关键词： 孪生神经网络   反无人机   目标跟踪   红外数据集  

摘要： 光电探测设备是反无人机系统的重要组成部分,对无人机的图像确认取证有重要作用。目标跟踪是光电探测设备的核心技术。无人机目标体积小、背景环境复杂,因此无人机目标跟踪是一个具有挑战性的问题。此外,现有的无人机跟踪数据集在目标大小和属性分布特征方面存在局限性,不能完全代表复杂的真实场景。针对以上问题,本文提出了一种运动约束下结合区域提议网络的无人机孪生网络跟踪方法。首先,在基于孪生网络的无人机跟踪方法的基础上,本文对权重初始化策略进行优化,提高了模型训练的稳定性和准确性。其次,针对无人机跟踪过程中的虚警和漏检问题,本文提出了一种融合目标置信度阈值与运动约束条件的动态自适应过滤策略,通过设定多级置信度门限,动态调整检测逻辑,提高无人机跟踪方法的场景自适应能力。最后,本文提出一种高低频自适应图像增强策略,解决部分场景中无人机细节信息缺失以及亮度分布不均匀的问题,提高了跟踪方法在低对比度场景和高动态范围图像中的性能。为了更全面地验证所提出的跟踪方法的性能,本文对Anti-UAV410标准数据集进行了扩充,构建了更具挑战性、泛化性能更强的Anti-UAV500数据集。实验结果表明,本文提出的SiamXC模型在Anti-UAV410数据集上相较SiamDT模型性能提升1.28%,并在自制数据集上相较现有的SOTA跟踪方法均有显著的性能提升。

关键词： 四旋翼飞行器   图像处理   T265追踪摄像机   树莓派  

摘要： 研究旨在设计一种四旋翼飞行器系统,利用T265追踪摄像机进行路径规划,实现针对指定区域的精确“撒药”操作。同时,利用树莓派进行条形码识别,并根据识别结果执行相应的飞行动作。飞行器采用STM32H7型单片机作为飞控芯片,树莓派负责图像处理。T265追踪摄像机、D435深度摄像机、无畸变镜头和串口屏等多个模块组成该飞行器系统。系统通过路径规划和图像识别实现对指定区域的“撒药”任务。在特定的地面环境中,经过测试验证,飞行器成功完成了对指定区域的“撒药”任务。同时,成功识别了条形码,并按照条形码信息完成了相关的飞行动作。该文设计的四旋翼飞行器系统在实际测试中展现出了良好的功能性能,能够满足对特定区域的精准化处理需求。飞行器的路径规划和条形码识别功能有效实现了指定任务,为类似应用场景提供了可行性研究基础,并具备广泛的实际应用潜力。

关键词： 计算机软件   人工智能技术   图像处理  

摘要： 针对传统图像处理技术存在噪声敏感、计算复杂和智能化程度低等问题。本研究探讨了人工智能技术在图像处理中的应用,论述了人工智能技术的定义、方法和图像处理技术,归纳了图像处理的概念,阐述了图像处理的主要任务与应用领域,详细分析了人工智能技术在图像处理中的应用,包括图像分类与识别、图像分割、图像生成与合成。通过案例分析人工智能技术,结果表明:人工智能技术不仅为图像分割技术的进一步发展提供了新的思路,同时也为实际应用中的图像处理解决方案提供了可行的参考。

关键词： 激光清洗   深度学习   语义分割   图像处理   视觉检测  

摘要： 目前激光清洗效果检测技术存在成本高、操作难度大、反馈信息单一等缺点,不利于在工业领域推广。首先提出一种基于深度学习的轻量化语义分割网络进行除漆效果检测;然后通过模型剪枝和跨平台推理加速优化模型,降低参数量与计算复杂度;最后利用角点检测和边缘检测的组合算法实现目标定位,设计检测系统部署算法进行试验验证。试验结果表明,所提分割模型不仅可以有效识别清洗状态,还可以准确反馈残留漆层信息,便于调整参数继续清洗,满足工业领域实时检测的需求。

关键词： 机器视觉   玻璃纤维纱团   缺陷检测   图像处理   模型在线服务架构  

摘要： 为解决玻璃纤维(简称玻纤)纱团在生产或运输过程中出现缺陷人工检测效率低和漏检率高的问题,提出一种基于机器视觉的玻纤纱团外观缺陷检测方法。该方法将传统图像算法和深度学习算法相结合,首先使用传统方法预处理图像,减少玻纤纱团塑料包装的反光对图像质量的影响,利用RGB与HSV色彩空间通道识别玻纤纱团型号标签;其次将疑似缺陷的玻纤纱团图像传入改进的MobileNetV2深度学习模型进行缺陷判定。最后设计了一套完整的玻纤纱团外观缺陷检测软硬件系统,以西门子S7-200 PLC作为硬件控制器,完成玻纤纱团检测过程中的自动传送与分拣,基于模型在线服务(EAS)架构设计了功能齐全的软件系统。研究结果表明,该系统的检测准确率为97%,玻纤纱团品种分类正确率达99%,相机采集和检测处理速度满足工业实际需求,能够有效代替人工并提高质检效率。

关键词： 人工智能算法   计算机图像处理   清晰度  

摘要： 为提高计算机处理技术水平,本文研究了人工智能算法在计算机图像处理中的应用。首先介绍计算机处理的概念以及基本技术,包括图像识别、分割、增强与复原等。其次介绍了遗传算法、粒子群优化算法、蚂蚁算法,明确人工智能算法在处理图像中应用的基本原理,并在第三部分探讨多元化人工智能算法在计算机图像识别、分割等处理流程中的应用要点,最后通过实例分析,验证了人工智能算法在图像处理中的应用价值,以期为未来计算机图像处理任务提供一种可参考的算法。

关键词： 铁路路基   土石方计算   地质剖面图   图像处理   分类计算  

摘要： 本文讨论了铁路路基设计中土石方计算的挑战以及现有方法的局限性,并提出了一种基于图像处理的新型计算方法,该方法将地质剖面图中地质界线进行一定的修正,再将其按一定比例系数放大并绘制到特定位图中,进而利用图像处理技术快速识别出各地层区域轮廓,并提取出每个地层的区域边界范围,最后通过预定义的填挖设计线构造填挖区域,利用区域之间的布尔运算,实现了铁路路基设计中断面填挖土石方的分类计算,极大提高了计算效率和准确性。This paper discusses the challenges of earth and rock calculation in railway subgrade design and the limitations of existing methods, and proposes a new calculation method based on image processing, which corrects the geological boundary in geological profile to a certain extent, amplifies it according to a certain scale factor and draws it into a specific bitmap, and then uses image processing technology to quickly identify the contours of various layers. The boundary range of each stratum is extracted, and the filling area is constructed by the pre-defined cut-fill design line, and the classification calculation of the section filling and excavating earth and rock in the railway subgrade design is realized by using the Boolean operation between the areas, which greatly improves the calculation efficiency and accuracy.

关键词： 自动驾驶   深度学习   目标检测   多传感器融合  

摘要： 为满足自动驾驶系统的高效、准确感知的需求,如果仅依靠相机很难实现高精度和鲁棒的3D目标检测。解决这一问题的有效方法是将相机与经济型毫米波雷达传感器相结合,实现更可靠的多模态三维目标检测。融合两者的检测方式不仅提升了环境感知的准确性,还增强了系统的鲁棒性和安全性。本文提出了一种基于毫米波雷达和相机融合的自动驾驶感知算法HPR-Det(historical pillar of ray camera-radar fusion bird ’s eye view for 3D object detection)。具体而言,首先设计了雷达BEV特征提取Radar-PRANet(radar point RCS attention net),由双流雷达主干提取具有两种表征维度的雷达特征和RCS感知的BEV编码器组成,根据雷达特定的RCS特征将雷达特征分散到BEV中。其次,采用历史多帧预测范式HrOP(historical radar of object prediction),设计了长期解码器和短期解码器,同时只在训练期间执行,在推理过程中不引入额外的开销,同时由于本网络输入数据的稀疏性,引入了多模态的历史多帧输入,引导更准确的BEV特征学习。最后,提出了毫米波优化的射线去噪方法,通过将毫米波雷达点云的信息作为先验信息,使用当前帧的毫米波点云特征辅助生成提议,增强对于相机的查询特征表征。本文所提出的算法在大规模公开数据集nuScenes上进行模型训练和实验验证,在骨干为Resnet50的基础上NDS达到56.7%。

关键词： YOLO   水泥包装袋   目标检测   姿态估计  

摘要： 借鉴现有机器视觉理论实践和人体姿态估计算法,研究利用YOLO11作为基础模型,制作水泥包装袋姿态数据集,并改进YOLO主干和注意力机制,训练出一种针对水泥包装袋的姿态估计算法模型YOLO-BagPose。通过实验数据验证,该姿态估计模型表现稳定,估计准确率>98%,算法耗时<0.23s。

关键词： 轻型无人机   目标跟踪   Sine模型   MUCMKF算法   参数自适应  

摘要： 如何在战场中准确跟踪敌方来袭无人机是对其进行准确打击的关键。轻型无人机水平匀速飞行时,由于本身体积小、质量轻,以及飞控系统不稳定导致飞行轨迹出现漂浮抖动而难以跟踪的问题,本文提出一种基于改进正弦(Sine)模型的修正无偏量测转换卡尔曼滤波(MUCMKF)跟踪算法。该算法针对传统Sine模型需要提前设置加速度方差和机动频率可能造成跟踪系统发散的问题,提出利用目标当前位置一步预测值和当前位置估计值进行加速度方差自适应估计,并将机动频率与加速度方差进行关联计算,实现加速度方差和机动频率同时自适应调整。在此基础上,利用修正无偏量测转换卡尔曼滤波算法,对轻型无人机真实飞行轨迹进行滤波跟踪。仿真结果表明,与匀速模型(CV)、匀加速模型(CA)、当前统计模型CS和常规的Sine模型相比,基于改进Sine模型的跟踪算法能够更好地适应轻型无人机的飞行特性,精度分别提升44%、59%、42%、37%,具有较好的工程应用前景。