关键词： 目标检测   卷积神经网络   深度学习   太阳电池   YOLOv5  

摘要： 在新能源应用技术中,太阳电池表面缺陷检测是至关重要的技术环节。该文研究并提出一种基于YOLOv5算法的优化模型,可对静态图片进行检测也可用于实时视频中。将坐标注意力机制(CA)加入到YOLOv5的主干网络部分。再将颈部网络部分的特征融合部分优化为BiFPN结构。最后,为解决正负样本数量失衡问题,开启Focal Loss,并将其优化为Varifocal Loss。将此优化算法应用在PVEL-AD数据集上,并将mAP@0.5作为验证标准。验证结果表明,该研究所使用算法的检测精度达到86.24%,相较于未优化的原始算法提升5.64%。

关键词： 寿命评估   局部低硬度   P91   图像处理  

摘要： 以某电厂A修金属检验中发现局部低硬度P91封头为研究对象,采用等温线外推法对其剩余寿命进行评估并对其计算结果的精确性进行了分析。结果表明:封头的硬度与应力对其剩余寿命评估有很强的敏感性。为提高局部低硬度封头剩余寿命的评估精度,此次分析通过封头的网格化硬度检测与数据采集并对封头的整体硬度进行非线拟合,利用图像方法对封头的低硬度区进行提取及量化;结合有限元对其应力分析的结果,可计算封头低硬度区在该位置应力作用下的剩余寿命。这种基于图像处理方法的寿命评估手段相较于传统的等温线外推法对承压部件进行寿命评估具有更高的精确性且适用于局部低硬度承压管件,为广大技术人员处理局部低硬度管件提供了新思路。

关键词： 表面缺陷   迁移学习   目标检测   改进YOLOv7算法   机器视觉   注意力机制  

摘要： 在智能制造的背景下,企业中传统冶金锯片的缺陷检测存在实时性不足、漏检误检率高和精度低等问题,难以满足现代工业的需求。提出了一种改进深度迁移学习的冶金锯片缺陷检测方法。首先,通过提取目标域的特征信息,以余弦相似性作为评价指标,从源域中选择与缺陷数据集相关性高的源域样本作为训练对象,对其进行预训练;然后,在YOLOv7算法中引入条件参数化卷积(CondConv)模块,显著提升了推理效率;同时提出了一种高效层聚合网络(ELAN-CA),优化了特征之间的空间信息融合,从而增强了网络性能;其次,通过引入全新的特征模块(AFPN),有效整合了不同尺寸的缺陷信息;最后,基于改进深度迁移检测算法与Mysql数据库相融合开发了在线冶金锯片表面缺陷检测系统,能够实时进行多种方式缺陷检测,并对检测信息进行存储与分析,便于实时统计锯片缺陷信息,提升了检测的灵活性和适应性。所改进算法将冶金锯片缺陷的检测精度提升至93%,相较于基础网络,参数量降低了约46%,准确率和平均精度均值A均提高了5.2%,能够满足冶金生产现场对缺陷实时检测的要求,显著提高了质量控制的快速反应能力,减少了人工检测的误差和劳动力成本,为产线质量检测的全自动化和智能化提供了重要的技术支持。

关键词： 红外图像   目标检测   多尺度局部对比度   图像方差  

摘要： 针对复杂场景下存在背景变化剧烈、杂波较多、信噪比低而造成红外弱小目标检测准确率低、虚警率高的问题,提出利用图像全局信息与局部对比度结合的红外弱小目标检测算法。算法利用方差和信杂比对图像的所有像素点统计分析,将图像做全局处理得到特征图,以适应灰度变化剧烈的复杂背景,同时抑制大量平缓背景杂波,提高目标的信杂比。针对特征图中主要存在的强背景边缘噪声和高亮像素点噪声,采用加权绝对方向平均差(weighted absolute directional mean difference,WADMD)算法,将目标与背景的强度差异作为加权系数,计算目标与各方向背景的绝对平均差,并使用判断门限抑制负对比度,抑制高亮度噪声的同时,提高目标的显著性。实验表明,与对比算法相比,本文算法能够适应多变的复杂背景,对目标信杂比提升更明显,鲁棒性更好。

关键词： 人工智能技术   肖像权   图像处理   换脸   风险与防范   潜在问题   简易操作   违法行为  

摘要： 随着科学技术的日新月异,图像处理与人工智能技术诞生,“换脸”软件开始在网络上风靡。用户只需简易操作,便可轻松把自己的面容替换到名人或好友身上。但是,“AI换脸”给群众带来欢乐的同时,也引发了一些潜在问题,“AI换脸”技术进行欺诈和侵犯他人肖像权等违法行为也为我们敲响了警钟。

关键词： 图像处理   检定系统   充电桩  

摘要： 为了克服传统检定方法的局限性,本文详细阐述了充电桩检定系统的设计,利用校准的充电桩对电动汽车进行充电,从而估计电动汽车电池管理系统的误差模型参数。该系统提高了充电桩检定的效率和准确性,为电动汽车充电设施的维护和管理提供了有力支持。该方案对于保障现场检定工作的准确性和可靠性,促进电动汽车的普及和充电设施的规范化管理具有重要意义。

关键词： 多输入多输出雷达技术   目标检测与跟踪   波束形成  

摘要： 文中提出了一种基于多输入多输出(MIMO)雷达技术的目标检测与跟踪算法。首先,介绍了MIMO雷达技术的原理及其在目标检测与跟踪领域的应用优势。其次,详细阐述了算法的设计思想和实现方法。该算法利用MIMO雷达系统同时发送和接收多个波束,实现了对目标的高分辨率成像和准确跟踪。最后,通过仿真实验验证了该算法的有效性和性能优势,证明了其在实际应用中的潜力。

关键词： 轮式机器人   目标识别   机场跑道异物   图像处理   深度学习  

摘要： 文章针对航空器起降间隙较大的支线机场跑道的异物自动识别与定位问题展开研究,提出了一种基于具备自主导航功能的轮式机器人结合工业相机与激光雷达系统的跑道异物自动识别定位系统。该研究主要采用图像分块处理与深度学习框架相结合的计算机视觉算法,对跑道微小异物目标进行自动识别与定位,具备跑道自主巡航检测的能力。该研究实现了系统样机的集成与跑道环境现场测试的一系列工作,获得了对5 mm直径微小异物80%的综合检出率,有利于该类型机场跑道异物检测的进一步研究并取得了积极的效果。

关键词： 物流配送   物流行业   人力成本   计算机视觉技术   人工智能   大数据   云计算   物联网  

摘要： 一、引言随着我国经济的快速发展,居民的日常生活节奏越来越快,物流配送的需求越来越大。而传统物流配送行业普遍存在着自动化程度低、人力成本高、效率低等问题,这严重制约了物流配送行业的发展。5G技术的快速发展,物联网、人工智能、大数据、云计算等新兴技术不断应用于物流行业[1-2],尤其是计算机视觉技术在社会生活中的应用越来越广泛。

关键词： 群目标跟踪   势均衡多目标多伯努利滤波器   邻接矩阵   高斯分量   随机有限集  

摘要： 群目标跟踪已被广泛应用于作战对抗、自动驾驶、低空防御等各个军民领域。群目标是指由多个单目标组成,并以相同的速度或方向进行移动的一组或多组目标集群。鉴于随机有限集(Random Finite Set,RFS)滤波器在处理多目标数据关联方面的优势,现有的群目标跟踪算法大多基于RFS滤波器。然而,这些滤波器在对群目标进行跟踪时大多忽略了各目标之间的关联、依赖关系等问题,为此,提出了一种基于群结构集成的势均衡多目标多伯努利(Cardinality Balanced Multi-target Multi-Bernoulli,CBMeMBer)滤波器的群目标跟踪算法。具体而言,首先通过邻接矩阵对目标群结构进行估计,即将群目标看作无向图,利用各目标之间的距离来估计群目标的邻接矩阵,进而将群目标划分为多个子群。并根据各子群中目标的运动状态,将其划分为群中心和群成员两种类别,分别建立了运动方程。而后在预测步骤中,利用估计的群结构来对目标状态进行预测。特别地,在滤波器的高斯混合实现步骤中,多个高斯分量被用来拟合相对应的各伯努利分量,但过多高斯分量的存在会降低对群目标状态估计的准确性,从而降低群结构估计的准确性,因此,在状态提取阶段,本文所提算法对高斯分量进行修剪,即对更新步骤后的每个伯努利分量中所包含的高斯分量进行筛选,只保留一个权重最大的高斯分量。最后,仿真结果表明,本文所提算法实现了对群目标的稳定跟踪,且跟踪性能优于传统的CBMeMBer滤波器。