关键词： 仪表读数识别   目标检测   语义分割   透视变换  

摘要： 针对巡检机器人嵌入式系统面临的内存限制和计算能力不足的问题,提出了一种基于轻量化目标检测算法的指针仪表读数识别算法。首先,在YOLOv8n的基础上,设计了轻量化特征提取模块RepC2f和轻量化检测头LSD,这2项设计旨在提升检测精度的同时显著降低模型参数量,从而提高检测的实时性。实验结果表明,该算法相比于YOLOv8n精度提升了0.94百分点,权重模型减少了2.73 MB,而帧率则提升了11.9帧/s。然后,采用Deeplabv3+算法对指针和主刻度线进行精确分割。随后,通过透视变换和最小二乘法实现表盘的几何校正和指针的拟合。最后,依据主刻度线的角度法进行读数的计算。

关键词： YOLOv8s   目标检测   深度学习   遥感图像   空间到深度卷积   Transformer   注意力机制  

摘要： 针对遥感图像存在的小目标密集、目标遮挡、背景复杂等问题,提出一种改进YOLOv8s的遥感图像目标检测网络模型。采用空间到深度卷积中的SPD模块,在特征提取时保留更多信息;基于Bottleneck Transformer设计BOT模块,在保持全局上下文建模的同时,更好地捕捉图像中的局部特征;引入注意力机制设计C2fGAM模块,聚焦有效信息,抑制无效背景信息;将上采样模块替换为CARAFE上采样,提高特征重建质量。实验结果表明,该模型相较其它算法具有更好的检测效果和较强的通用性。

关键词： 电力系统   读数识别   电力计量仪表   图像识别   计算机视觉  

摘要： 传统的电力计量仪表读数识别方法依赖于人工读表,工作人员需要逐一检查每个仪表并记录读数,该过程不仅耗时费力,而且在大型电力系统中,由于仪表数量众多,人工读表的方式往往难以迅速完成所有仪表的读数。为提升电力计量仪表读数的效率,并实现精准读数,提出基于计算机视觉的电力计量仪表读数自动识别方法。结合计算机视觉技术收集了电力计量仪表的图像,并对图像进行二值化处理,将处理好的图像中的像素坐标作为校准基础,并将其转换到颜色模型(HSV),实现表盘模版与刻度的定位,最后采用角度识别方法进行读数的识别与计算。试验表明:基于计算机视觉的电力计量仪表读数自动识别方法实现对电力计量仪表读数的自动识别,具有较高的识别精度和效率。

关键词： 机器视觉   垂直度   单桩  

摘要： 针对海上单桩垂直度测量需求,提出一种基于机器视觉的非接触式高精度测量方法。通过自适应Gamma校正算法改善复杂光照条件下的图像质量,结合引导滤波实现保边去噪;采用LSD算法检测单桩边缘特征直线,利用角度与长度约束筛选有效直线,并通过平行式与相交式分布模型拟合中轴线,获取像素坐标系下的斜率与截距参数。实验表明,该方法可有效提升图像处理效率与垂直度计算精度,为海上风电单桩施工质量控制提供技术支撑。

关键词： 路面裂缝   YOLOv8n   目标检测   深度学习   轻量化  

摘要： 针对当前道路裂缝检测算法检测速度慢、且对于复杂道路条件下的路面裂缝识别精度低、误检漏检率高等问题,设计了一种基于YOLOv8的道路裂缝检测改进算法FCG-YOLO。首先,提出了改进的C2f_Faster结构以降低模型参数量和减少计算复杂度。其次,为了提高检测准确率,在骨干部分引入全局注意力机制GAM,增强算法对小目标裂缝的识别能力,同时改进特征融合金字塔SPPF为SPPFCSPC模块,用于增强算法的特征融合能力。最后,通过消融实验验证了各模块对算法性能的影响,找到了兼具轻量性与准确性的模型配置,并结合实际应用场景,探究了算法的鲁棒性与泛化性。FCG-YOLO在检测效率上表现出色,验证集上的检测精度mAP50与mAP50-95分别达到了90.3%、74.4%,且每秒检测速度提升13.8%,达到345帧,具备较高的检测效率与良好的实际应用价值。

关键词： 小样本目标检测   迁移学习   物体感知RPN   知识蒸馏   分布校正  

摘要： 针对目前基于微调范式的小样本目标检测方法存在模型偏差和检测器难以区分类无关知识的问题,提出一种融合迁移校正与自适应知识蒸馏的小样本目标检测方法(TCAD-FSOD)。其中,对于偏差问题,设计了物体感知RPN模块(OA-RPN)和分布校正模块(DCM)。OA-RPN利用背景筛选机制校正有偏差的RPN结果,DCM利用基类信息辅助校正有偏差的新类分布。对于检测器难以区分类无关知识的问题,提出了自适应温度知识蒸馏模块(ATKD)。ATKD通过自适应温度生成器进行精细的知识蒸馏,使检测器能够渐进式地显式学习基类与新类之间与识别相关的共性知识。实验结果表明,相较于目前已知的最新算法结果,该方法在PASCAL VOC数据集的性能最高提升可以达到2.7%,在COCO上最高提升了0.7%,说明TCAD-FSOD算法能够有效缓解模型偏差,提升对新类的识别能力。

关键词： 智能化工工厂   计算机视觉   视频内容分析   人机融合   人工智能  

摘要： 化工企业在生产运营过程中存在各种安全风险,比如:罐区的充装作业、高危化学品的装卸、化工装置的维修等。近年来化工企业为了保障现场安全,装置内部署了较多的监控摄像头,对人员、装置、设备都进行了全方位的监控。随着人工智能以及计算机视觉技术的兴起,视频的智能分析已经成为一种新的安全监控手段,可以让企业的安全人员摆脱枯燥的基于肉眼的图像和视频监控:一方面可以并发监控多路视频提高了人员的监控的效率,降低人力成本;另一方面智能系统不存在人眼疲劳的问题,可以提高监控的精度。提出基于计算机视觉的化工安监系统,阐述了在人机融合的指导思想下,计算机视觉技术如何赋能企业化工安全监控的技术与方案。该文可为AI赋能化工,提升安全生产提供有效的参考。

关键词： 图像分割   计算机技术   图像处理   大数据技术  

摘要： 图像分割是图像处理领域的经典难题,在计算机技术、网络技术和大数据技术发展的推动下,已成为图像理解领域的研究热点。该技术被广泛用于天文图像分析、医学影像处理、目标定位、工业检测及公安执法等领域,催生了大量算法研究成果。文章首先综述了图像分割技术常用的数据集及其特征,接着阐述了各类图像分割算法的研究进展,最后探讨了当前技术面临的挑战,并对未来研究方向进行了展望。

关键词： 新工科   数字图像处理   教学改革  

摘要： 随着新工科建设的不断推进,高校对人才的培养要更加符合新技术、新模式、新产业的新时代要求,把学生培养成基础理论扎实、实践能力强的科技创新人才。“数字图像处理”作为一门重要的工科类专业课程,为了满足新工科背景下课程建设的新要求,实现人才培养新目标,本文从课程的教学现状出发,注重发挥课程特点和优势,提出课程教学改革方案,对教学内容、实践环节、考核方式等方面进行改革探索,旨在让课程教学紧跟前沿技术发展,拓宽学生视野,激发学生的学习兴趣和创新思维,培养学生分析问题、解决问题的能力,为工科类专业课程建设提供新策略和新思路。

关键词： 图像处理   数字图像相关   光学测量   特征匹配   改进SIFT算法  

摘要： 针对数字图像相关法的初值影响图像亚像素求解精度和计算效率的问题,提出一种基于改进SIFT特征匹配的初值估计方法。通过SIFT算子检测特征点,使用高斯圆形窗口建立40维降维特征向量,并对窗口内像素点进行加权处理,提高算法匹配准确性;然后利用特征匹配对误匹配点进行筛选,获得图像变形前后点对坐标;最后采用基于RANSAC的初值估计方案,独立估计每个兴趣点的变形初值,并将估计初值代入反向合成高斯牛顿算法迭代求解亚像素位移。通过模拟散斑平移实验和聚氯乙烯(PVC)/热塑性聚氨酯(TPU)共混材料拉伸实验对算法性能进行分析。结果表明:当实验材料单轴拉伸一侧发生最大25%变形时,所提方法仍能有效获取稳定可靠的估计初值,兴趣点位移计算准确率可达99.9%以上,相较于传统特征匹配的初值估计方法在计算精度和效率方面都有更好的表现。