关键词： 分拣机器人   图像处理技术   正确识别率   货物分拣   深度学习   科技进步   目标检测   电子光学  

摘要： 1.引言科技进步实现了由机器取代人工完成大量繁重的工作。现代物流的快速发展,对货物分拣提出了更高的要求。货物分拣机器人是利用先进的传感器、电子光学、机械控制等原理从而实现对货物的分拣[1],货物分拣机器人的出现使货物分拣的效率有了极大的提升。一直以来如何提高分拣过程中的正确识别率是该领域的研究方向。传统图像处理技术在进行目标检测与识别时存在检测精度低、抗干扰能力差、无法适应复杂环境等问题[2]。近年来,对于物流获取的目标检测,基于深度学习的方法应用最为广泛。

关键词： 植物叶斑病   目标检测   YOLOv5网络模型   MobileNetv3   K-means++聚类算法   SCSE模块  

摘要： 为了提高植物叶斑病的检测效率和精度,引入主流的目标检测模型YOLOv5对叶斑病进行检测。结果显示,模型在检测较小的叶斑病时精度不高,且模型权重体积较大,不利于在终端边缘设备上部署。为此,对YOLOv5模型进行改进。首先,采用经过SCSE模块修改的MobileNetv3轻量化网络结构替代原有的CSP-Darknet53主干网络,从而降低模型的参数量和计算复杂度;其次,使用K-means++聚类方法优化Anchors参数,使先验框更好地为目标检测模型提供信息,增强模型的性能和泛化能力,减少对标注数据的依赖;最后,在主干网络的最后一层引入ASPPF模块,提高模型在不同尺度上的检测性能。实验结果表明,与原YOLOv5s算法相比,改进方法在植物叶斑病检测任务中表现更优,精确率、召回率和mAP等指标分别提高了2%、2.7%和1.5%,模型大小降低了39.1%。通过优化YOLOv5模型,实现了对不同植物类型大小不一的叶斑病的高效检测,有效降低了模型的大小,并提高了模型的检测精度。

关键词： 数字图像处理技术   新闻报道   电视技术  

摘要： 随着数字技术的飞速发展,数字图像处理技术在提升新闻报道质量方面起到越来越重要的作用,已成为现代电视新闻报道中不可或缺的一部分。文章先介绍数字图像处理技术的基本概念,随后详细分析该技术在新闻采集、传输和展示等各个环节的具体应用。文章提出一种基于DTMB-A的数字新闻传输系统,采用基于迭代同态滤波器的新闻图像增强方法和基于伽马校正的新闻报道调色技术,确保了现代电视系统中新闻图像的清晰度。

关键词： 冷轧   退火炉   红外热成像   视觉技术   目标检测   语义分割算法  

摘要： 在经济高质量发展以及国家积极推动传统产业转型升级的背景下,钢铁行业面临着产能过剩、生产流程复杂、质量管控难等问题,需要融入新一代信息技术来推动钢铁产业的转型升级。在钢铁企业的生产过程中,设备的平稳运行对企业的生产效率、产品质量、安全保障及经济效益至关重要。针对钢铁企业生产设备种类繁多、高温环境导致设备损耗高、现场维保危险性大等特点,提出了基于红外热成像和计算机视觉技术的冷轧退火炉元器件温度非接触式自动监测预警系统。重点研究了基于计算机视觉技术的多目标检测和图像语义分割算法与红外热成像相结合对退火炉元器件实现多元图像解析,获取元器件目标的实时图像与实测温度的过程。该系统可以实现对炼钢设备温度的实时监测和管理,提高钢铁企业的安全生产水平,进一步实现钢铁企业设备的智能化监测和管理,有利于减少安全风险、提高生产效率、保证产品质量和经济效益,推动钢铁行业的高质量发展。

关键词： 三维目标检测   点云   特征融合   注意力机制   车辆检测   体素化   自动驾驶  

摘要： 针对基于点云的三维目标检测中存在的特征提取能力不足和检测头分类与回归不一致问题,提出基于SECOND网络的ResCST架构。该模型在三维稀疏卷积层中引入残差连接,结合SwinTransformer捕捉长距离依赖关系的能力和卷积神经网络获取局部特征的优势,提出CNNSwinTransformer混合模型,有效提升特征表达能力;提出RCIoU方法,并将其应用于回归和分类分支,实现了分类与回归任务的联合优化。实验结果表明,在自动驾驶数据集KITTI汽车类别检测中,该模型在简单、中等和困难难度级别下的三维检测精度分别达到了91.21%、82.97%和80.28%。所提方法对困难目标检测效果提升明显,可达到每秒25帧的推理速度。所提出的ResCST架构在精度与速率之间取得了较好的平衡。

关键词： 工时测定   机器视觉   目标检测   拖拉机装配线  

摘要： 针对混合品种装配产线下不同机型装配导致产线工人作业工时存在较大差异的问题,提出一种基于Faster-RCNN的卷积神经网络的工序状态检测模型。首先通过工位装配任务工时测定分析明确该工位各道工序后将采集的工人作业工序图片进行特征提取和状态框选,然后使用区域预测网络RPN(Region Proposal Network)来获取候选框的建议信息,使用R-CNN对候选框的位置和物体类别进行预测识别,最后将视频帧数信息转换成时间信息,计算得到该道工序所测时间。分析结果表明,检测模型可以对视频中工人的工作状态进行识别并计算出工人的实际作业工时,模型检测的平均检测均值(map)达到96.4%;视频识别到的工时相对误差都在10%以内,满足产线实际工时观测的相对误差要求。

关键词： 学生课堂行为   YOLOv5s   深度学习   目标检测   轻量化  

摘要： 针对目前学生课堂行为检测算法准确性和模型复杂度的挑战,提出一种基于CBW-YOLOv5s(CA-BiFPNWIoU)的轻量化学生课堂行为识别算法。从整体上采用了GhostNet轻量化结构,旨在保证检测性能的同时,精简网络结构,从而大幅降低模型复杂度;BiFPN取代原模型的PANet,以增强模型对课堂行为特征的提取和融合能力;在一些C3模块中引入CA注意力机制,使网络能够更好地关注特征层的空间和通道信息;采用Wise-IoU损失函数以提升模型性能。实验结果表明,这些方法有效简化了模型复杂度,并保持了较高的检测精度。

关键词： 弱监督信息   体育训练   动作定位   图像处理  

摘要： 为了实现体育训练关键动作的精准定位,提出基于弱监督信息的体育训练关键动作定位方法。本文基于分析帧间差分法采集能够组成连续静态帧的视觉图像,并通过多帧图像的像素差异来检测运动目标,实现视频帧图像中的体育训练动作检测;对视频帧二值图像进行形态学处理,提取体育训练关键运动特征;利用BP神经网络构建分类器,提取包含关键动作的弱监督信息;创新性地基于弱监督学习思路,设计包含视频特征提取模块、视频帧级动作分类模块、上下文注意力模块的弱监督学习框架,进行体育训练关键动作定位。实验结果表明:利用本文的设计方法可以产生较准确的训练关键动作时序定位效果,所获取的mAP值最高值为49.52、最低值为25.63。在应用过程中所产生的实际内存占用量为2145MB、参数量为15.3M、整体定位消耗时间为8.36ms,算法整体复杂度较低,具有较好的实际应用效果。

关键词： 图像描述   目标检测   知识图谱  

摘要： 现有的图像描述生成方法和结果主要侧重于识别图像中已有的图像内容及其关系,而无法生成具有细粒度背景知识的描述。为克服传统图像描述模型时不能描述图片中深层次语义的问题,一方面,该文提出了一种基于目标检测和知识增强的图像描述生成方法,首先在目标检测阶段,提出了一种融合多维度信息的目标分类检测器(Fusion Target Classification Detector,FTCD),通过该检测器获得图中的人脸、商品及物体等目标的标签;其次,引入知识图谱,利用目标分类检测器得到的目标标签在知识图谱中查询相关知识;最后,目标的标签集合和相关知识共同送入模型进行编码;在模型的解码端引入注意力机制,用于引导模型选取合适的信息后生成图像描述。另一方面,针对MSCOCO数据集中的人工描述缺乏常识知识的问题,该文提出一种引入知识图谱的评测指标SPICE-K,SPICE-K可以评价具有常识知识的图像描述。实验结果表明,与基准LBPF模型相比,该文提出的方法有1%的准确率提升。实验分析表明,与基准模型相比,该文方法的性能提升主要来自于引入知识图谱和该文提出的目标分类检测器。

关键词： 人工智能技术   红外激光   激光成像   目标跟踪   跟踪方法   方法设计  

摘要： 以往的红外激光成像目标跟踪方法由于仅提取了红外激光成像目标的单一特征,导致方法的跟踪效果较差。因此,设计了基于人工智能技术的红外激光成像目标跟踪方法。利用红外激光成像设备,获取大量的目标数据,并对目标数据进行修正处理,由此构建红外激光成像目标模型,在人工智能技术的作用下,提取出红外激光成像目标的形状特征、边缘特征、纹理特征等多个特征,并计算特征相似量,对提取特征和候选特征进行匹配,通过计算特征的均值偏移量,确定红外激光成像目标的位置。通过上述的设计,完成对红外激光成像目标跟踪方法的设计。实验测试结果表明,本方法的跟踪鲁棒性可达99.11%,EAO可达99%,红外激光成像目标跟踪效果较好。