关键词： 计算机视觉   农业科技   智能化  

摘要： 随着信息技术的飞速发展,计算机视觉技术作为人工智能领域的重要分支,是一种将图像和视频信号转化为数字信息并进行高效处理和分析的技术,在各个领域得到广泛应用。基于此,文章从多个角度分析了计算机视觉技术在智能化农业机械中的应用现状、优势以及未来发展前景。应用结果表明,计算机视觉技术结合智能化农业机械,正在引领一场农业生产方式的革命,成为推动农业智能化转型的重要力量。

关键词： 图像处理   图像去雾   Transformer模型   可变形卷积   密集残差  

摘要： 为了提高神经网络模型从全局到局部的特征提取能力,增强雾图复原过程中的泛化性能,提出一种结合宽型提取和径向增强的二阶段图像去雾算法.算法通过两个阶段对有雾降质图像进行清晰化复原,在特征提取阶段,结合Transformer的全局关注能力与可变形卷积的局部感知能力,提出由双尺度Transformer模块和可变形卷积模块组成三分支宽型特征提取结构,实现对雾图特征有效感知与提取;在特征增强阶段,采用密集残差块组成的径向增强网络,依次联合由浅到深的图像特征进行拼接,实现特征的进一步增强.实验结果表明:所提出的网络模型在合成数据集和真实图像复原过程中均表现出色,对不同浓度的雾霾去除效果明显,复原图像主观恢复效果自然,且具有较好的泛化能力.

关键词： 光栅周期   测量   图像处理   误差分析  

摘要： 衍射光波导作为实现增强现实的一种方案,具有体积小、质量轻等优势。光栅波导表面的亚波长光栅的周期对成像质量有很大的影响,需实现对亚波长光栅周期的快速准确测量。李特洛衍射法具有成本低、非破坏性的优势,但其对光栅样品的位姿有严格的要求,测量前需要反复调节位姿,不利于实现快速测量。针对以上问题,对光栅未对准情况下的衍射特性进行分析,提出基于图像处理计算失配角并修正误差的方法。所提方法可在光栅位姿未严格对准的条件下精确测量光栅周期,提高测量效率,有望实现增强现实光栅波导的快速检测。

关键词： YOLOv8s   遥感图像   目标检测   多尺度特征融合   注意力机制  

摘要： 针对高分辨率光学遥感图像背景复杂、目标尺寸差异大且小目标占比多导致目标检测出现漏检和误检的问题,提出一种改进YOLOv8s的目标检测算法。首先,引入双向加权特征金字塔网络(BiFPN)结构替换原始颈部网络,并增加1条主干网络的分支来获取浅层特征,从而提高小目标的检测性能。其次,在颈部跨阶段局部网络融合(C2f)模块的瓶颈结构中引入高效多尺度注意力机制(EMA),提高对空间信息和通道信息特征的关注度,减少无关信息的干扰。最后,在SIoU(SCYLLA-IoU)的基础上结合加权交并比(WIoU)中的动态非单调聚焦系数设计SWIoU损失函数,加强边界框的回归性能,同时考虑预测框与真实框之间的方向匹配,从而进一步提高算法的检测精度。在DOTA数据集上,改进算法的平均精度均值(mAP50)达到73.0%,与YOLOv8s相比提高3.0百分点,其检测结果同样优于其他主流算法。此外,在RSOD数据集和NWPU NHR-10数据集上的实验结果进一步验证了所提算法在不同数据集上的通用性和适应性。

关键词： 计算机视觉   纸张缺陷   缺陷检测   视觉传达  

摘要： 纸张表面的缺陷会对纸张的质量和外观造成影响,并降低纸张相关产品的质量。所以,要利用计算机视觉技术对纸张缺陷进行检测,将有缺陷的纸张剔除,提高产品质量和一致性。以此,本文对纸张缺陷检测技术进行分析,研究了计算机视觉的纸张缺陷检测方法,并探讨了系统的实现与性能评估方法,促进了纸张行业的创新发展,实现更高级的智能化与自动化生产。

关键词： 机器人抓取   卷积神经网络   目标检测   虚拟仿真  

摘要： 对机器人抓取检测方法进行研究,为了提高机器人抓取技术对小目标物件的检测精准度和检测速度,提出了一种基于改进YOLOv7-tiny网络的机器人抓取检测方法。首先,选择卷积神经网络二阶段目标检测算法之一的YOLOv7-tiny目标检测算法作为机器人抓取检测方法的基础目标检测网络,然后针对其主干网络、颈部网络以及损失函数进行改进,旨在提高网络对小目标物件进行检测的精准度和速度,最后,在虚拟仿真环境中对改进后检测算法进行实验测试。测试结果表明:改进前的检测方法训练集上,经过200次迭代后才开始收敛,趋于平稳,损失值维持在0.39左右,经过改进后的机器人抓取检测方法在经过80次迭代后便开始收敛,且损失值维持在0.1左右;在6次测试过程中,改进前的机器人抓取检测算法准确率最高为80.11%,最低为69.05%,检测性能较好,但稳定性不够。经过改进后的机器人抓取检测算法准确率最高为93.65%,最低为93.15%,相差极小,检测性能好、稳定性好,与改进前相比,检测准确率最大提高了24.60%;在虚拟仿真抓取测试中没有出现失误。

关键词： 图像处理   LR   A   光学像差   噪声   D-LR   A  

摘要： Lucy-Richardson-Rosen算法(LR2A)是图像复原领域中最重要的方法之一，然而LR2A的性能可能会受到大光学像差和成像噪声的影响，在恶劣环境下甚至可能失效。为解决上述问题，提出了一种差分式Lucy-Richardson-Rosen算法(D-LR2A)，旨在减少光学像差和检测噪声对光学图像复原的影响，并使之具有更快的收敛速度和更优的复原质量。在改进的光学配置中，采用Hartmann-Shack波前传感器来测量光学像差并精确估计光学成像系统的点扩散函数（PSF）。因此新算法能够更有效地应对复杂的光学环境，提升图像复原的效果。数值模拟和实验结果表明，所提出的方法可以在较大光学像差和较高噪声水平的情况下恢复图像。此外，相比于传统的LR2A，D-LR2A还表现出更快的速度和更佳的复原质量，从而使得该方法更容易应用于实际场景。

关键词： 织物检测   快速傅里叶变换   纬斜   Tukey算法   累积概率霍夫变换   图像处理  

摘要： 针对现有的织物纬斜检测方法在精度、适应性和计算效率方面的局限性，提出一种频域分析与纬纱拟合相结合的自动检测方法。首先对织物图像进行快速傅里叶变换（FFT），通过分析傅里叶频域中纬纱的特征信息，设计一种带有方向选择性的滤波频带并滤波。随后，利用傅里叶逆变换实现纬纱纹理的重构。在此基础上，采用Steger算法实现亚像素级的纬纱纹理中心线提取，并引入Tukey权重的最小二乘法拟合出纬纱直线，降低弯曲纱线对纬斜检测的影响。最后，根据ROI区域选择10根纬纱直线，利用累积概率霍夫变换（PPHT）实现纬纱的倾斜角度计算。试验结果表明：该算法能够将织物纬斜的检测误差控制在0.8°以内，且检测时间不超过200 ms。认为：基于频域分析和纬纱拟合的织物纬斜检测方法能够实现纬纱倾斜角度的精确测量。

关键词： 数字图像处理   工程测量   实践应用  

摘要： 现代信息技术以及通信技术的迅猛发展,在前沿科学技术融入不同领域的基础条件下催生了数字图像处理方法,其在工程测量领域扮演的角色无可取代。数字图像处理技术具有精确度较高、分辨率高、非接触远程测量、形象信息丰富等多方面的特征,以其独特的优越性在我国的工程测量领域中得到了广泛的应用。本篇文章主要分析了数字图像处理在工程测量中的关键应用技术,并且就数字图像处理技术在工程测量中的实践应用进行了探究,希望能够为推动数字图像处理技术在工程测量领域中进一步发挥应用价值提供参考意见。

关键词： 目标检测   无人机航拍图像   RT-DETR   边缘信息增强   卷积加法标记混合器   小目标增强金字塔  

摘要： 针对无人机航拍图像中存在的目标边缘信息模糊、复杂背景干扰以及小目标分辨率低、难以辨识等问题，提出了一种新型改进RT-DETR的无人机航拍图像目标检测方法，记作MCS-DETR。首先，在主干网络中设计多尺度边缘增强模块，通过构建边缘信息增强机制，并结合深度卷积操作和特征融合策略，实现在不同尺度上提取特征信息，增强模型对图像边缘信息的感知能力。接着，在尺度内特征交互机制中融入卷积加法标记混合器，以优化特征交互过程，提升模型对全局上下文关键信息的捕获能力。最后，在原有特征融合方式的基础上进一步改进创新，提出小目标增强金字塔网络，增强模型对小目标细节特征的提取能力。实验结果表明，与RT-DETR模型相比，改进后的MCS-DETR算法在Visdrone2019-DET-Test上，参数量减少了20.7%，准确率、召回率、mAP@50和mAP@50:95分别提升了2.4%、3.1%、2.8%和2.0%，能够有效改善复杂场景下无人航拍图像目标检测的误检、漏检问题。