制方法,该方法将星载相机矩形成像视野按照内切圆划分为内外两部分,内切圆内部和外部分别基于势函数和拟欧拉旋转法设计跟踪控制器,并利用Barbalat引理证明两个区域控制律的渐近稳定性,同时在理论上证明了目标进入视野内切圆区域后,在基于势函数的控制器作用下可以确保不脱靶。通过控制器对比仿真,结果表明拟欧拉旋转法相比于比例-微分(proportional-derivative,PD)控制具有更强的抑制目标偏离视场能力,结合拟欧拉旋转法和势函数法的视野分区控制与全视场的拟欧拉旋转法相比,能够有效实现对较快速机动目标的防脱靶控制,从而实现连续跟踪观测。

关键词： 单目视觉   矩形靶标   图像处理   角度测量  

摘要： 快速准确地判断与目标平面的方位角是移动机器人执行后续任务的关键。现有的方位角测量方法对特征提取的质量有很高的要求,过于依赖特征提取的质量不仅使检测速度受到限制,也会由于特征的缺失增加检测的误差。通过对视觉平面测量方法研究,提出通过拍摄一张粘贴在目标平面上的已知尺寸矩形靶标图像来快速解算相机平面和目标平面间的夹角。首先获取矩形靶标上的特征点,根据针孔成像原理,解算其到相机光心的距离,建立相机平面和矩形平面在三维空间中的数学模型,求取相机平面和矩形平面间的偏转角度。通过实验验证,相机与矩形靶标分别相距1 m、2 m和3 m时,在0~60°偏转范围内的最大偏转角误差为0.984 0°,程序耗时在30 ms以内,能满足多数定位的快速准确性要求。