关键词： 计算机视觉技术   农业   自动化   应用  

摘要： 随着人工智能技术的快速发展,农业领域正经历着从传统生产方式向智能化、精准化方向的深刻变革。在此背景下,计算机视觉技术在农业领域的应用日益广泛。为展示该技术的研究进展,本文综述了其在农机自动化、农作物病虫害识别与监测、采摘及定位导航等方面的应用,以期为计算机视觉技术在农业中的科学应用提供理论参考与实践指导。

关键词： 深度学习   机器视觉   目标检测   YOLOv8   负荷估算   相机传感器  

摘要： 为提高花卉收割和修剪等劳动力密集型工作的效率,采用了一种基于RGB图像和改进YO⁃LOv8的花卉作物表型方法。通过RGB-D获取树干和树枝等数据,并构建基于YOLOv8x-seg的树干和树枝分割算法,采用主成分分析方法(Principal Component Analysis,PCA)估算树枝截面的大小和方向,通过估计的树枝直径推算树枝截面面积(Limb Cross Section Area,LCSA),该面积可作为作物负荷估算的输入,LCSA越大,表明树枝的潜在开花能力越强。由实验结果可知,改进后模型的F1-score较原YOLOv8n-seg模型提高了4.0%。同时,精确度(Precision)和召回率(Recall)相较于原模型分别提高了3.0%和4.0%,优于其他对比目标检测算法。

关键词： YOLO技术   目标检测   人流密度统计   性别识别   自适应压缩   Web可视化  

摘要： 随着城市化进程的持续推进,商业街已成为现代城市的重要组成部分,对其人流量进行监测与管理,对于城市治理而言具有重要意义。针对传统人工统计方法效率低下且视频存储成本高昂的问题,设计了一种基于深度学习的商业街人流检测与智能视频存储系统。该系统采用YOLOv8目标检测模型实现人流的实时统计,通过引入Kalman滤波器提升目标跟踪的稳定性,结合深度学习的性别识别模型开展人群性别分布分析,并设计了基于区域划分的人流密度分析算法。在视频存储方面,系统创新性地提出了自适应多线程压缩方法,并基于Flask框架构建了直观的Web可视化平台。实验结果表明,该系统在人流检测准确率、性别识别准确性和视频压缩效率等方面都取得了良好效果,可为商业街管理决策提供有力的技术支持。

关键词： 目标检测   PySide6图形界面框架   防护装备   RT-DETR   YOLO   深度学习  

摘要： 施工现场存在多种安全隐患,个人安全防护装备(PPE)的穿戴是保障施工人员安全的关键。为突破传统PPE监管手段效率较低的局限,近年来计算机视觉方法在该领域得到了广泛应用。然而,在面对多类别PPE检测的复杂问题时,计算机视觉技术对检测精度的提升仍然有限。作为近年被提出的新型算法,基于Transformer的RT-DETR技术在多个场景下取得了更好的检测结果。鉴于此,文中基于RT-DETR设计了多类别PPE检测系统,可以准确识别出安全帽、反光衣、安全带、面罩和手套五种常见PPE。通过与YOLO系列算法对比测试,结果表明,RE-DETR的单类别最高检测精度达95%,平均检测精度均值达86.5%。该系统采用PySide6设计可视化界面,支持图像和视频两种检测模式,可有效服务于作业现场的智能化安全管理。

关键词： 区域经济发展   数字图像处理   横向课题   教学改革   新工科  

摘要： 本研究聚焦新工科背景下应用型本科院校,基于区域经济发展需求,探索数字图像处理课程以横向课题驱动教学改革的路径。通过分析区域数字图像处理相关产业现状与人才需求,剖析课程教学现存问题,引入横向课题开展教学内容、方法及实践教学改革。经构建评估体系检验,发现学生在学习成果、实践创新及就业竞争力方面均显著提升,获企业认可。研究表明,该教学改革有效提升课程质量,实现高校教育与区域经济的良性互动,同时也指出未来在教学内容、方法、实践教学及师资队伍建设等方面仍需持续优化。

关键词： 沁恒芯片   图像处理   路径规划   物联网技术   D^(*)算法   黑板擦机器人  

摘要： 课堂教学设备逐渐向智能化方向发展。然而,传统的黑板擦除仍然停留在人工操作阶段,不仅效率低下,而且可能造成粉尘污染。为解决这一问题,文中设计了一种基于人工智能技术的智能黑板擦机器人。该机器人通过摄像头获取黑板图像,使用图像处理技术识别书写内容的位置,并通过改进的路径规划算法生成最优擦除路径,从而实现黑板的自动、高效擦除。系统硬件包括安装在黑板上的摄像头、用于驱动黑板擦的电机及控制系统的核心处理器。实验结果表明,智能黑板擦机器人在不同书写场景下均表现出良好的擦除效果,能够显著提高擦除效率,减少人工操作和粉尘污染。文中研究可为未来教育设备的智能化发展提供重要参考。

关键词： 重粉尘环境   图像处理   车辆识别   位置定位   多传感器融合  

摘要： 钢铁企业生产过程中产生大量粉尘,尤其在原料堆场、烧结厂、高炉出铁场等区域形成典型的重粉尘环境。这些区域内,料场卡车、铁水运输车、渣罐车等工程车辆往来频繁,存在较大安全隐患。本文从钢厂重粉尘环境特点分析入手,系统研究了适合该环境的图像采集方案、预处理方法、车辆特征提取与识别算法以及位置定位技术,构建了一套完整的工程车辆实时位置识别系统,并通过实际应用验证了其有效性。

关键词： 脉冲神经网络   多值逻辑   目标检测   交通标志识别   人工智能  

摘要： 作为神经形态计算的代表方法,脉冲神经网络因其高效的计算特性,在感知与控制任务以及软硬件协同计算中得到了广泛应用。然而,SNN中广泛应用的传统积分泄露神经元模型仅能将输入特征编码为二值脉冲信号,严重限制了其特征表达能力和在复杂视觉任务(如目标检测)中的性能。基于多值逻辑神经元模型提出了一种三值激活层的脉冲神经网络。通过对卷积层的激活层范围重新设定,三值激活层能够在二值激活的基础上,大幅提高了目标检测算法的模型性能。在公开数据集上的实验结果表明,与二值激活对比,所提出的三值激活方法在三类交通标志上的目标位置识别精度可以从80.8%提高到92.5%。此外,为了将以上脉冲神经网络运行在基于新型纳米器件的多值逻辑计算系统中,对参数量化后的模型性能进行了评估,将模型参数量化到整数范围之后,模型的性能仅下降1%多一点。与ANN相比,在精度下降了4.2%的同时,参数量减少了81.6%。

关键词： 连续油管   计算机视觉   工况识别   深度学习   井下监测  

摘要： 针对连续油管试油作业过程中井下工况复杂、实时监测难度大的问题,本文设计了一套基于计算机视觉的井下工况监测系统。系统通过视频采集与传输实现井下图像信息的获取,并结合图像处理、特征提取与深度学习算法构建工况识别模型,实现对典型井下工况的自动分类与判断。搭建系统架构和实时识别逻辑,能够形成从图像采集、数据处理到工况输出的完整流程。

关键词： 深度学习   单视图像   点云   三维重建   计算机视觉  

摘要： 深度学习的单视图像点云三维重建研究近来成为计算机视觉领域的热门课题之一。鉴于该方向有些方法取得显著成效,对课题近几年工作进行更为全面总结,为此领域研究人员提供参考并推动现有研究进展。根据不同点云表示形式分类组织文献;回顾相应方法的基本思想、训练机制、学习范式以及算法之间关系;接着讨论领域内常用数据集、损失函数和评价方法,归纳与整理其特点、局限性和下载链接。此外还从网络结构和监督方式对某些重要方法在公开数据集上进行性能分析与比较。最后通过对当前研究现状梳理,总结一些仍存在问题和探讨未来可能发展趋势。