关键词： 计算机科学与技术   三维目标检测   激光雷达   密集连接   高斯距离  

摘要： 为加强对小目标的感知,在F-PointNet网络的基础上,结合密集连接方法和高斯距离特征,提出了FDG-PointNet三维目标检测模型,融合高斯距离特征作为附加注意力特征,有效改善了F-PointNet网络实例分割准确率不高的问题,增强了对点云视锥体中的噪声的过滤;基于密集连接可以加强特征提取的特点,改进主干特征提取PointNet++网络,加强点云特征重用,缓解特征提取过程中对小目标的特征提取程度过低与梯度消失问题,提高三维目标边界框回归的准确性。研究结果表明:本文算法在简单、中等、困难三个难度等级下对汽车、行人、骑行人3种类别的检测整体优于基准方法F-PointNet,在中等难度下对汽车、行人、骑行人的检测分别取得71.12%、61.23%、55.71%的平均检测精度,其中对行人检测提升最明显,在简单和中等难度下提升幅度分别达5.5%和3.1%。综上所述,本文的FDG-PointNet算法有效解决了F-PointNet中小物体检测的低准确性问题,具有较强的适用性。

关键词： 镀锌层缺陷   图像处理   特征提取   支持向量机分类器  

摘要： 输电杆塔在电力行业内广泛运用,其安全性鉴定主要从结构本体与防腐涂层两方面进行展开。为提高鉴定效率,快速且准确识别防腐涂层剥落缺陷,结合图像处理技术、图像特征提取技术和支持向量机分类算法进行输电杆塔镀锌层剥落缺陷自动检测。在图像处理阶段,采用高斯滤波去除噪声同时保留图像细节,基于自适应阈值分割法对图像进行背景分离;在特征提取阶段,使用边缘检测算子识别缺陷轮廓,并从几何特征与纹理特征两方面提取8个缺陷图像轮廓特征;在缺陷分类阶段,基于支持向量机分类算法构建图像缺陷分类器,识别图像中的缺陷部位,整体识别率为77%,最后输出缺陷图像轮廓特征的因子重要度。本文所采用的方法能够快速识别铁塔镀锌层剥落缺陷。尤其在较小的缺陷识别上,远高于现有检测效率。

关键词： 自动驾驶   深度学习   目标检测   YOLOv8s   损失函数  

摘要： 针对现有自动驾驶模型对小样本及重叠样本识别精度不高的问题,提出了一种基于改进YOLOv8s的轻量级目标检测模型。使用多尺度特征提取设计了C2f-Faster模块,替换YOLOv8s骨干网络与颈部网络的C2f模块;融合内部交并比(Inner-IoU)与基于最小点距离交并比(MPDIoU)损失函数,提出Inner-MPDIoU损失函数。模型的对比试验、消融试验结果表明:交并比为0.5时模型平均精度(mAP@0.5)提升3.5百分点,准确率达到95.2%,参数量下降25%。通过数据的可视化分析,进一步验证了改进模型对于复杂场景的有效性。

关键词： 图像处理   随机森林   碎石集料空隙率   施工质量控制   无损检测  

摘要： 为解决传统碎石集料检测方法中存在的破坏性检测、代表性不足、人工操作误差、费时费力及检测不连续等问题,提出一种连续、无损、快速且准确的碎石集料空隙率检测新方法。使用摄像设备采集振实后的碎石集料表面图像,并利用图像处理技术提取碎石集料的表面图像数据;分析提取到的图像信息,建立体现碎石集料表面特征的图像指标体系;使用提取到的图像指标、集料用量和级配信息作为输入数据,采用随机森林方法对碎石集料的空隙率进行预测;设计室内压实模拟试验方案,收集65组不同用量和级配的碎石集料空隙率测定结果,构建用于机器学习模型训练的数据集。结果显示,所提议方法在测试集上的平均绝对百分比误差为1.69%、平均绝对值误差为0.589、均方根误差为0.914、相关指数为0.974、预测精度达到98.31%,可实现连续、无损、快速、准确的碎石集料空隙率实时检测。

关键词： 无人机(UAV)   三维重建   目标检测   单次多框检测器(SSD)  

摘要： 利用传统的运动恢复结构(SFM,struct from motion)算法实现无人机视角下的三维重建时,为减少特征点的错误匹配和运动目标对整体稀疏点云的影响,主要依靠随机采样一致性(Ransac,random sample consensus)算法,但会导致Ransac在求解相机位姿时的正确率降低,迭代次数增加。本文基于深度学习的单次多框检测器(SSD,single shot multibox detector)网络进行目标检测。首先,在尺度不变特征转换(SIFT,scale-invariant feature transform)提取特征点后,对动态目标类别范围内的特征点进行剔除;然后,在K近邻(KNN,K-nearest neighbor)暴力匹配后,对错误匹配进行剔除,减少无效运动目标范围内的特征点和不同类别间的错误匹配,使得相同置信度时,Ransac求解相机位姿的迭代次数降低,同时减少特征点暴力匹配和SFM算法计算三维点的时间。最后,通过2个场景12张图片验证了引入深度学习优化后三维重建算法的可行性。

关键词： 强夯施工   夯次监测   时序影像   深度学习   目标检测  

摘要： 强夯施工是土石方工程的重要加固方式,传统的人工测量方式存在效率不高、误差较大的问题。本文提出了一种基于时序影像的强夯施工夯次智能监测方法,该方法利用深度学习技术,对强夯施工过程中的图像进行分析,并根据强夯运动特征和时序模式,自动识别夯击运动轨迹和夯击信息,很大程度上提高了强夯施工的精度和智能化施工水平,为今后的强夯施工提供了参考,具有较高的实用价值。

关键词： 目标检测   深度学习   农业   应用  

摘要： 目标检测具有高准确性和实时性,且向轻量化、高精度化快速发展,在各个领域展现出了良好的应用前景。本文介绍了目标检测算法的基本发展历史,简述了其在农业生产领域中的应用,如病虫害监测、农产品检测、畜禽行为监测等,最后分析了目标检测的不足和发展趋势。

关键词： 多滤波器   支持向量机   支持相关滤波   目标跟踪  

摘要： 支持相关滤波跟踪方法利用循环采样将计算转换到频域进行,解决了支持向量机采样少与计算量大的问题。但是当前跟踪方法在模型更新时将历史样本和当前样本进行线性插值,不能很好地利用样本的历史信息。针对该问题,提出多滤波器支持相关滤波跟踪方法。在跟踪过程中,首先利用历史样本训练历史滤波器,其次利用历史滤波器对当前滤波器进行约束,从而能够更好地利用样本的历史信息。在OTB100数据库上的实验表明,该算法精确率达到79.2%,成功率达到58.6%。相较于尺度核化支持相关滤波算法(SKSCF),该算法在精确率与成功率上分别提高了2%和3.7%。

关键词： 深度学习   车牌识别   MATLAB软件   图像处理   设计  

摘要： 针对车牌识别,采用深度学习的方法并利用MATLAB软件编程进行软件界面的搭建和硬件电路的设计。首先对车牌图像进行预处理,国内的车牌一般是3:1的长宽比,预处理后进行车牌定位;其次对定位的车牌图像进行倾斜校正,采用连续投影法进行字符分割;最后采用深度学习法对车牌中的数字、字母和汉字进行提取和识别。整个系统可以实现车牌的读取,读取结果准确,便于在交通管理、停车场管理中得到应用。本研究的结果表明,所采用的方法充分考虑了图像环境、光照条件、色彩分布以及拍摄角度等多方面因素对车牌识别任务的影响,提升了车牌识别过程中的图像清晰度及识别准确率,从而为车牌识别技术的优化提供了有力的理论依据和实践指导。

关键词： 深度学习   红外艾灸   图像处理   自动化理疗   卷积神经网络   温度控制  

摘要： 随着我国老龄人口逐步增加,慢性疾病在老年人群中的发生率已逐渐成为公共卫生领域面临的一个突出问题。传统中医艾灸疗法通过对某些特定穴位施加热刺激,能有效助力慢性疾病的快速康复。在实施艾灸疗法时,常常遇到操作繁琐和烟雾形成等多种问题。因此,研究设计了一款全自动红外艾灸理疗设备,该仪器融合了先进的图像处理技巧与机械臂的控制方法,具备穴位的自动识别与精准定位能力,并使用红外热治疗手段替代传统的艾灸方法,进一步提高了艾灸治疗的安全与便利性。提出了一种基于深度学习技术的全自动红外艾灸理疗仪,结合卷积神经网络(CNN)进行人体姿态与穴位的精准识别,采用红外加热技术实现艾灸疗法的自动化。通过硬件和软件相结合的系统设计,该设备能够自动识别常用穴位并进行定点加热。