关键词： 3D目标检测   多模态   特征融合   点云修正   注意力机制  

摘要： 针对目前多模态融合3D目标检测方法难以有效融合目标对应图像特征的问题,通过引入近邻修正(Nearest Neighbor Correction,NNC)方法减轻目标点云稀疏和非目标点云的影响,提出一种多模态3D目标检测方法NNC-EPNet.首先,设计近邻修正模块NNC,利用增强后的近邻点云特征修正采样点云,减少点云数据中的噪声,增强目标点云特征,从而更好地融合目标图像特征;其次,设计基于Transformer的多模态特征融合编码器(Mutil-Modal Fusion Transformer,MFT),采用交叉注意力机制融合图像特征和点云特征,并且引入点云注意力机制聚合全局上下文信息,以提升特征表达能力;最后,分别在自动驾驶标准数据集KITTI和Waymo上进行对比实验.实验结果表明:NNC-EPNet方法在KITTI数据集上的平均精度均值达到84.47%,与基线算法相比,在容易、中等和困难3种难度场景下的检测精度分别提高了2.00%、3.25%和5.68%;在Waymo数据集上的加权平均精度达到74.48%,与基线算法相比,提升了2.49%.研究结果证明了设计的两个模块NNC和MFT能够有效提升3D目标检测性能.

关键词： 草莓   目标检测   轻量化   YOLO   SE注意力  

摘要： 为解决温室环境草莓果实的快速准确识别问题,提出了一种基于改进YOLO v5s的草莓成熟度检测方法。使用基于Channel Shuffle的多路聚合网络替换YOLO v5s中的C3模块,在丰富模型特征提取能力的同时,使得网络模型轻量化。同时采用SE注意力机制和最大池化层重构下采样模块,提高模型对有效通道的关注度。利用自制的草莓数据集对改进模型进行评估,结果表明,改进模型(YOLO-SR,YOLO-Strawberry Ripeness)的mAP达98.0%,模型大小仅为5.6 MB,在GPU(RTX 3060)上的单张平均检测速度仅8.2 ms。与原始YOLO v5s相比,YOLO-SR的mAP提升0.8百分点,参数量和浮点计算量分别减少60.0%和54.9%。本研究使用TensorRT加速引擎将模型部署到Jetson Nano平台,结果表明,固定输入分辨率为480×480且使用半精度推理时模型的检测效率最高,mAP和检测时延分别为97.7%和69.4 ms,相比于YOLO v5s原始网络,mAP仍提高了0.5百分点,推理速度提升64%。该轻量化方法能够快速准确地对温室环境下的草莓果实成熟度进行检测,为智慧农业技术在草莓种植中的应用提供可选择方案。

关键词： 医学图像处理实验课   教学管理   反抄袭  

摘要： 在生物医学工程专业的医学图像处理实验课中,为提高教学资料的自明性,提出了一种柔性反抄袭方法;为加强教学管理,建议实验题目进行差异化设计,同时在学生端和教师端进行图像查重检测。连续5年的教学改革表明,上述反抄袭方法的综合应用能够有效减少抄袭行为,确保教育的公正性。

关键词： 隧道工程   隧道衬砌   病害检测   计算机视觉   深度学习  

摘要： 隧道衬砌作为隧道的重要支撑结构,对其中存在的病害进行检测显得十分重要。然而,传统的隧道病害检测方法高度依赖人工,效率低下,并且存在一定的安全风险,因此,如何高效、安全地实现病害的自动检测成为了热门的方向之一。深度学习(DL)和计算机视觉(CV)被视为实现隧道衬砌病害自动检测的具有发展前景的方法。为了阐明DL技术和CV技术在病害检测中的研究与应用,总结了隧道衬砌病害检测技术的发展历程;基于数据对于DL模型训练的重要性,总结了衬砌病害数据集的建立过程;随后,总结了基于DL的CV技术在隧道衬砌表面病害和内部病害检测方面的方法和应用;最后,讨论了目前研究中存在的问题,并对未来的发展进行了展望。

关键词： K均值聚类方法   计算机视觉   固体发动机   装配尺寸测量  

摘要： 零部件装配的合格与否会直接影响整体的工作性能,如固体发动机中的药柱安装位置,其安装位置准确性将直接影响发动机的整体可靠性。针对目前已有的接触式测量方法容易受到主观因素的影响,且安全系数较低等问题,提出一种基于计算机视觉技术的装配尺寸非接触式测量方法。该方法首先通过深度相机获取物品的点云图,之后利用统计学滤波过滤噪声,通过动态“断点搜索”将点云分为上下两个部分,利用正态化平均法求上下两部分点云的平均值,平均值相减得到物体的深度,最后利用Z分数剔除异常值。提出的方法极大提升了深度检测的安全性、准确性和稳定性。测量误差控制在0.25 mm以内,足以满足零部件装配的合格性检测标准。

关键词： 图像处理技术   玻璃液体温度计   读数识别  

摘要： 在现代化工业、医疗监护及环境监测等领域中,对温度的精确连续监测至关重要,图像处理技术的应用给予了高精度且自动化的解决方案。本文详细分析了图像处理技术在识别玻璃液体温度计读数领域运用效果,通过透彻探究图像采集、预处理、特征提取、读数识别及数据处理显示等关键技术,全面地介绍了图像处理技术的多个层面应用。

关键词： 数字图像处理   翻转课堂   项目驱动   OBE理念   评价改革  

摘要： 为解决数字图像处理课程中理论与实践脱节的问题,文章提出了一种创新的教学模式,该模式融入了翻转课堂、项目驱动和OBE(Outcome-Based Education)等先进的教育理念。借助超星学习通平台,设计课前自主学习、课堂互动讨论和课后实践应用的闭环教学流程。教学方法的创新在于:①翻转课堂,鼓励学生课前预习,课堂时间更多用来进行案例分析、实践操作和深入讨论;②项目驱动教学,使学生将所学知识应用于解决实际问题,有效提升了学生的工程实践技能;③过程性评价,全面考核学生的学习过程和成果。本教学新模式旨在提高学生的参与度、学习效果及综合能力,为应用型人才培养提供新思路。

关键词： 计算机视觉   深度学习   目标检测  

摘要： 草莓作为高价值经济作物,其自动化采摘需要进行目标发现及熟度判断,传统草莓采摘分析方法主要使用色度和大小分析等简单图像处理方法,误报率高。提出二阶段检测网络YOLO-ResNeXt,并根据互联网图片及产地实拍创建Strawberry3000数据集,在此基础上,创新性采用变分自编码器(Variational Auto-Encoder,VAE)进行网络部分结构的快速搜索,该方案效率高且对简单结构搜索起到了较好的效果。经测试,该算法能够有效检测草莓目标并分析草莓熟度,在准确率及召回率等指标上对比通用计算机视觉算法有着很大提高,将有效促进高价值经济作物采摘工作的发展。

关键词： 计算机   图像处理   人工智能算法  

摘要： 随着计算机技术与人工智能技术的融合应用,各种算法在图像处理领域实现了广泛实践。人工智能算法包含遗传算法、粒子群优化算法、蚂蚁算法、退火算法等常见算法模式,这些算法具有良好的自学习、自适应以及独特的自组织能力,因此逐渐成为计算机图像技术领域的研究热点话题。基于此,文章结合计算机图像处理中人工智能算法的技术原理,分析了计算机图像处理中人工智能算法的应用优势及其价值体现,重点围绕这四种关键算法,对计算机图像处理中人工智能“遗传、粒子群优化、蚂蚁、退火”算法的具体应用进行了研究和论述,旨在为人工智能算法的发展提供参考与借鉴。

关键词： 数字图像处理   课程思政   综合思政育人体系  

摘要： 围绕课程思政和思政育人两大目标,针对目前课程教学中存在的重专业教学、轻思政育人的现象,立足于在人才培养中将育人和育才相统一,在本科生培养过程中探索多方位的本科生综合思政育人举措。在“数字图像处理”课程教学中,充分挖掘教学内容中蕴含的思政元素,通过在教材、教案、课件中融入更多的思政案例,实现思政教学与专业课教学的有机统一,并探索建立科学的课程思政育人考核和教师评教机制。在课程思政教学的基础上,拓展思政育人的范围,探索在本科生导师制、“冯如杯”和“仪器光电杯”等科技竞赛和本科毕业设计中融入更多的思政教育环节。以“数字图像处理”课程思政为核心,进行多方位的本科生综合思政育人体系构建,目的在于强化“专业知识—思政育人—空天报国—敢为人先”的全方位人才培养目标。