关键词： 深度学习   卷积神经网络   YOLOv5s   注意力机制   损失函数   迁移学习   目标检测   缺陷检测  

摘要： 针对现有钢材表面缺陷检测方法准确率不高、识别速度慢等问题,文中提出了一种基于改进YOLOv5s(You Only Look Once version 5s)的缺陷检测方法。为了实现对图像重要区域信息的关注以及提高模型对目标缺陷的学习能力,在主干特征提取网络引入CBAM(Convolutional Block Attention Module)注意力机制。为了提高目标框的回归速度和定位的准确性,使用距离损失和宽高损失结合的EIoU(Efficient Intersection over Union)边界框损失函数计算损失值。通过迁移学习加快模型的收敛速度来提升模型对各类缺陷检测准确率。通过在数据集NEU-DET上的实验结果表明,相较原始YOLOv5s网络,改进YOLOv5s网络模型对该数据集的准确率提升了6.3百分点,召回率提升了9.2百分点,mAP(mean Average Precision)达到了81.7%,对于钢材表面缺陷检测具有良好的性能。改进YOLOv5s算法的钢材表面缺陷检测模型大小仅为13.8 MB,在确保实时性的基础上提升了检测精度,便于模型在实际应用中的部署。

关键词： 计算机视觉   穿孔率   检测准确性  

摘要： 以JC/T 566-2022《吸声用穿孔纤维水泥板》中穿孔率检测为背景,在实验室搭建图像采集系统,利用Python编程搭建计算机视觉检测系统,实现对穿孔率的自动检测。研究影响计算机视觉方法检测准确性的因素,结果表明:图像采集系统和超参数选择对计算机视觉方法检测准确性影响不大;计算机视觉检测穿孔率的偏差随穿孔板孔径和孔数量的增加而增大,并且呈线性关系,可以通过引入校准系数提高检测准确性;边缘检测算法对穿孔率检测准确性影响较大,可以通过选择合适的边缘检测算法来提高检测准确性,本试验中Canny算子检测准确性较高。最后采用Canny算子和校准系数相结合,提高检测准确性,实现对板材尺寸598mm×598mm,孔径8mm,孔数729个的穿孔板穿孔率的高精度检测。

关键词： 轻量化   YOLOv8   MobileNetV3   人脸识别   目标检测  

摘要： 针对人脸检测任务中检测模型参数量大、检测精度低的问题,文章基于YOLOv8算法和MobileNetV3网络,提出一种轻量化人脸目标检测算法。首先,使用基于MobileNetv3网络替换YOLOv8s的骨干网络,减少参数量和计算量,提高检测速度;在此基础上,在骨干网络中添加额外的C2f模块,以此提高模型性能,增加其特征提取的能力;最后,在颈部网络添加额外注意力机制-多尺度空洞结构来进一步提高模型性能。实验结果显示,相较于基准模型,改进算法平均检测精度提高了2个百分点,参数量降低了约50%,验证了其有效性。与其它主流模型相比较,这一算法也有良好的表现。

关键词： PCB缺陷   BiFormer注意力机制   MPDIoU损失函数   上采样算子CARAFE   目标检测  

摘要： 在PCB缺陷检测领域中检测精度的提高一直是1个具有挑战性的任务。为了解决这个问题,提出一系列基于PCB缺陷检测的改进方法。首先,引入一种新的注意力机制,即BiFormer注意力机制,这种机制利用双层路由实现动态的稀疏注意力,从而减少计算量;其次,采用一种创新的上采样算子CARAFE,能够结合语义信息与内容信息进行上采样,使得上采样过程更加全面且高效;最后,基于MPDIoU度量采用一种新的损失函数,即LMPDIoU损失函数,能够有效地处理不平衡类别、小目标和密集性问题,从而进一步提高图像检测的性能。实验结果表明,所提改进后的模型在平均精度均值(mAP)方面取得了显著提高,达到了93.91%,与原YOLOv5模型相比提高了13.12个百分点,同时,在识别精度方面,所提改进后的模型表现也非常出色,达到了90.55%,与原YOLOv5模型相比提高了8.74个百分点。引入BiFormer注意力机制、CARAFE上采样算子以及LMPDIoU损失函数,对于提高PCB缺陷检测的精度和效率具有非常积极的作用,为工业检测领域的研究提供了有价值的参考。

关键词： 海杂波   广义逆高斯纹理   纹理空间相关性   相干检测  

摘要： 针对海杂波模型选择失配现象以及由假定海杂波纹理结构完全非均匀导致的相干检测器性能损失问题,提出基于广义逆高斯(generalized inverse Gaussian,GIG)纹理结构空间相关性的目标检测算法。首先,分析相关杂波背景下的目标检测模型,引入海杂波纹理结构的空间相关性并将其作为先验信息;随后,基于两步广义似然比检测(generalized likelihood ratio test,GLRT)准则推导相关GIG纹理背景下的相干检测器。最后,通过理论证明所提检测器对散斑协方差矩阵和目标多普勒导向矢量具有恒虚警特性。基于仿真测试的实验结果和实测数据表明,所提检测器在均匀和部分均匀杂波背景下均提升了对海面目标的检测性能。

关键词： 高速铁路接触网   缺陷检测   智能图像处理技术  

摘要： 在高速铁路运营过程中,接触网易发生故障,为加强接触网缺陷检测,提升图像采集与处理效率,提高数据的精准性以及可靠性,将智能图像处理技术应用于高铁接触网缺陷检测中。本文介绍了智能图像处理技术及图像检测与分类、图像处理技术的应用。结果表明,智能图像处理技术可通过图像与数据处理有效检测高铁接触网吊弦、绝缘子缺陷问题,提高了检测的可靠性与效率。

关键词： 图像处理   语义分割   水稻叶瘟   UNet   病害程度分级  

摘要： 高效、精确地评估叶瘟病害程度对水稻的早期防治、精准施药、产量损失预测至关重要。针对传统病害分级方法效率低、主观性强的问题,该研究提出了一种基于改进UNet(vgg16 coordinate dropout focal-dice mixed loss UNet,VCDM-UNet)的叶瘟分割模型。首先,针对病斑形状不规则、不易分辨问题,将VGG16作为UNet的主干网络,增强模型提取叶片、病斑特征的能力。其次,为了提升模型对叶片、病斑像素的关注度,增强模型的泛化能力,在上采样模块中引入CA(coordinate attention)注意力机制和Dropout机制。然后针对叶片、病斑占比过小问题,采用焦点-骰子混合损失改进模型的损失函数,以优化样本的不平衡性,缓解背景像素占比过大对模型学习带来的影响。基于田间收集的三叶期水稻叶片图像进行了验证,并与UNet、PSPNet、DeepLabV3+进行比较。结果表明,VCDM-UNet的平均交并比、平均像素精度、宏平均F1分数分别为82.93%、88.87%、89.96%,均优于3种对比模型,能够满足叶片和病斑的分割任务。最后,基于分割结果,计算病斑占叶面积的比例对病害程度进行分级,VCDM-UNet的平均分级准确率为83.95%,经验证,该模型可为叶瘟病害程度分级提供技术支持。

关键词： 目标检测   RT-DETR   小目标   Transformer   计算机视觉   注意力机制  

摘要： 针对塔机吊钩相互碰撞导致物体跌落以及塔机倒塌致使人员伤亡等一系列施工现场人员安全保障的问题,提出一种基于改进实时检测Transformer(Real-Time DEtection TRansformer,RT-DETR)的塔机上俯视场景小目标检测模型。首先,在原始模型中加入应用模型的重参数化思想设计的多路训练和单路推理结构以提升检测速度;其次,重新设计FasterNet Block中的卷积模块替换原始BackBone之中的BasicBlock以提升检测模型性能;再次,利用新的损失函数Inner-SIoU(Inner-Structured Intersection over Union)进一步提升模型精度与收敛速度;最后,进行消融实验与对比实验验证模型性能。结果表明,在检测塔机顶部俯视小目标图像时,所提模型的精度达到94.7%,高于原始RT-DETR模型6.1个百分点;所提模型的每秒检测帧数(FPS)达到59.7,检测速度相较于原模型提升了21%。在公共数据集COCO 2017上所提模型的平均精度(AP)比YOLOv5、YOLOv7和YOLOv8分别高2.4、1.5和1.3个百分点。可见所提模型满足塔机上俯视场景下的小目标检测精度和速度的要求。

关键词： 合成孔径雷达   舰船检测   旋转目标检测   神经网络   特征融合  

摘要： 针对常规模型在合成孔径雷达(synthetic aperture radar,SAR)图像中对近岸旋转舰船目标检测效果不佳的问题,提出一种基于全局特征融合的SAR图像旋转舰船目标检测方法。首先,通过全局注意力特征金字塔网络融合不同层级特征,缩短了底层特征向顶层特征的传递路径。其次,在图像块融合阶段加入位置编码,以减少降采样导致的定位信息损失。最后,采用旋转特征对齐网络生成高质量的锚点和旋转对齐特征,用于分类和坐标回归。所提方法在SAR舰船斜框检测数据集(rotated ship detection dataset in SAR images,RSDD-SAR)上旋转交并比为0.5时的平均检测精度达到了0.8948,对近岸和离岸舰船都有着较好的检测性能。

关键词： 图像处理   烟草分级   神经网络   系统测试  

摘要： 烟草作为重要的经济作物,其品质分级对于提升其市场价值具有重要意义。传统的烟草分级主要依赖于人工视觉判断,不仅效率低下,而且容易受主观因素影响,导致分级结果的不一致性。因此,开发一种基于图像处理的烟草分级系统,对于实现烟草产业的自动化与智能化尤为重要。本文介绍了图像处理、烟草分级的原理与方法,设计了基于图像处理的烟草分级系统。经过测试显示,该系统的图像处理效率高,对烟叶样本的分级精准度可达到95%以上。