关键词： 计算机视觉   精密仪器   自动校准   智能制造  

摘要： 随着现代科学技术的快速发展,设备也向着更加精密化和自动化以及智能化的方向拓展,许多精密仪器设备的精确度也越来越高。若想使精密仪器设备既运行高速又精确度高,应用条件要达到标准。所以,对接地系统在精密仪器运行中应用质量也有着很高要求。本文在分析视觉辅助精密仪器自动校准的关键技术的基础上,研究了典型精密仪器如坐标测量机、数控机床、大型天线等的自动校准应用,并结合新型视觉传感器、多源异构数据融合、人工智能优化等技术发展,对校准技术的未来趋势进行了展望,旨在为智能制造环境下精密仪器的高效校准提供新思路。

关键词： 超图应用   图像处理   网络分析   推荐系统   分布式网络  

摘要： 超图是图的泛化,相较于普通图,它在复杂关系的高阶特征表达上具有显著优势。作为一种相对较新的数据结构,超图在应用领域正在发挥越来越大的作用,研究者采用超图模型及算法对现实世界中的具体问题进行建模、求解,有效地提升了解决问题的效率及质量。现有对超图的综述更多侧重于解决超图本身问题的理论及技术,缺乏对超图在具体应用场景下的建模及求解方法的归纳总结。为此,在总结介绍超图的一些基础概念后,分析了超图在各个主流应用场景下的应用方法、技术、共性问题及解决方案;通过对现有工作的归纳总结,阐述了超图运用于现实问题中仍然存在的一些问题与障碍;最后,对超图应用的未来研究方向进行了展望。

关键词： 目标检测   YOLOLW   轻量化模型   注意力机制   FPN  

摘要： 要满足日益增长的实时移动目标检测部署需求,目前的YOLO骨干网络仍存在许多不足。为此,本文提出基于锚框的轻量级目标检测模型YOLOLW。首先,它包含一个新颖的轻量级解耦头,以增强对分类和回归任务的关注,提高模型的准确性;其次,它设计一个轻量化和重参数化的网络结构,在保持其轻量化特性的同时,实现优异的检测精度;再次,通过动态卷积和跨层次关联有效整合浅层特征,增强特征金字塔结构(FPN);最后,引入空间注意机制和通道注意机制,显著提高了模型的准确性。实验结果验证了该模型的有效性。

关键词： 港航   多视图聚类   图像处理  

摘要： 目前,利用AI技术提高人员工作效率已在各行各业得到普遍应用,但是内河由于船型标准化低、监测设备安装条件恶劣等,导致视频图形算法的应用水平较低,也降低了相关系统使用的便捷性。针对视图信息的缺失使得信息处理易受干扰的问题,进行分析研究。在济宁智慧港航图处理算法中采用多视图聚类技术,构建一套基于不完备多视图聚类的图处理算法框架。该算法的搭建有效提高了航道视频AI识别的应用水平,提高了识别的准确性和高效性。同时,由于系统架构优良的可扩展性和开放性,也为基于此框架解决更多水运监管业务提供了基础性的技术开发思路。

关键词： 重载铁路   钢轨缺陷   机器视觉   深度学习   目标检测  

摘要： 为实现重载铁路轨道典型缺陷的准确、快速、智能检测,基于深度学习算法,提出一种针对重载铁路钢轨图像的特征加强卷积神经网络模型,研制一套基于机器视觉的便携式轨道图像采集系统;整理创建重载铁路钢轨表面多目标图像数据集,并基于此数据集进行训练,实现裂纹、擦伤、块状损伤、接缝4种典型缺陷目标的智能识别;针对数据集中目标尺度分布不平衡的特点,使用聚类算法重新设置锚框的尺寸和数量;对比分析重载铁路钢轨缺陷图像的纹理复杂性与固有特点,引入加权融合池化模块和纹理特征增强模块对自适应训练样本选择(ATSS)算法进行改进。应用所提算法对重载铁路轨道进行检测,4类典型缺陷目标的全类平均正确率达到85.8%。通过与其他9种检测算法的对比,充分验证了所提算法的有效性。

关键词： 车云算力协同   深度估计   多任务联合   目标检测   目标跟踪  

摘要： 车内人员不安全行为的预警是减少交通事故的重要手段,然而现有的研究主要关注于驾驶员的危险行为检测,乘客的危险行为往往被忽视,因此文中提出了一种基于车云算力协同的驾乘人员危险行为分析算法。首先,通过基于粗粒度深度估计的检测和人员身份分析模型区分驾驶员与乘客;然后,通过基于ByteTrack多目标跟踪的检测模型检测乘客是否越位,并通过头部姿态估计与疲劳状态检测的多任务联合模型检测驾驶员的危险驾驶行为;最后,将危险行为视频片段上传云端进行校验。实验结果表明,文中提出的基于粗粒度深度估计的检测模型和人员身份分析模型相比感兴趣区域法的F_(1)-Score提高了5.1%,多任务联合模型中的头部姿态估计分支相比LwPoser模型F_(1)-Score提高了5.2%,疲劳检测分支相比YOLOv6s模型平均准确率均值提高了2.4%,且校验中使用云端高精度模型F_(1)-Score提高了7.6%。以上结果证明了文中所提算法的有效性。

关键词： 点云   稀疏卷积   局部信息   注意力机制   交叉融合  

摘要： 针对当前基于点云的三维目标检测算法缺乏目标准确的空间位置信息,提出局部信息编码模块和后期交叉融合模块的三维目标检测算法.在特征提取阶段,模型通过三维稀疏卷积高效地编码全局特征.局部信息编码模块利用目标内部的原始点云信息,构建目标的细粒度语义信息,通过自注意力机制对这些信息进行重新加权,增强局部特征的表达能力.提出交叉融合模块,用于局部特征与全局特征的信息交互,产生表达能力更强的目标检测特征.使用KITTI和Waymo公开数据集,验证所提出的方法.在KITTI数据集的简单、中等和困难任务上,本文方法的平均准确率AP0.7分别达到了91.60%、82.53%和77.83%,在Waymo数据集上的平均准确率AP0.7达到74.92%.

关键词： 无人机测绘   高精度   计算机视觉   图像处理   飞行规划  

摘要： 时下流行的无人机航测技术,其观测能力优越且成本相对较低,故得以在诸多领域如城市规划、环境监测等崛起。本研究着重探讨了无人机在高精度测绘上的优势,困境及挑战。运用颇为先进的计算机视觉与图像处理技术,钻研了如何精确地对无人机影像进行处理,进而提高其测绘精度。此外,还深究了如何通过改良无人机的航线及摄像头参数等细节,以增进测绘质量和飞行效率。本文就无人机高精度测绘之理论与实践进行了较全面的剖析,意在为该技术在测绘领域的应用献上有益良策。研究结果表明,通过合理的无人机飞行规划和精细的影像处理,不仅可以显著提高测绘精度,且在保证测绘质量的同时,能有效降低成本,提升测绘效率。因此,无人机测绘在未来有着广阔的发展前景和实际应用价值。

关键词： 注意力机制   低分辨率图像   量子算法   量子计算   量子神经网络   量子聚类   图像目标检测   商业银行  

摘要： 随着量子计算的迅猛发展,以量子神经网络、量子支持向量机、量子聚类等为代表的一系列量子算法展现出良好的应用潜力,并逐步在我国金融领域相关场景得到验证。华夏银行面向量子计算在图像目标检测领域的应用进行深入探索,创新将量子变分线路与注意力机制相结合,构建量子注意力机制,并将其引入YOLOv5网络中进行图像目标检测。实证结果表明:基于量子注意力机制改进的YOLOv5算法能够有效提升在低分辨率图像上检测目标物体的能力,为图像目标检测应用提供新思路和新方法。

关键词： 目标检测   YOLOv5   Transformer   自注意力机制   变电站缺陷识别  

摘要： 针对变电站缺陷识别场景下存在的复杂变电缺陷和样本不均衡等问题,提出一种改进的YOLOv5算法。向YOLOv5网络结构中引入Transformer模型,使用自注意力机制捕捉特征之间的长距离依赖关系。引入基于焦点损失的对损失函数进行优化,提高对小样本变电站缺陷的检测准确性和鲁棒性。为适应变电站缺陷识别任务,构建专门的数据集,采用聚类算法对真实标注框进行聚类,生成更准确的先验框。通过遗传算法选择适应该数据集的超参数,提升算法性能。实验结果表明,本文所提算法在变电站缺陷识别任务中取得了较好的性能表现。相较于传统的YOLOv5算法,改进算法在复杂变电缺陷和小样本目标的识别上具有更强的能力。