关键词： 图像去雾   图像处理   暗通道先验   深度学习   卷积神经网络   生成对抗网络   目标检测  

摘要： 在露天矿山的户外视频监控场景中,空气中的雾霾和悬浮颗粒物会导致视觉系统所采集图像的对比度降低、色彩失真等,干扰后续的图像分析与处理。清晰的图像信息对分析与决策至关重要,图像去雾(Image Dehazing)旨在提升所采集图像的清晰度,减少雾、雨、雪、沙尘等天气因素的干扰,已经成为自动驾驶、视频监控、遥感分析等领域的关键技术。传统的图像去雾方法,通常基于大气散射模型,通过物理推导恢复图像。然而,这些方法依赖于一些假设,难以应对复杂环境中的实际情况。随着深度学习技术的发展,基于神经网络的去雾方法逐渐成为主流,深度学习方法能够更好地提取有雾图像的特征,恢复图像细节,具有更强的适应性和鲁棒性。综述了近年来图像去雾技术的发展,比较分析了传统物理模型与基于深度学习的图像去雾方法的特点,为图像去雾技术的实际应用提供了参考依据。

关键词： 护目镜佩戴检测   数据增强   目标检测   SPD   坐标注意力机制  

摘要： 目的解决目前危化实验室、工厂等危险环境下护目镜佩戴情况检测存在的人工检查效率低下、无法有效保障人员眼部安全等问题。方法首先构建出护目镜佩戴检测数据集,其中包含4个真实场景图片与部分网络爬取数据集,并通过数据增强等手段将原始的3383张扩充至5462张图片,构成最终数据集,使各个样本数量达到均衡,有效预防了因样本不均衡导致的模型精度低的问题;接着提出改进型YOLOv5目标检测算法来实现对护目镜佩戴情况的自动检测,算法在YOLOv5中添加SPD小目标检测模块,该模块完全消除了传统卷积模块中导致信息丢失的步长卷积和池化操作,使网络保留更多信息,引入坐标注意力机制解决了因添加SPD带来的相邻位置关系无法有效提取的问题;同时,将原本的损失函数替换为SIoU损失函数,有效解决了真实框与目标框相互包含情况下的IoU计算问题,减少了计算自由度,降低了模型计算量,提升了模型准确率。结果在护目镜配戴检测数据集上的实验结果表明:改进型的YOLOv5模型在护目镜佩戴检测数据集上的平均精度为72.7%,相较于原始YOLOv5模型平均精度提高了5.6%。结论该模型实现了对复杂环境下护目镜佩戴情况的基本检测。

关键词： 轻量级   卷积神经网络   雷达辐射源识别   时频分析   图像处理   Vision Transformer   高效识别   深度学习  

摘要： 在雷达辐射源信号识别中,针对现有的识别方法存在实时性差、网络模型参数量大以及难以应用于资源受限的设备等问题,提出了一种基于轻量级卷积神经网络的雷达辐射源信号识别方法。首先,利用平滑伪Wigner-Ville分布(smooth pseudo Wigner-Ville distribution,SPWVD)将雷达辐射源信号转换为时频图像,并对时频图像进行图像预处理;其次,基于Vision Transformer的架构设计,结合传统的卷积神经网络,构建了轻量级网络模型RecNet;最后,利用预处理后的时频图像对RecNet网络模型进行训练,实现对9种雷达辐射源信号的高效识别。实验表明,该方法在信噪比为−8 dB时,对9种雷达辐射源信号的识别准确率达到95.7%,模型参数量为0.9×10^(6)且推理延迟仅为4.67 ms,在保证较高识别准确率的同时,具有更快的识别速度和更小的模型参数量,具有一定的工程应用价值。

关键词： 轻量化   目标检测模型   卷积神经网络   深度学习  

摘要： 近年来,深度卷积神经网络蓬勃发展,众多目标检测模型的研究成果十分显著。然而,大型模型虽性能卓越,却存在计算成本高昂、内存占用大的问题,在嵌入式设备与实时检测场景中的部署困难重重。因此,开发轻量化模型成为当下研究的热门方向。设计轻量化目标检测算法极具挑战性,需要精巧构思,在大幅削减参数量与计算资源消耗的同时,依然保持出色的检测性能,在过去十年里,轻量化算法的研究已取得显著进展。本文总结了轻量化目标检测模型的研究现状和实现轻量化的一些方法,介绍了轻量化目标检测模型的种类、轻量化模型的构成模式以及不同模型存在的优缺点,并将其进行比较得到了相应结果与分析,进而讨论了轻量化目标检测模型目前存在的问题,以及对目标检测模型的一些展望和结论。

关键词： 金属丝   杨氏模量   劈尖干涉法   MATLAB图像处理  

摘要： 鉴于计算机自动测距的高度便捷和准确性,使用MATLAB对CCD相机拍摄到的明暗干涉图进行两次滤波处理得到了更清晰的干涉条纹.这种结合了图像处理的劈尖干涉测杨氏模量的方法使测量精确度达到10-7 m,培养了学生的创新意识,促进了学科之间的融合发展,在实验教学中具有重要的推广价值.

关键词： 计算机视觉   锅炉   燃烧   预警   Ferguson  

摘要： 传统锅炉燃烧状态多通过各种类型的仪器仪表进行显示,并由人工进行监视、预警,这在一定程度上增加了生产过程中人为因素导致的安全风险,锅炉燃烧异常预警系统的智能化、数字化设计就显得尤为重要。本文提出了基于计算机视觉技术的锅炉燃烧异常预警系统设计方案,以Ferguson炉膛温度场可视化系统为参考,通过优化平台架构与功能,显著提升了锅炉燃烧预警系统的可靠性,从而及时对锅炉燃烧异常情况进行预警,避免安全生产事故的发生。

关键词： 目标检测   注意力机制   损失函数   Yolov8n  

摘要： 针对复杂自然环境中茶叶病害的检测问题,提出一种创新的检测模型,旨在为茶叶病害的精确识别提供有力支持。模型设计中,增加了小目标检测层,提升了对微小目标的检测;引入了CA(CoordAttention)注意力机制,增强模型对细节信息的捕捉能力;采用Focal-EIOU损失函数进一步优化算法模型;替换主干网络MobilevitV2,提升了模型的性能。实验结果表明,在同等条件下,与YOLOv8n原模型相比,本研究提出的优化算法实现了平均精度均值3.5百分点的提升,准确率达到91.6%。这些改进措施有效地提高了茶叶病害检测的准确率,而且为茶叶病害检测提供了坚实的理论基础和技术支撑。

关键词： 图像处理   去噪   记忆单元   自监督学习   多阶段  

摘要： 针对自监督图像去噪方法训练过程中缺乏清晰图像标签导致去噪效果受限的问题,提出一种基于记忆单元的多阶段自监督去噪方法。提出的记忆单元模块可保存近似于清晰图像的中间去噪结果,协同监督网络训练过程,使网络既可以从噪声图像中学习,也可以从训练过程的中间输出中受益。此外,提出一种多阶段训练方案分别学习噪声图像平坦区域与纹理区域的特征,建立空间自适应约束,使网络在噪声去除和细节保留之间保持平衡。实验结果表明,所提方法在SIDD和DND数据集的峰值信噪比分别达到37.30 dB和38.52 dB,结构相似性指数分别达到0.930和0.941。与现有的自监督去噪方法相比,所提方法在视觉效果和量化指标上均有较大提升。

关键词： 真空电弧   旋转开断   图像处理   电弧特性  

摘要： 真空断路器在开断过程中,触头之间的电弧形态会发生改变。不同电弧形态的演变过程决定了断路器的开断性能,探究电弧在不同阶段的形态特性并分析影响因素,加快限制型电弧向扩散型电弧转变,有助于提高真空断路器的快速灭弧能力。课题组提出一种在断路器直拉过程中使阴极旋转的开断方式,发现电极旋转会导致弧根移动,进而影响了电弧在整个燃烧过程中的形态变化。文章基于电极旋转开断方式,在电弧燃烧的不同阶段投入电极旋转分断,研究直拉分断过程中旋转分断的投入时刻对电弧燃烧特性的影响,根据图像处理分析,加入仿真验证实验得到结论:在直拉分断过程中,添加旋转分断有利于电弧熄灭,实验和仿真证明在直拉分断中伴随旋转分断更有利于电弧能量的逸散,加速电弧的熄灭。

关键词： 乳房炎   生物分子学   理化性质   传感器   计算机视觉  

摘要： 乳房炎作为奶牛养殖业中常见且影响深远的疾病,其准确、快速的检测对于保障奶牛健康和乳制品质量至关重要。目前,乳房炎检测技术虽取得了一定进展,但仍面临诸多挑战。本文从传统方法、传感器技术、计算机视觉3个方面综述了奶牛乳房炎检测技术的发展。传统方法从理化性质和生物分子学方面分析乳汁样品准确判断乳房炎,但操作过程复杂,需要用到特定的实验设备和专业人员进行操作;基于传感器技术的乳房炎检测技术,通过分析乳房特征和乳汁的理化性质准确判断乳房炎,较大程度上保障了动物福利,但传感器的操作和部署容易引起动物应激反应;基于计算机视觉的乳房炎检测技术,利用数字化技术全流程、自动检测乳房炎,避免动物应激反应,但检测精度有待提升。最后,本文讨论了目前奶牛乳房炎检测技术存在的低精度、时效性差和自动化不足等问题,并展望了乳房炎检测技术的发展趋势,提出了未来的研究方向。本文旨在为奶牛养殖业提供高效、准确、便于应用的乳房炎检测技术与方法,以实现精准畜牧和科学管理。