关键词： 机器视觉   Tripod分拣机器人   图像处理   最优路径  

摘要： 随着工业智能化的发展,视觉机器人在各领域得到广泛应用。基于视觉的分拣机器人通过捕捉环境信息,识别工件各种特征,实现精确分拣。本文基于贝加莱Tripod机器人平台,利用摄像头采集图像并传输至计算机,借助OpenCV进行图像分析,完成工件的识别、分类与定位。接着,使用贪心算法优化抓取路径,确定最优抓取顺序。通过TCP/IP协议将数据传输至PLC控制器,再传递给Tripod机器人,使之快速精确地完成分拣任务。

关键词： 红外图像   注意力机制   YOLOv5s-CA   位置信息  

摘要： 针对红外图像分辨率低、纹理信息较差、远距离小目标细节模糊的缺点,从注意力机制的角度对YOLOv5s的网络结构进行调整,提出了YOLOv5s-CA算法。该算法在YOLOv5s模型的基础上添加了坐标注意力机制Coordinate Attention,该机制不仅让模型关注通道之间的位置信息,还关注空间的长期位置信息。通过在YOLOv5s网络结构中添加其它注意力机制,并与YOLOv5s-CA模型进行对比,来体现该算法在速度与精度上的优势。在自制的露天矿区红外数据集上的实验结果表明,该模型的m AP(mean average precision)达到了0.948,相比于原始模型提高了1.4%,在GeForce2080Ti设备上的推理速度能够达到3.3 ms。与现有的其它主流算法相比,该算法可以在保持速度的同时具备较高红外目标的检测精度。

关键词： 风机塔筒   倾斜度监测   机器视觉   图像处理   实时监控  

摘要： 风机塔筒倾斜度监测是确保风力发电机组长期稳定运行的重要环节。传统的倾斜传感器存在安装复杂、维护成本高等问题,限制了其在实际应用中的推广。设计了一种基于机器视觉的风机塔筒倾斜监测系统,该系统通过图像采集与处理、特征提取、倾斜度计算与数据传输等功能模块,能够实现风机塔筒倾斜度的高精度实时监测。通过对多个关键测量位置的实验验证,系统的倾斜度测量误差保持在0.1°以内,响应时间与更新间隔满足风电设备实时监控需求。与传统方法对比,基于机器视觉的系统在精度、成本效益和实时性等方面展现出显著优势,为风机塔筒的安全监测提供了一个创新的解决方案。

关键词： 转运机器人   机械臂运动控制   YOLOv11   目标检测   IPOPT算法   内模控制器   IMC-LQG  

摘要： 电解铝车间铝样品目前主要依赖人工进行取样转运作业,存在安全风险高、作业效率低、工作繁重等问题,而现有转运机器人的抓取作业存在缺陷,针对机械臂运动控制涉及到的函数无法直接求得精确的解析解而难以达到预期精准性的问题,采用YOLOv11算法的目标检测网络获得样品相对于机械臂中心点的偏移量,并拟合铝锭样品的空间坐标,根据坐标基于内点优化器(Interior Point OPTimizer,IPOPT)算法求解机械臂运动非线性问题,进而可以得出机械臂的运动进给量,采用内模控制—线性二次高斯(Internal Model Control-linear quadratic Gaussian,IMC-LQG)控制方法精确控制机械臂运动到指定位置。根据实验结果:机械臂作业精度可以达到99%以上。

关键词： 化工安全   防护用品   计算机视觉   深度学习   实时监测  

摘要： 化工生产过程中,安全防护品的正确佩戴对保障作业人员人身安全至关重要。通过建立基于计算机视觉的实时监测系统,结合深度学习算法对安全帽、防护面罩、防护手套等防护用品的佩戴状况进行识别和分析。实验结果表明,该系统在复杂工业环境下的检测准确率达95%以上,可有效识别防护品缺失、佩戴不规范等问题。研究还针对不同光照条件、佩戴角度等影响因素进行了系统性验证,为提高化工企业安全管理水平提供了技术支撑。

关键词： 计算机视觉识别   智能设备   智能应用  

摘要： 计算机视觉识别技术是通过模拟人类视觉系统,分析、处理和理解影像与视频,在众多领域中展现出巨大的潜能与应用价值,其能够实现从基础的物体识别到复杂的场景理解,被广泛应用于智能安防、医疗影像分析、自动驾驶、交通监控等领域,推动了各行业的智能化进程。然而,尽管计算机视觉识别技术拥有广阔的发展前景和应用潜力,目前仍面临诸多挑战。因此,本文就计算机视觉识别技术在智能设备中的应用与挑战展开探讨,以期为未来的发展提供理论依据和实践指导。

关键词： 目标检测   交通标志   YOLOv8   深度学习   Wise-SIoU  

摘要： [目的]针对日常交通驾驶过程中交通标志检测的漏检、误检以及模型体积较大等问题,提出一种空间信息聚合网络EDR-YOLOv8算法.[方法]通过增强边缘信息、多尺度上下文语义信息的捕获以及浅层与深层特征的再融合,完成空间信息的聚合.为保留较多的交通标志边缘特征,提出结合Sobel算子的边缘检测模块;为捕捉更多的多尺度上下文语义信息,设计膨胀残差修复块,并将其集成到C2f(faster implementation of CSP bottleneck with 2 convolutions)中得到多尺度感知模块DRRC;为加强高、低层信息交互并重新校准目标位置,推出重校准内容引导金字塔网络.通过对锚框与真实框不匹配方向的考虑和更关注普通质量的锚框,设计Wise-SIoU.[结果]在TT100K数据集上,P、交并比阈值0.50的平均精度均值、交并比阈值在[0.50,0.95]区间的平均精度均值分别提升12.5%、8.9%、10.3%,且参数量下降了23%.[结论]本文方法相较原模型及其他算法,表现出了精度较高和参数量较少的优点,改善了漏检和误检问题,并有利于边缘设备的部署.

关键词： 水下目标检测   语义-位置路径聚合网络   边缘特征多尺度注入   RT-DETR模型   全局-局部特征增强  

摘要： 针对水下图像质量差、目标多尺度和严重遮挡导致的漏检和误检等问题,提出一种结合目标信息增强与语义-位置路径聚合的水下目标检测模型。该模型以RT-DETR框架为基础,提出了边缘特征多尺度注入模块(multiscale injection for edge features module,MSI-Edge),将边缘信息注入深层网络中,强化了模型对小目标的感知能力;同时,提出了全局-局部特征增强模块(global-local feature enhancement module,GLF-Enhance)来替代编码器中的传统多头自注意力机制,增强对目标全局和局部信息的学习能力,并加速模型推理;进而,设计了一种新的结合语义-位置路径聚合网络(semantic-location path aggregation network,SL-PAN),利用高层特征作为权重来指导低层特征中的语义信息学习,再使用低层特征作为权重来指导高层特征中的位置信息学习,从而有效缓解多尺度特征融合过程中信息传递退化的问题。在公开水下数据集上进行实验验证,相较基准模型RT-DETR(ResNet50主干网络),在URPC数据集上AP、AP^(50)、AP^(75)指标分别提升了约3.2、3.0和2.7个百分点;在DUO数据集上分别提升了2.9、2.7、3.0个百分点,同时有效降低了误检和漏检率。消融实验验证了各模块的有效性。整体性能与主流目标检测器及最新水下目标检测器相比,达到了较好水平。

关键词： 鱼道   目标检测   YOLO   注意力机制   自适应特征融合   决策级融合   分布外检测  

摘要： 针对鱼道过鱼目标检测鱼类特征模糊及数据集先验信息不足而导致的漏检、误检问题,研究了一种基于粗-细粒度模型决策级融合的目标检测方法。该方法对粗粒度YOLO模型进行改进:在主干层嵌入坐标注意力模块,在特征融合部分嵌入自适应特征融合模块对不同尺度的特征层进行融合,以提高粗粒度模型对任意鱼类的检测能力;将改进后的粗粒度YOLO模型与细粒度YOLO模型的检测结果按照置信度筛选出需要融合的检测框,并按照置信度的值对检测框进行加权融合,以此降低在未知鱼类、模糊鱼类场景下进行分布外检测时的漏检率和误检率。应用此方法于真实环境下的鱼道过鱼数据集进行测试,对未知鱼类的准确率达到了98.59%,召回率达到了94.19%,相比基于置信度的分布外检测方法分别提高了9.25%和11.21%,相比基于能量的分布外检测方法分别提高了6.42%和3.69%。对模糊目标的识别准确率达到了95.45%,召回率达到了91.8%,相比基于置信度的分布外检测方法分别提高了16.63%和18.58%,相比基于能量的分布外检测方法分别提高了11.27%和1.74%。研究成果对鱼道过鱼的目标检测有良好的借鉴意义。

关键词： 伪装目标检测   纹理边缘引导特征融合   Convnextv2   特征提取   纹理边缘注意力机制  

摘要： 为了解决伪装目标检测中目标的边缘特征及对应场景下独特纹理特征信息表达处理不足的问题,提出基于Convnextv2与纹理边缘引导的伪装目标检测算法.通过纹理编码模块在输入图片上提取纹理特征,与主干网络提取的边缘特征进行融合,生成图片的纹理-边缘特征.通过设计的纹理边缘引导的注意力模块,将纹理-边缘特征融入主干特征以定位目标的真实位置.利用特征融合模块进行多层次特征融合,采用多级监督的方式,设计总的损失函数.在3个公开数据集CAMO、COD10K、NC4K和迷彩伪装混合数据集MICAI_TE上的实验表明,该算法的综合性能最优.