关键词： 机器视觉   三维重构   位姿估计   图像处理   EPNP   ICP  

摘要： 为实现对3D打印件检测与控制,提高打印件打印精度,完成了3D件的三维重构以及位姿估计研究。系统基于双目结构光的周视扫描视觉检测原理,采用双目结构光照明方式,以双色相机周视扫描成像模式,通过对不同位置彩色及红外场景、双目视觉及散斑结构光深度信息等,实现图像获取及视觉标定,完成图像融合、点云着色、多帧点云配准融合、分割等图像处理及分析,实现重构对象场景点云重构。采用基于EPNP和ICP算法的相机位姿估计方案,通过EPNP算法完成重构对象场景点云和单视角点云的粗配准,ICP算法完成重构对象场景点云和单视角点云的精配准得到目标的位姿估计。采用计算场景点云与标准点云的倒角距离评估3D打印件的三维重构精度,平均精度为0.675 mm;采用重投影的方法进行位姿估计的精度评估,平均精度为1.669 mm。通过系统研究,为3D件打印检测提供了较好的评价方法,为后续检测及控制3D件精度提供了较好的参考。

关键词： 图像字幕生成   深度学习   跨模态   计算机视觉   自然语言处理  

摘要： 图像字幕生成是一个重要且充满挑战的研究领域,旨在为静态图像生成自然语言描述,其在深度学习和视觉—语言预训练技术的推动下取得明显进步。阐述深度学习方法在图像字幕生成中的应用,介绍几种基于深度学习的模型和算法,包括循环神经网络、卷积神经网络、对抗生成网络和Transformer等模型,以及最新的视觉—语言预训练技术。这些模型在图像字幕生成任务中发挥了重要作用,通过学习图像与语言之间的关联,能够生成准确且流畅的描述。同时,强调该领域面临的挑战,如物体虚构、缺失上下文、光照条件、语境理解和指代表达等问题,需要模型具备推理能力。未来,将进一步提高图像字幕生成的性能和质量,推动其在实际应用中的应用。

关键词： 职业教育   校企合作   教材开发   计算机视觉技术与应用  

摘要： 教材是教学之本,加强教材建设对促进职业教育教学发展,提高职业教育人才培养质量具有重要作用。在校企“双元”合作育人的国家职业教育改革背景下,文章以建设高职人工智能技术应用专业核心课程“计算机视觉技术与应用”教材为例,重点探讨了在内容设计、结构设计、课程思政体系设计、数字资源建设上的调整和特色创新,以适应新时代职业教育的发展,落实职业教育“教材”改革的目标,为相关同类专业核心课程开发及教材编写提供有益借鉴。

关键词： 摩崖石刻   裂缝检测   计算机视觉   深度学习   YOLO v11  

摘要： 摩崖石刻由于长期暴露于自然环境中,遭受着多种病害的侵扰,其保存状况值得关注。其中,裂缝是石刻常见的病害形式,不仅削弱了石刻的观赏价值,更可能导致石刻上的文字难以辨认。因此,石刻裂缝的检测对于其保护与传承具有重要意义。传统的裂缝检测方式为人工检测,但人工检测耗时费力,且成本较高。随着计算机技术的快速发展,计算机视觉与深度学习技术为石刻裂缝检测开辟了全新途径。文章旨在探索利用这些技术实现石刻裂缝自动检测的可行性,收集了湖南省永州市祁阳浯溪碑林风景名胜区的摩崖石刻图像资料,通过采用YOLO v11算法,构建了一个能够自动识别图像中石刻裂缝的计算机视觉模型。研究结果表明,该模型的识别准确率高达88%,为快速、高效地检测石刻裂缝提供了技术支持,也为后续的石刻修复工作奠定了坚实的基础。

关键词： 跨国(境)直播   国际ICT职业教育   中文+职业技能  

摘要： 以海外华语(中文)学生为研究对象,通过开设ICT类跨国(境)直播课程,在教学计划、教学实施、教学结果等方面抽取多元、多维评价观测点,形成指标体系。在跨国(境)直播教学的全新教学场景下,逐步形成以技能教育带动中文学习的跨国(境)直播教学模式,推动高等教育数字化转型,同时也为推动“中文+职业技能”国际ICT职业教育提供办学新思路。

关键词： 织物外观模拟   图像处理   纹理映射   3D建模  

摘要： 针对纱线进行纬编针织物试织打样、染色实现织物外观效果造成费时费力费料问题,提出一种将提取纱线外观数据映射至织物模型的模拟方法,实现由纱线形态预测织物外观。利用计算机图像技术对纱线进行预处理,包括大律法阈值分割、开运算、闭运算和恢复纱线主体图像部分等;获取线圈控制点,对获得控制点使用3次NURBS曲线拟合得到线圈中心曲线模型,根据中心曲线模型建立线圈模型,对所得线圈模型进行衔接和嵌套得到织物模型;使用预处理好的纱线图作为纹理贴图对织物模型进行纹理映射,完成织物外观模拟。结果表明:该方法快速、准确模拟出织物外观,与真实织物视觉效果基本一致。

关键词： 计算机视觉技术   电力系统自动化   在线监测   位置判断  

摘要： 计算机视觉在电力系统自动化进程中扮演着关键角色,其图像识别与处理能力显著增强了系统的智能化和自动化水平。本文聚焦于计算机视觉在电力领域的应用——服务终端优化、在线监测精进及位置判断准确性,揭示了其对提升运行效率与安全性的深远影响。通过分析计算机视觉技术在电力系统自动化中的应用,本文得出以下结论:服务终端环节,计算机视觉加速了数据的传输与处理流程,确保信息流通的即时性和可靠性。在线监测领域,借助红外成像与图像分析,设备状态及环境变化得以实时精准监控,提升了异常检测的灵敏度和响应速度。位置判断上,系统能准确捕捉继电保护压板与开关刀闸的状态,为电力网络的安全运行提供强有力的技术支撑。

关键词： 目标检测   土栖白蚁   活动迹象   智能识别   YOLO  

摘要： 土栖白蚁作为严重危害水利工程和园林树木的重要害虫,其活动迹象的及时识别对于实施有效的蚁害预警和控制措施至关重要。针对这一需求,该研究开发了一种改进的一阶段目标检测算法——ACP-YOLOv5s,该算法基于广泛应用的YOLOv5s模型,通过集成自适应颜色感知模块(ACP-Module)对其进行优化,以增强模型在复杂自然环境下的特征提取和颜色感知能力,特别是在处理颜色混淆问题时有效提升模型的稳定性和泛化性能。在模型的颈部结构中加入CARFE上采样模块,通过扩展感受野并重新组织特征信息,以提高模型对细节的捕捉能力,从而提升识别精度。试验验证结果表明,改进后的ACP-YOLOv5s模型在土栖白蚁活动迹象检测中显示出更高的精确率和平均精度均值。与Faster R-CNN、YOLOv5s、YOLOv5m、YOLOv8和YOLOv9相比,ACP-YOLOv5s模型的精确率为91.2%,分别提升了5.3、5.0、3.4、7.9和0.1个百分点,平均精度均值为92.3%,分别提升了6.7、2.9、1.4、2.2和0.4个百分点,表明ACP-YOLOv5s模型在提高模型对复杂环境适应性方面的有效性,有助于加强对土栖白蚁侵害的早期预警和精确控制,为水利工程和园林树木白蚁防治工作提供了强有力的技术支持。

关键词： 草莓   目标检测   YOLOv5   注意力机制  

摘要： 草莓目标检测有助于监测草莓的实时生长状态,对草莓智能化管理具有重要意义。本文针对复杂环境下的草莓目标检测问题进行研究,提出了一种基于GAM注意力机制的改进型YOLOv5目标检测算法。本文在数据集标注的基础上,通过在YOLOv5模型的颈部网络添加GAM注意力机制来提升模型的特征提取能力,并对比分析不同注意力机制类型的融合检测效果。实验结果表明:相比于原始YOLOv5网络模型,本文所用方法有效提升了草莓目标检测性能,可以更好地平衡检测精度和效率,能够满足草莓目标的实时检测需求。

关键词： 计算机视觉技术   档案数字化   人工智能   深度学习  

摘要： 在信息时代,高校档案管理面临着日益增长的信息量和复杂的管理需求。文章就计算机视觉技术在高校档案管理中的应用展开探讨与分析。首先,对计算机视觉技术进行概述,然后分析其在高校档案管理中的应用场景,包括文本识别、图像增强和恢复、相似图像检索、数据安全和隐私保护、目标检测和识别。研究表明,计算机视觉技术能为高校档案管理的现代化和智能化发展提供理论指导和实践借鉴,提升高校档案管理工作的水平。