关键词： 计算机视觉   保护策略   山西传统民居   人工智能技术  

摘要： 文章探讨了人工智能技术在山西传统民居保护中的应用策略与实践案例。通过分析山西传统民居的特点与保护现状,提出了基于计算机视觉、三维重建、大数据分析和预测模型的智能化保护方案,并结合具体实践案例展示了技术应用的可行性与效果,为传统建筑文化遗产的数字化保护提供了新思路。

关键词： 数字孪生   人机交互   工业装配   目标检测   YOLOv8n  

摘要： 目的为了解决复杂装备零件装配中效率和精度低的问题,开发一种基于数字孪生技术与改进动态目标检测算法的复杂高端装备动态交互装配方法。方法构建面向数字孪生的人机交互框架并优化目标检测算法,实现复杂装备装配过程的实时监控。操作人员通过可视化界面与系统进行动态交互,实现装配工艺的实时优化。首先,通过多源传感器实时采集装备的实时数据;其次,基于实时数据构建装备虚拟模型,生成与实际装配场景高度一致的视频并通过改进后的YOLOv8n算法实现对工业零件的精准检测与分类;最后,通过人机交互过程对装配过程进行动态优化并通过设计交互界面实时显示检测结果,为装备装配提供智能化支持。结果提出方法能够在复杂高端装备的装配过程中实现精准的检测与实时动态响应。改进后动态目标检测结果在保持高精度的同时,较未改进版本检测速度提升24.9%。结论不仅为复杂高端装备人机交互装配提供了创新解决方案,而且为数字孪生技术在工业领域的进一步应用与发展提供了有力支持。

关键词： 多色印刷   OpenCV   图像处理   套印精度  

摘要： 为实现多色套准的数据化测量,提升套准调节的客观性,本研究提出了基于OpenCV图像处理的多色印刷品套准检测算法。首先,使用OpenCV算法对印刷品上的套准测量标记图像进行校正处理和圆心标定;其次,确定采集图像与印刷品实际尺寸的相互关系,完成单位像素尺寸的计算;最后,通过计算采集图像各色圆心坐标与标准圆心位置的水平、垂直像素偏差得到印刷品套准偏差值。在胶印机上,打印四色印品进行套准偏差值检测,根据检测值直接对四色套准进行调整并进行二次检测,其单色偏差在±0.02mm,证明了该算法的有效性。

关键词： 工业流水线   密集目标检测   YOLOv8   特征融合   现场数据采集  

摘要： 在工业流水线场景中,利用带有视觉信息的目标检测技术为故障发现及消缺提供决策信息已成为智能生产的新热点。针对电能表流水线检定场景中目标遮挡、小目标密集排列等问题,在YOLOv8n的基础上,提出了一种轻量化目标检测算法。通过引入O⁃GELAN模块,在保持低计算量的同时获取更丰富的特征层次。利用特征收集⁃融合⁃分发的颈部架构和通道位置注意力机制实现特征跨层融合;此外,采用重参数化卷积检测头以进一步提高检测效率。在现场采集流水线数据上的实验表明,改进后模型的mAP(0.5)和mAP(0.5∶0.95)分别达到了0.994和0.828,检测速度可达111.5帧/s,能够满足工业场景下的高精度和高实时性需要,可为故障消缺提供辅助决策。

关键词： 卷积神经网络   深度学习   建筑装饰工程   YOLO算法   目标检测  

摘要： 本文以北京市湖广会馆修缮项目为案例,探讨了卷积神经网络(CNN)与深度学习技术在建筑装饰工程中的创新应用。针对传统施工管理中存在的效率低、安全隐患多等问题,研究提出了一种基于YOLO v5算法的智能监控系统,结合颜色特性化建模与目标跟踪技术,实现了施工场景中多目标的实时检测与追踪。通过构建相机RGB到CIEXYZ的颜色转换模型,并结合标准色差判据,优化了目标分类的准确性;同时,在YOLO v5s算法基础上进行模型剪枝与多线程优化,显著提升了检测速度与轻量化水平。实验结果表明,系统对安全帽颜色识别的准确率达90%以上,检测帧率(FPS)超过40,能够有效满足复杂施工场景下的实时监控需求。本研究为建筑装饰工程的智能化管理提供了技术支撑,具有较高的工程应用价值。

关键词： 大型车库   裂缝检测   图像处理   Frangi滤波   保边去噪   噪声  

摘要： 为了准确检测地下与地上大型车库裂缝、去除采集裂缝图像数据时噪声的影响,以满足混凝土结构高精度、高效率的检测要求,采用引导滤波对采集的原始图像进行预处理,在保留裂缝边缘的同时平滑了背景噪声。提出了一种基于改进Frangi滤波的裂缝快速识别算法。基于预处理后的图像,采用改进Hessian矩阵特征值的判别方法,加强对图像中细小裂缝的识别。结合自动阈值化方法,滤除小面积非裂缝区域,实现对裂缝区域的高精度提取。试验结果表明,该算法能够实现复杂噪声下大型车库混凝土表面裂缝的精准、高效识别,裂缝识别区域交并比(IOU)为91.17%、平均误检率为0.12%、平均漏检率为6.89%。该算法在快速保边去噪的同时实现了混凝土表面裂缝的高精度识别,满足了工程检测的需求。

关键词： 改进YOLOv4   双臂协作   分拣系统   目标检测   轻量化  

摘要： 随着智能制造和自动化物流的发展,双臂机器人在复杂环境下的协作分拣任务受到越来越多的关注。然而,当前的目标检测模型在应对多变复杂的工厂环境时,往往难以兼顾精度和实时性,导致分拣效率和准确性受到影响。因此,提出了一种基于轻量化改进的YOLOv4的双臂协作分拣目标检测模型,旨在提高机器人在动态环境中的目标检测能力和分拣效率。实验结果表明,改进后的模型检测图片的平均耗时为0.031s,平均精度均值为96.3%,对不同种类工件的分类准确率为97.82%,具有良好的综合性能。改进后的YOLOv4模型显著提高了目标检测的精度和速度,同时在双臂协作分拣任务中表现出更高的稳定性和适应性,为实现高效的双臂机器人协作分拣提供了一种可行的解决方案。

关键词： 深度学习   计算机视觉   表情识别   微表情特征   谎言识别  

摘要： 目前,有多种谎言识别方法,包括使用测谎仪测谎.然而这些方法执行起来效果有限,不仅需要与被测谎对象产生接触,而且要求相关人员具备专业知识,不便于实行,且效果有限.心理学研究表明,微表情是人脸上的一种持续时间极其短暂的细微肌肉运动,能反映人在做出此表情时的真实内心状态.相关研究表明,人脸上的微表情特征可以作为谎言识别的线索.本文研究基于微表情特征的谎言识别,首先构建一个说谎时的微表情数据集,命名为MED.其次,设计一个基于多层自注意力机制的微表情特征学习模型MEDR,根据学习到的说谎和未说谎时的微表情特征进行谎言识别.最后,本文还在新构建的数据集上,对本文设计的模型与一些现有模型进行实验对比,实验结果显示,本模型在自制高质量数据集上取得94.33%的准确率,表明本模型在谎言识别方面具备出色的性能.

关键词： 机器学习   白关丝瓜   分级检测   图像处理   目标检测  

摘要： 白关丝瓜是株洲地区唯一获得国标“双认证”的蔬菜类产品,其品质分级对于市场销售和产业发展具有关键意义。探讨如何利用机器视觉处理白关丝瓜图像,以便进一步实现等级划分。通过采集并处理外观图像得到形状特征,采用机器学习算法构建分级模型,提出一种根据白关丝瓜图像的矩形度和圆形度的组合来确定白关丝瓜批次形状的方法。对获取的白关丝瓜样本进行训练和测试来不断优化模型参数,以提高其分级性能,剔除符合不同标准的白关丝瓜。实验结果表明,基于机器学习的分级方法能有效区分不同等级的白关丝瓜,准确率达到93%以上,相较于人工分级方法,具有更高的准确性和稳定性。

关键词： 图像处理   无线充电   运动控制   智能车  

摘要： 以全国大学生智能车竞赛为背景,针对无线充电智能车所需实现的功能及性能指标要求,提出了一个实现方案。以英飞凌TC264D单片机为主控制器,以超级电容组为储能装置,通过充电线圈检测模块检测智能车与无线充电发射线圈的相对位置关系,进而控制智能车在充电时的精准停车位置以提高充电效率;通过MT9V034摄像头检测赛道图像,采用边界识别算法拟合虚拟中线算法,对图像进行处理并提取出赛道元素信息;通过赛道元素信息处理策略得出智能车的控制规律,实现自主寻迹运行。在搭建的赛道上对智能车实物进行测试,结果表明,该智能车具有停车精准度高、充电效率高、寻迹速度快等优点。