关键词： 家畜   体尺测量   体重预估   图像处理   计算机视觉  

摘要： 家畜的体尺参数和体重数据是衡量生产繁育特性的主要参数之一,可为优良品种的选择提供主要参照数据。传统的家畜体尺、体重测量方法费时费力,且受个人等主观因素干扰较大,严重损害动物福利。随着现代科学技术水平的提高,家畜体尺及体重自动测量技术的发展取得了显著进展。作者对当下主流的体尺测量和体重预估方法进行总结,全面阐述了数据采集和处理方法、家畜体尺测量和体重预测的研究现状、方法特点及优缺点,通过了解高效的现代技术手段,准确地对家畜进行体尺测量和体重预估,进而帮助养殖者更好地管理畜群,预测生长趋势,评估畜体健康状况,提高生产效率。作者还对基础自动测量领域的研究现状和发展趋势进行了展望,旨在为家畜体尺测量技术研究提供参考。

关键词： 图像处理   分级检测   水果分级   特征提取  

摘要： 传统的水果分级检测主要由人工完成,效率和准确度低。数字图像处理技术效率和准确度高,在水果分级检测中发挥着重要作用。本文通过系统整理国内外相关领域文献,基于数字图像处理的核心步骤,即图像采集与数字化、图像预处理、图像背景分割、图像特征提取和图像分类,概括基于数字图像处理技术的水果分级检测研究现状,分析目前存在的问题并展望未来发展趋势,旨在为后续研究提供参考。

关键词： 深度学习   目标检测   YOLOv7   安检图像   注意力机制  

摘要： 针对X光安检图像存在的违禁物品重叠和背景复杂等问题,提出了一种基于YOLOv7改进的X光安检图像违禁物品检测算法。在模型颈部网络中构建注意力特征融合模块,分别添加空间注意力和通道注意力挖掘浅层细节特征和深层语义特征,减少噪音信息冗余,降低有效特征丢失;重新设计WHIoU Loss替换CIoU Loss作为新的边界框损失函数,确保在预测框与真实边界框的宽高呈现相同线性比例关系的情况下,宽高比惩罚函数仍然具有约束效果,提升收敛速度和精度。在SIXray数据集上的实验结果表明,算法在mAP50、mAP50:95上分别提高了2%和4.5%,同时检测速度也达到了58 FPS。

关键词： 物联网   智慧交通   图像处理   车牌识别  

摘要： 车牌识别系统是智慧交通系统的重要组成部分,本文设计了一个高精度和低成本的车牌识别系统,本系统依赖于三个图像处理阶段来实现高精度车牌识别,这三个阶段分别是预处理、分割和字符识别,在预处理阶段采用不同阈值的Canny边缘检测方法、轮廓检测和掩模技术来定位车辆边缘和车牌。实验结果表明:该系统以93%的准确率识别了车牌。此外,本文还使用ESP32摄像头和Raspberry-Pi(树莓派)实现了一个原型系统。

关键词： 井盖隐患   YOLOv5   目标检测   激活函数  

摘要： 作为城市地下管网系统的关键防护构件,井盖的安全状态直接影响市政设施运维效率与公共安全。针对传统井盖安全隐患检测方法存在效率低、误报率高等问题,文章提出基于改进YOLOv5的智能检测方法。通过构建多尺度特征融合机制,文章结合五折交叉验证法对标注数据集进行模型训练,实现了对破损、移位、缺失等典型安全隐患的精准识别。实验结果表明,改进模型在自建井盖数据集上的平均精度(mAP)达95.2%,相比于YOLOv4模型,精度和检测速度均有所提升。该算法通过优化特征金字塔结构与损失函数,有效增强了复杂路面场景下的目标表征能力,为城市基础设施智能化运维提供了可靠的技术支持。

关键词： 核心网   NWDAF   智能化   部署方案   5G-A  

摘要： 随着中国成为全球最大的电动自行车市场,保有量的不断增长带来了火灾风险的上升,已成为应急救援管理领域研究的核心议题。目前,电动自行车火灾预警系统主要依赖监测充电设备的温度、电流、电压等指标,并结合烟雾、火焰探测数据,但在火情发生后往往缺乏智能化分析能力,无法准确评估火灾危险级别。这导致在紧急情况下仍需依赖人工经验进行决策,影响了应对效率。提出了一种基于图像识别技术的电动自行车火灾危险程度评估方法,在识别到明火明烟后,通过监控视频流进行图像回溯处理,识别潜在可燃物,统计电动自行车数量,并计算密度,最终利用半定量风险评估工具NOC进行风险识别和量化,输出火灾危险程度判定。该方法能够在AIVA指挥调度平台上判断电动自行车火灾危险程度,为现场应急决策提供科学依据,从而提高电动自行车火灾应对的效率和安全性。

关键词： 无人机   计算机视觉   相关滤波,多层卷积特征,自适应更新  

摘要： 针对无人机视觉目标跟踪中存在的挑战场景,文章提出一种基于层次相关滤波的跟踪算法,该算法利用预训练的VGGNet-19网络提取目标的多层卷积特征,构建多模型并行跟踪框架,并结合模型置信度评估机制,实现对滤波器模型的自适应更新。在UAV123数据集上的实验结果表明,该算法在精度和成功率上分别达到68.6%和61.0%,能有效应对目标遮挡、形变等挑战,实现对无人机视野下目标的精准和快速跟踪。

关键词： 增材制造后处理   双目测量   孔位检测   弧支撑线段   椭圆识别  

摘要： 针对金属3D打印件孔洞部位支撑残留后处理问题,提出了一种双目视觉检测定位方法。测量系统基于弧段椭圆识别算法进行工件孔位检测,通过计算待加工孔位在双目模组主相机光心坐标系中的位姿、并将该位姿转换到加工现场机械臂基坐标系,为离线编程和自动加工提供坐标信息。首先标定双目相机并检验硬件系统对标定角点的测量精度;然后对复杂工件的待加工位置椭圆特征进行提取,基于极线校正后图像对左右图椭圆进行同行像素点采集和双目匹配;最终根据多视图原理进行匹配点对的坐标计算,进而输出带有坐标信息的空间圆环。对双目相机模组进行了标定靶球测量验证实验,结果显示尺寸测量误差小于0.20 mm。对实际工件进行了测量定位实验,结果表明,该系统测量圆孔尺寸的最大误差小于0.84%,圆心空间位置误差小于0.50 mm,圆环姿态最大误差小于0.5°。

关键词： 目标检测   交通标志识别   YOLOv7   多分支特征提取   多尺度特征融合   注意力机制  

摘要： 为解决现有目标检测算法在复杂场景下对交通标志的误检、漏检等问题,提出一种改进YOLOv7的交通标志检测算法YOLOv7-MBFE。首先,提出一种基于膨胀卷积的多分支特征提取模块,控制最短和最长的梯度路径,增强模型的特征提取能力;其次,在头部网络中构建渐进特征金字塔结构,充分融合不同层次的特征信息,改善模型的特征表达能力;在SPPCSPC模块中引入通道注意力机制,自适应调整通道的权重,增强不同通道之间的特征交互,并将多头自注意力机制融合至下采样阶段,增强模型对全局上下文信息的感知能力,提高模型在复杂场景下的检测性能;最后,使用Focal-EIoU替换原YOLOv7模型中的损失函数,使模型更专注于高质量的锚框,加快模型的收敛速度,提高模型的鲁棒性。在中国交通标志检测数据集上进行大量实验,结果表明,相较于YOLOv7算法,该算法的平均精度均值(mAP)提升了9.25%,准确率提升了3.92%,召回率提升了5.19%。改进后的算法能够显著改善复杂场景下的误检、漏检等问题,检测效果优于原始算法和经典目标检测算法。

关键词： L波段全极化雷达   主成分分析   数据融合   树林遮蔽场景   目标检测  

摘要： 树林遮蔽场景下的雷达回波信号存在信噪比低、信号幅度和相位起伏等问题,极大地增加了目标检测难度。针对信号级中低分辨率雷达探测树林遮蔽目标的应用需求,文中研究了一种基于改进型主成分分析(PCA)全极化雷达回波信号融合的动目标检测方法。该方法首先在杂波背景下提取动目标信号,并利用改进型PCA进行全极化雷达回波信号融合;然后分别在时间维和距离维进行目标检测,并通过非相参积累方法重检测,有效排除目标混叠和虚警干扰,从而检测出目标并提取了其关注区域;最后通过自主研发的L波段全极化雷达系统,对该方法进行了实验验证。实验结果表明:该方法对于树林遮蔽环境下动目标具有很好的检测效果,显著提升了L波段全极化雷达在树林遮蔽条件下的目标检测性能。