关键词： 目标检测   深度学习   碰撞检测   机械臂路径规划  

摘要： 在智能制造与工业自动化快速发展的背景下,机械臂的高精度抓取与路径规划技术已成为提升产线效率的核心环节。本研究基于复杂工业场景中机械臂作业需求驱动,从“视觉空间定位”与“路径规划”两个方面展开。针对小目标检测、点云信息缺失、复杂障碍物避障等难题,提出一种基于复杂背景空间定位的机械臂路径规划方法,主要包括以下研究内容: (1)针对复杂背景下小目标空间定位精度不足的问题,提出一种融合二维视觉检测与三维点云映射的定位方法。通过改进YOLOv8算法,在骨干网络引入自适应多尺度卷积注意力模块(MSCA),并增加小目标检测分支,优化网络对小尺度目标的感知性能;结合Ghost Net模块生成冗余特征图,提升目标与复杂背景的区分度;进一步提出基于Wasserstein散度的边界框回归损失函数,将检测框建模为二维高斯分布,显著提升定位精度。为解决点云数据缺失与颗粒度粗的问题,提出基于最小外接矩形的二维到三维坐标映射方法,通过最小二乘法提取目标区域像素坐标序列并与点云数据匹配,有效克服单点深度映射误差。实验表明,改进YOLOv8的m AP50达0.915,较原模型提升14.1%,空间定位误差小于2mm,显著提高目标检出率与空间定位准确率,验证了算法在复杂光照与堆叠场景下的鲁棒性。 (2)基于精准的三维坐标信息,本研究进一步提出改进的BI-APF-RRT*机械臂路径规划算法。首先建立KUKA-KR210-R2700机械臂的D-H运动学模型,并提出圆柱体与球体混合包络的简化建模方法,结合空间位置最短距离碰撞检测算法,提升计算效率。针对传统BI-APF-RRT*算法易陷入局部震荡的问题,设计自适应目标直连策略,动态调整直连概率以平衡探索与开发效率;改进人工势场(APF)策略,引入目标距离相关的斥力场修正,避免目标点附近的局部最优陷阱;提出基于受力角的可变步长扩展机制,依据引力与斥力方向一致性调节步长,实现开放区域快速趋近与狭窄空间精准避障;最后通过三阶B样条插值优化路径平滑性。三种不同仿真环境下的对比实验表明,改进BI-APF-RRT*相较于主流算法(RRT*、BI-RRT*、GB-RRT*、APF-RRT*及BI-APF-RRT*)在耗时、路径长度、节点数、安全距离等指标上有显著提升,并在钢卷线头抓取任务中,验证了该方法的可靠性。

关键词： 玉米叶病   目标检测   半监督学习  

摘要： 玉米作为全球重要的粮食作物之一,其产量易受叶部病害影响,因此实现准确的玉米叶病识别对保障粮食产量具有重要意义。近年来,基于人工智能的玉米叶病检测算法因其高效性受到研究人员广泛关注,并取得了较好的进展。但现有研究仍存在以下问题:公开数据集中数据主要集中在北美或欧洲地区,具有一定的地域局限性;由于田间背景复杂且玉米叶片病斑特征较小,导致了现有检测模型精度较低;数据标注成本较高导致了标注数据稀缺,存在大量未标注数据。因此,针对上述问题,本文开展了基于半监督学习的单阶段玉米叶病检测算法研究,主要研究内容如下: (1)本文构建了一个用于玉米叶病检测的跨地域数据集,吉林省玉米叶病检测研究数据集(Jilin Province Maize Leaf Disease Detection Research Dataset,JL-MLD5)。针对目前公开数据集中数据存在一定的地域局限问题,本文在中国吉林省实地采集田间玉米叶病数据,并通过纳入公开数据以构建跨地域数据集,同时采用镜像、亮度调整等多种数据增强技术以增强数据集中的样本多样性。JL-MLD5数据集共包含12,835张图像和51,538个病害目标区域,涵盖了尾孢菌叶斑病、南方锈病等五种病害。 (2)本文提出了一种基于YOLO改进的玉米叶病检测算法。在骨干网络中提出了深度可分离压缩激励空间金字塔池化(Spatial Pyramid Pooling with Squeeze Excitation and Depthwise Separable Convolution,SPPSEDC)模块以增强关键特征提取能力;基于C2f与标准卷积模块设计了CC2f(Conv-C2f)模块以增强特征表达能力。在颈部网络中引入分发聚合机制(Gather and Distribute,GD)和C2f模块实现跨层级特征交互。实验结果表明,在30%标注比例的JL-MLD5数据集和Pascal VOC公共数据集上,与基准模型相比,mAP(0.5)指标分别提高了3.1%和2.5%。 (3)本文提出了一种基于双分数伪标签筛选的半监督学习算法。基于教师-学生结构,提出一种双分数伪标签筛选机制,通过计算未标注样本的目标分数与分类分数实现高质量伪标签选取;并基于该机制设计伪标签损失函数。实验结果表明,在30%标注比例的JL-MLD5数据集和Pascal VOC公共数据集上,与基准模型相比,mAP(0.5)指标分别提高6.5%和8.2%。通过实验验证了所提出的基于半监督学习的单阶段玉米叶病检测算法具有较好的效果,并具有一定的泛化性。

关键词： 白酒玻璃瓶   裂纹缺陷   气泡识别   图像处理   光学检测  

摘要： 白酒玻璃瓶在灌装与包装前需进行严格的外观质量检测，裂纹与气泡是最常见的两种缺陷，不仅影响产品外观与市场认可度，在后期使用过程中还可能出现破损与渗漏。本文结合白酒玻璃瓶裂纹与气泡缺陷的主要类型与产生的原因，分析了白酒玻璃瓶裂纹缺陷的检测方法，提出白酒玻璃瓶裂纹与气泡缺陷异常处理与调试方法，为酒类包装企业实现自动化检测提供技术参考。

关键词： 红外图像   可见光图像   图像融合   目标检测  

摘要： 随着计算机视觉和图像处理技术的快速发展,图像融合在智能安防、自动驾驶等领域获得广泛应用。现有基于无监督的多模态图像融合方法难以在保持纹理信息的同时增强语义特征,使得融合结果对目标检测等高级视觉任务的适配性受限。此外,在实际应用中,由于环境光照条件的显著变化、复杂多变的气候影响以及背景环境的高度杂乱,导致融合图像出现严重视觉质量下降问题,进一步降低高级视觉任务的精度。 针对上述挑战,本文针对高级视觉任务优化的无监督红外与可见光图像融合研究进行展开,解决图像融合过程中的纹理退化与语义信息缺失问题。具体研究内容如下: (1)为实现对提取特征的有效学习,本文提出了一种基于多级特征注入的红外与可见光图像融合方法。首先,本方法在多尺度特征提取过程中建立了多个融合通道分支,以捕获和融合来自源图像的多级特征信息。通过将生成的多级融合特征重新注入融合图像中,本方法实现了具有丰富复杂细节的融合结果。在特征融合阶段,模型优化了浅层和深层特征的融合方式,利用两者包含的不同信息设计定制融合规则,为最终的融合图像提供更多的浅层特征的结构信息和深层特征的语义信息。 (2)红外与可见光图像融合在满足人类视觉感知的同时服务于机器视觉。大多数的融合模型通过级联高级视觉网络鼓励融合图像包含更多语义信息。然而,仅依靠语义损失约束对于像素级的图像融合来说有效性确实有限。因此,本研究提出了一个交互式红外和可见光图像融合网络。其核心思想是使用来自目标检测网络的检测特征,通过特征自适应互连模块指导像素级融合,以获取更多目标语义信息。其中所提出的特征自适应互连模块的设计目标是从一开始就创建一个统一的特征空间,并执行特征转换,以弥合任务之间的特征差异。在交替训练过程中,融合损失和目标检测损失向特征自适应互连模块提供反馈,帮助其完成自我更新和优化。 (3)由于现实环境的复杂多变,尤其是在弱光条件下,可见光模态数据通常存在较大的不确定性。因此,针对低光场景,本方法提了一个耦合学习的融合框架,它通过交互驱动的低光增强为红外和可见光图像融合提供了适合照明的条件。具体而言,所提出的共享照明增强网络旨在深入研究和改进低光可见模态的固有照明特性。同时,场景恢复网络无缝利用共享照明增强网络提取的增强特征,将它们与红外图像的独特和互补属性相结合。得益于照明颜色估计器,融合先验用于优化增强过程,引导共享照明增强网络生成具有显著对比度和鲜艳色彩的增强结果。 (4)在雾霾环境中,可见图像的退化会削弱对比度和视觉感知。由此,本文提出了一种针对雾霾场景的红外和可见光图像融合方法。该方法首先基于大气散射模型构建了一个物理感知的场景雾霾穿透网络,使模型能够更好地模拟和理解雾霾形成过程。然后,该方法在训练数据中引入现有去雾方法生成的样本,并采用对比学习增强特征空间的可解释性,从而细化去雾结果。接下来,该方法设计了一个具有双重注意机制的融合网络,以过滤掉不相关的信息,同时通过通道和空间注意进行二次增强。该方法在融合视觉质量和定量评估方面均优于其他融合算法,同时还提高了高级视觉任务的决策准确性。

关键词： 矸石充填   级配特征   承压变形   载荷传递折减   图像处理  

摘要： 将井下采掘过程中产生的矸石直接填充采空区,不仅可以减少地面土地的压占,还能有效控制采空区顶板的稳定性,但在时间效应影响下,矸石会因承压变形减弱对顶板的支承,进而引发地表塌陷。为了研究井下矸石的真实粒径级配特征及其承压变形规律,采用图像信息提取技术获取井下矸石的真实粒径级配,并按照等比例缩放原则配置与井下矸石级配分布一致的矸石试样,利用承压变形试验装置研究了矸石试样在相同加载时长(24 h)、不同恒定载荷设定值(5、10、15、20 MPa)下的承压变形规律。结果表明:井下矸石堆从矸石块的数量上呈现小块径占比较多、随块径增大逐渐变小的趋势,从矸石块的质量上呈现小块径矸石占比较少、随块径增大而先增大后减小的趋势;矸石试样承压过程分为加载和恒载2个阶段,随恒定载荷设定值增大,加载阶段的变形量占比呈增大趋势;恒载阶段也可细分为快速变形和缓慢变形2个过程,恒载时长相同,较低的恒定载荷设定值下矸石试样会产生较大的应变量;在承压变形过程中,小粒径矸石不断增多,大粒径矸石不断减少, 10～15 mm粒径的矸石块属于稳定粒径;在某一恒定载荷作用下,随着典型矸石块层位与载荷施加面距离的增加,典型矸石块的破坏程度逐渐变小;随着矸石层与载荷施加面距离的增大,矸石层竖向压缩量逐渐减少;在不同恒定载荷设定值下,随着矸石层位与载荷施加面距离的增加,矸石试样所承受的竖向压力均呈逐渐减小的趋势。从破坏、变形和受力3个方面验证了矸石试样竖向载荷传递折减效应。研究结果可为矸石充填型采空区地表沉陷的预测及防治提供参考。

关键词： 目标检测   YOLOv5s   Gold-YOLO   可变形卷积   注意力机制  

摘要： 阐述针对低照度环境中直接使用通用的目标检测算法存在检测精度低的问题，提出一种新的低照度目标检测算法YOLO＿BF，主要解决低照度环境中的小目标漏检、密集目标误检和遮挡目标漏检三大问题，以提升目标检测精度并做到高效和实时。

关键词： 小行人目标检测   SSD算法   注意力机制   亚像素卷积   多尺度特征融合  

摘要： 在地铁场景中，小行人目标由于分辨率低，包含特征信息较少，现阶段目标检测器对此类目标的检测仍具有挑战性. SSD目标检测算法利用金字塔网络的多尺度检测头，能一定程度提高行人目标检测性能，但将其应用于地铁等复杂环境中实现小行人目标检测仍具有一定局限性.针对上述问题，提出一种改进SSD算法以加强地铁场景中小行人目标检测效果.通过构建地铁场景行人目标数据集，标注相应标签，同时进行数据预处理操作；在特征提取网络中加入金字塔特征加强模块，将多分支残差单元、亚像素卷积和特征金字塔相结合获得图像多尺度、多感受野融合特征；利用上下文信息融合模块将图像低层特征与上下文特征相融合，生成扩展特征层用于检测小行人目标；设计一种基于Anchor-free的动态正负样本分配策略，为小行人目标生成最优正样本.实验结果表明：提出的改进SSD算法能有效提高地铁场景小行人目标检测性能，对遮挡严重的小行人目标检测，效果提升更为明显.

关键词： 多参数监护仪   医学计量   自动检定   图像识别   计算机视觉  

摘要： 多参数监护仪是临床诊疗的关键设备,2019年被列为国家强制检定设备,需要定期检定以确保其可靠性。人工检定监护仪时需手动测量波形、读取示数并计算误差,效率低下。现有的监护仪自动检定研究存在着可检定参数不全、自动化程度低等问题,难以满足实际需求。随着深度学习的发展,图像识别因具有精度高、速度快的优势,已拓展到了计量校准领域。因此,研究基于图像识别的多参数监护仪自动检定技术,利用图像识别对检定参数进行识别和判读,减少人为参与并提高检定效率,对强检工作的有力实施具有重要意义。 本文针对现有监护仪自动检定研究中检定参数不全、自动化程度低的问题,基于YOLOv10目标检测框架,通过引入Shuffle Net v2轻量化网络结构,构建了YOLOv10-Shuffle Net v2模型,利用通道重排和逐点卷积,在保证识别精度的同时显著降低了计算复杂度,实现了检定参数的准确识别;在参数判读方面,构建了基于图像处理和傅里叶级数拟合的参数判读方法,通过分析拟合曲线的极值点/拐点位置,实现波形幅值的计算,并采用Rapid OCR模型实现数字参数判读。基于现行检定规程与实际需求,本文完成了软硬件功能模块设计与用户界面的搭建,构建了完整的自动检定系统。 本文在实际采集的多参数监护仪屏幕图像数据集上对所构建的方法进行验证,实验结果表明,所构建的基于YOLOv10-Shuffle Net v2的检定参数识别方法具有较高的准确性和实时性。所构建的基于图像处理和傅里叶级数拟合的方法拟合优度较高,能够准确计算波形幅值。所采用的Rapid OCR数字参数识别模型具有较高的识别准确性和识别速度。本文搭建的基于图像识别的多参数监护仪自动检定系统,实现了检定参数的自动识别和判读、监护仪及检定装置的自动控制等功能。本文对所搭建的系统进行了实验测试,实验结果表明,系统检定结果与人工检定一致,具有良好的稳定性,并显著提升了检定效率,为实际应用提供了可靠的技术支持。

关键词： X光违禁品   深度学习   目标检测   特征融合   小波变换   软件设计  

摘要： 随着我国交通运输业的快速发展,安检工作的高效性与准确性需求日益提升。传统X光安检系统因采用人工判读模式,普遍面临操作效率低下、目标漏检率偏高及判读人员因疲劳导致检测效能衰减等系统性缺陷。尽管基于深度学习的检测方法已取得一定进展,但X光图像因物品遮挡、颜色分布差异及背景复杂等特性,仍面临检测精度不足和泛化能力受限的挑战。 为此,本文首先提出了基于小波变换引导的多特征融合模块(WaveFM)。WaveFM首次将小波变换引入X光违禁品检测中,利用小波变换设计的卷积结构去遮挡小波卷积(DOWT),分离图像的低频全局轮廓信息与高频细节纹理特征,并将其进行动态融合。结合边缘特征提取模块(EG)和区域深度特征提取模块(RE),通过多特征密集融合(MDFM)增强违禁品的形状与结构信息。WaveFM能有效缓解遮挡干扰,弱化颜色分布差异的影响,提升模型对复杂X光图像的适应性。 其次,在实验设计部分,扩展了公开数据集OPIXray。针对公开数据集OPIXray的局限性:违禁品种类只有五种不同刀具以及不同种类刀具的样本数量差距较大,本文通过扩展违禁品种类并标准化样本数量,构建了涵盖刀具、枪支、液体违禁品等9类违禁品、7200张样本的均衡数据集,为模型训练与评估提供可靠数据基础。 实验结果表明,WaveFM可以有效提高模型检测精度。集成WaveFM的检测模型在扩展数据集上平均检测精度达到80.58%,较基准模型YOLOv8提升1.85%,在严重遮挡场景下检测精度提升2.58%。消融实验验证了各子模块的有效性。此外,WaveFM在SSD、ViT等不同检测器中均表现出良好的通用性,泛化性能测试中对101个手枪类违禁品的正确识别数提升至56个,远超其他方法。 最后,基于上述算法,本文设计并实现了一套X光违禁品检测系统软件,支持动态实时检测与静态单图检测,集成用户信息管理、数据存储与查询功能,为安检人员提供高效辅助工具。